#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. WordPress 插件推荐

    1.电商类: Woocommerce 2.幻灯片: Reslider 3.网页编写类: js_composer

  2. 说说focus /focusin /focusout /blur 事件

    事件触发时间 focus:当focusable元素获得焦点时,不支持冒泡:focusin:和focus一样,只是此事件支持冒泡:blur:当focusable元素失去焦点时,不支持冒泡:focusou ...

  3. indexOf 用法

    一.字符串的IndexOf()方法: (括号里的为子字符串) 搜索在该字符串上是否出现了作为参数传递的子字符串,如果找到子字符串,则返回子字符串在该字符串上出现的起始位置 (0表示第一个字符,1表示第 ...

  4. JQuery_元素属性操作

    除了对元素内容进行设置和获取,通过jQuery 也可以对元素本身的属性进行操作,包括获取属性的属性值.设置属性的属性值,并且可以删除掉属性. <script type="text/ja ...

  5. windows字符串

    CString在win32环境下最大的有效长度应该是INT_MAX-1 一般小于这个长度的文件,处理字符串都没问题. TCHAR字符串数组没有处理子串的相关函数,strchr(_tcschr)只是处理 ...

  6. Android 开发如何选择轮子(转)

    一个项目的开发,我们不可能一切从0做起,如果真是这样,那同样要哭瞎.因此,善于借用已经做好的 "车轮" 非常重要,如: 网络访问框架:OKHttp.retrofit.android ...

  7. Oracle分页查询=======之伪列的使用

    ========伪列========== 在Oracle数据库中,伪列不存在表中,但是可以从表中查询到 例如:SELECT ROWID 伪列,tname 教师姓名 FROM teacher; ==== ...

  8. Mysql主从同步遇到的一些问题

    为提供更快的访问速度,在不同的地区增加了一台只供访问的从服务器.因此要将主服务器的数据全部备份过去,并且设置主从同步 假设: 主服务器IP:192.168.1.10 从服务器IP:192.168.1. ...

  9. 【转】 XDC介绍

    转:http://blog.sina.com.cn/s/blog_693301190100sitz.html XDC是TI公司为嵌入式实时系统可重用软件组件(在XDC里被成为packages,以下成为 ...

  10. Python之路 day3 递归函数

    #!/usr/bin/env python # -*- coding:utf-8 -*- #Author:ersa """ 在函数内部,可以调用其他函数.如果一个函数在内 ...