c语言计算矩阵特征值和特征向量-1(幂法)
#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
- 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 ...
- 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 ...
- (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 ...
- 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. ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- spring 注解重复(防重复请求)
1.配置拦截器 spring-mvc.xml <mvc:interceptors> <mvc:interceptor> <mvc:mapping path="/ ...
- Bootstrap之Carousel不能自动播放的解决办法(转)
Bootstrap是一个非常好的css/javaScript框架,尤其对于移动端的自适应和适配能力都比较强. 用Bootstrap自带的Carousel写了一个图片轮播的广告部分,用js调用后却出现了 ...
- js获取当前日期时间格式为“yyyy-MM-dd HH:MM:SS”
废话不多说,直接上代码! <!DOCTYPE html><html><head> <meta charset="utf-8"> ...
- RANSAC 剔除错误匹配 估计模型
随机抽样一致,这个算法,我以前一直都没有理解透彻.只知道可以用来直线拟合,网上大多数中文博客也都是写直线拟合的,但是用来匹配二维特征的时候,总还是没弄明白. 基本概念参考 http://www.cnb ...
- contiki-定时器etimer
Contiki内核是基于事件驱动和Protothreads机制,事件既可以是外部事件(比如按键,数据到达),也可以是内部事件(如时钟中断).定时器的重要性不言而喻,Contiki提供了5种定时器模型, ...
- express+gulp构建项目(一)项目目录结构
express是基于nodejs平台的web框架,它可以让我们快速开发出web引用.而gulp是一种自动构建工具,非常强大,有了它,能帮我们完成很多繁琐的工作,例如,静态文件的压缩,为静态文件加上哈希 ...
- CentOS7 yum 安装git
1.查看系统是否已经安装git git --version 2.CentOS7 yum 安装git yum install -y git 3.安装成功 4.卸载git yum remove git
- 51nod 1174 1174 区间中最大的数
题目链接:51nod 1174 1174 区间中最大的数 ST(Sparse Table)算法学习参考博客:http://blog.csdn.net/niushuai666/article/detai ...
- 使用robot frame selenium中遇到的问题汇总
1.问题:robot运行时提示:[ WARN ] Keyword 'Capture Page Screenshot' could not be run on failure: No browser i ...
- Ajax&Java
AJAX即“Asynchronous Javascript And XML”(异步JavaScript和XML) 是一种基于浏览器的XMLHttpRequest对象实现的创建交互式网页应用的网页开发技 ...