#include <stdio.h>
#include <math.h>
#include <stdlib.h>
#define M 3 //方阵的行数 列数
#define ε0 0.00000001//ε0为要求的精度
#define N 100000//最大迭代次数 //函数预声明
void printMatrix(double a[][], int m, int n);//矩阵的打印
void printVector(double a[], int m);//向量的打印
double dotVector(double a[], double b[], int m);//两个一维向量之积,结果为一个数
void dotMatrVect(double a[][], double yk0[], double uk1[], int m);//矩阵和向量点积u=a.*y,yk0对应于书上y(k-1)
void unitVector(double a[], int η, int m);//向量的单位化
double relaError(double lamada1, double lamada2);//计算相对误差 //主函数
int main(void)
{
double a[M][M] = { { , -, }, { -, -, }, { -, -, } };//待求特征值和特征向量的矩阵
double uk0[M] = { 1.0, 0.0, 0.0 };//迭代向量
double uk1[M] = { 0.0, 0.0, 0.0 };//迭代向量
double β0 = 0.0;//β(k-1)
double β1 = 0.0;//βk
double η0 = 0.0;//向量u(k-1)的二范数
double ε = 0.0;//计算的精度
printf("待求特征值和特征向量的矩阵A:\n");
printMatrix(a, M, M);
printf("\n");
printf("初始向量u0:\n");
printVector(uk0, M);
printf("\n");
printf("第几次计算\t\t uk\t\t\t\t yk\t\t βk\n");
for (int i = ; i < N; i++)
{
printf("%d\t", i);//***打印计算次数i
printVector(uk0, M);//***打印uk
printf("|");//***打印分隔
η0 = sqrt(dotVector(uk0, uk0, M));//初始向量u0的2范数
unitVector(uk0, η0, M);//将初始向量u0单位化作为y(k-1)也就是yk0
printVector(uk0, M); //***打印单位化后的uk0,也就是y(k-1)
dotMatrVect(a, uk0, uk1, M);//uk1 = A.*yk0;
printf("|");//***打印分隔
β1 = dotVector(uk0, uk1, M);//β1=y(k-1).*uk1
if (i>)
{
printf("%lf ", β1);//***打印βk
}
printf("\n");
ε = relaError(β0, β1);
//判断是否收敛
if (ε < ε0) //若收敛
{
printf("收敛\n");
break;
}
else //若不收敛,则变量交换 uk0=uk1;
{
//double tem = 0.0;
for (int q = ; q < M; q++)
{
//uk0[q] = uk1[q];
//tem = uk0[q];
uk0[q] = uk1[q];
uk1[q] = 0.0;//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!
}
β0 = β1;
}
} system("pause");
} //函数具体执行 //矩阵的打印
void printMatrix(double a[][M], int m, int n)
{
for (int i = ; i<m; i++)
{
for (int j = ; j<n; j++)
{
printf("%lf ", a[i][j]);
}
printf("\n");
}
}
//向量的打印
void printVector(double a[], int m)
{
for (int i = ; i < m; i++)
{
printf("%lf ", a[i]);
}
}
//两个一维向量之积
double dotVector(double a[], double b[], int m)
{
double dotsum = 0.0;
for (int i = ; i < m; i++)
{
dotsum = dotsum + a[i] * b[i];
}
return(dotsum);
}
//矩阵和向量点积u=a.*y,yk0对应于书上y(k-1)
void dotMatrVect(double a[][M], double yk0[], double uk1[], int m)
{
double a1, b, c;
for (int i = ; i < m; i++)
{
uk1[i] = ;//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!
for (int j = ; j < m; j++)
{
uk1[i] = uk1[i] + a[i][j] * yk0[j];//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!!!!
a1 = a[i][j];
b = yk0[j];
c = uk1[i];
//printf("a[%d][%d]=%lf\n",i,j,a[i][j]);
} }
//printVector(uk1, 3);
}
//向量的单位化
void unitVector(double a[], int η, int m)
{
for (int i = ; i < m; i++)
{
a[i] = a[i] / η;
}
}
//计算误差
double relaError(double β1, double β2)
{
double ε;
ε = fabs(β2 - β1) / fabs(β2);
return ε;
}

为啥上面的总是算的不是太精确呢??

奥,因为二范数取的是int类型;

 #include <stdio.h>
#include <math.h>
#include <stdlib.h>
#define M 3 //方阵的行数 列数
#define ε0 0.00000001//ε0为要求的精度
#define N 100000//最大迭代次数 //函数预声明
void printMatrix(double a[][], int m, int n);//矩阵的打印
void printVector(double a[], int m);//向量的打印
double dotVector(double a[], double b[], int m);//两个一维向量之积,结果为一个数
void dotMatrVect(double a[][], double yk0[], double uk1[], int m);//矩阵和向量点积u=a.*y,yk0对应于书上y(k-1)
void unitVector(double a[], double η, int m);//向量的单位化
double relaError(double lamada1, double lamada2);//计算相对误差 //主函数
int main(void)
{
double a[M][M] = { { , -, }, { -, -, }, { -, -, } };//待求特征值和特征向量的矩阵
double uk0[M] = { 2.0, 1.0, 6.0 };//迭代向量
double uk1[M] = { 0.0, 0.0, 0.0 };//迭代向量
double β0 = 0.0;//β(k-1)
double β1 = 0.0;//βk
double η0 = 0.0;//向量u(k-1)的二范数
double ε = 0.0;//计算的精度
printf("待求特征值和特征向量的矩阵A:\n");
printMatrix(a, M, M);
printf("\n");
printf("初始向量u0:\n");
printVector(uk0, M);
printf("\n");
printf("第几次计算\t\t uk\t\t\t\t yk\t\t βk\n");
for (int i = ; i < N; i++)
{
printf("%d\t", i);//***打印计算次数i
printVector(uk0, M);//***打印uk
printf("|");//***打印分隔
η0 = sqrt(dotVector(uk0, uk0, M));//初始向量u0的2范数
unitVector(uk0, η0, M);//将初始向量u0单位化作为y(k-1)也就是yk0
printVector(uk0, M); //***打印单位化后的uk0,也就是y(k-1)
dotMatrVect(a, uk0, uk1, M);//uk1 = A.*yk0;
printf("|");//***打印分隔
β1 = dotVector(uk0, uk1, M);//β1=y(k-1).*uk1
if (i>)
{
printf("%lf ", β1);//***打印βk
}
printf("\n");
ε = relaError(β0, β1);
//判断是否收敛
if (ε < ε0) //若收敛
{
printf("收敛\n");
break;
}
else //若不收敛,则变量交换 uk0=uk1;
{
//double tem = 0.0;
for (int q = ; q < M; q++)
{
//uk0[q] = uk1[q];
//tem = uk0[q];
uk0[q] = uk1[q];
uk1[q] = 0.0;//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!
}
β0 = β1;
}
} system("pause");
} //函数具体执行 //矩阵的打印
void printMatrix(double a[][M], int m, int n)
{
for (int i = ; i<m; i++)
{
for (int j = ; j<n; j++)
{
printf("%lf ", a[i][j]);
}
printf("\n");
}
}
//向量的打印
void printVector(double a[], int m)
{
for (int i = ; i < m; i++)
{
printf("%lf ", a[i]);
}
}
//两个一维向量之积
double dotVector(double a[], double b[], int m)
{
double dotsum = 0.0;
for (int i = ; i < m; i++)
{
dotsum = dotsum + a[i] * b[i];
}
return(dotsum);
}
//矩阵和向量点积u=a.*y,yk0对应于书上y(k-1)
void dotMatrVect(double a[][M], double yk0[], double uk1[], int m)
{
double a1, b, c;
for (int i = ; i < m; i++)
{
uk1[i] = ;//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!
for (int j = ; j < m; j++)
{
uk1[i] = uk1[i] + a[i][j] * yk0[j];//在第二次使用前一定把uk1[i]的所有元素归零!!!!!!!!!
a1 = a[i][j];
b = yk0[j];
c = uk1[i];
//printf("a[%d][%d]=%lf\n",i,j,a[i][j]);
} }
//printVector(uk1, 3);
}
//向量的单位化
void unitVector(double a[], double η, int m)
{
for (int i = ; i < m; i++)
{
a[i] = a[i] / η;
}
}
//计算误差
double relaError(double β1, double β2)
{
double ε;
ε = fabs(β2 - β1) / fabs(β2);
return ε;
}

精确结果是 绝对值最大的特征值为45,对应的特征向量为(0,-0.5,-1)

c语言计算矩阵特征值和特征向量-1(幂法)的更多相关文章

  1. 矩阵的特征值和特征向量的雅克比算法C/C++实现

    矩阵的特征值和特征向量是线性代数以及矩阵论中很重要的一个概念.在遥感领域也是经经常使用到.比方多光谱以及高光谱图像的主成分分析要求解波段间协方差矩阵或者相关系数矩阵的特征值和特征向量. 依据普通线性代 ...

  2. 采用梯度下降优化器(Gradient Descent optimizer)结合禁忌搜索(Tabu Search)求解矩阵的全部特征值和特征向量

    [前言] 对于矩阵(Matrix)的特征值(Eigens)求解,采用数值分析(Number Analysis)的方法有一些,我熟知的是针对实对称矩阵(Real Symmetric Matrix)的特征 ...

  3. (原)使用mkl计算特征值和特征向量

    转载请注明出处: http://www.cnblogs.com/darkknightzh/p/5585271.html 参考文档:mkl官方文档 lapack_int LAPACKE_sgeev(in ...

  4. 利用python做矩阵的简单运算(行列式、特征值、特征向量等的求解)

    import numpy as np lis = np.mat([[1,2,3],[3,4,5],[4,5,6]]) print(np.linalg.inv(lis)) # 求矩阵的逆矩阵 [[-1. ...

  5. python计算平面的法向-利用协方差矩阵求解特征值和特征向量

    Obvious,最小特征值对应的特征向量为平面的法向 这个问题还有个关键是通过python求协方差矩阵的特征值和特征向量,np.linalg.eig()方法直接返回了特征值的向量和特征向量的矩阵 sc ...

  6. java语言编写矩阵的四则运算

    题目要求如下: 设计程序实现矩阵的四则运算 设计要求: (1) 实现矩阵的四则运算. (2) 考虑实现带变元的矩阵计算. (3)考虑实现矩阵的特征值和特征向量的计算. 我使用java语言写的 目录结构 ...

  7. opencv学习之路(38)、Mat像素统计基础——均值,标准差,协方差;特征值,特征向量

    本文部分内容转自 https://www.cnblogs.com/chaosimple/p/3182157.html 一.统计学概念 二.为什么需要协方差 三.协方差矩阵 注:上述协方差矩阵还需要除以 ...

  8. eig()函数求特征值、特征向量、归一化

    在MATLAB中,计算矩阵A的特征值和特征向量的函数是eig(A),常用的调用格式有 5种:(1) E=eig(A):求矩阵A的全部特征值,构成向量E. 想求最大特征值用:max(eig(A))就好了 ...

  9. Python与矩阵论——特征值与特征向量

    Python计算特征值与特征向量案例 例子1 import numpy as np A = np.array([[3,-1],[-1,3]]) print('打印A:\n{}'.format(A)) ...

随机推荐

  1. 一种更清晰的Android架构(转)

    一种更清晰的Android架构   一种更清晰的Android架构 原文链接 : Architecting Android…The clean way? 译者 : Mr.Simple & So ...

  2. WeX5的简单介绍及UI的简单讲解

    WeX5的简单介绍及UI的简单讲解 (2016-01-13 14:49:05) 标签: it 分类: WeX5的初步自学 一.WeX5的简单讲解 1.WeX5是前端快速开发框架,可开发跨端运行应用.是 ...

  3. Python_Day4_函数

    本节内容 1. 函数基本语法及特性 2. 参数与局部变量 3. 返回值 嵌套函数 4.递归 5.匿名函数 6.函数式编程介绍 7.高阶函数 8.内置函数 定义: 函数是指将一组语句的集合通过一个名字( ...

  4. Surface与SurfaceView、SurfaceHolder

    什么是Surface? android API的解释是:Handle onto a raw buffer that is being managed by the screen compositor ...

  5. Redis ConnectionException

    JAVA 远程链接Redis服务失败,错误信息如下: redis.clients.jedis.exceptions.JedisConnectionException: Could not get a ...

  6. examine self thrice a day2017

    1.6.2017 葰γí千萬丆γáò絠ィ壬菏鰯嚸,銣惈絠,倁噵ㄖㄅ者β淂簳掉.千澫丕楆被莂亽抓ィ主鰯點,以佌襲撃.那個記駐,吢軟劊嗐死尓垍己ㄖㄅ.絠仒槇可笑,鯟覀者βる誐手裏魢泾吺有談半リ的籌碼,還茬 ...

  7. laraver mongo 查询操作

    1,mongo 不支持特殊where条件(&,|) 2,mongo 可以连接mysql的表查询,但不支持连表的where查询

  8. 使用requestAnimationFrame做动画效果一

    最近学习了requestAnimationFrame,看了张鑫旭直白易懂,但是某些地方语言过于裸露的文章http://www.zhangxinxu.com/wordpress/2013/09/css3 ...

  9. 如何用php生成1-10之间的不重复随机数

       今天跟大家分享一个PHP中的案列,大家一起学习学习.                                                        使用shuffle函数生成随机 ...

  10. Python:循环语句

    while 在某种条件下,执行某段程序 >>> w=0 >>> while w<5: ... print 'w :',w ... w=w+1 ... w : ...