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
- Markdown学习和插件介绍
markdown能干啥 亲们github上的项目首页的 内容+样式,都是项目中README.md文件控制的.将md风格的代码,转化成html. 而且markdown语法非常简单,5-10分钟即可学会! ...
- Nginx的第一个模块-HelloWorld
麻雀虽小,五脏俱全,小小的Hello World盛行于程序世界,就在于其代码虽短,但要真正运行起来,需要我们略通基本语法,稍懂编译运行环境,知晓操作过程,最后,还有一颗持之以恒,不怕折腾的心.前一阵子 ...
- TAP/TUN摘要
TUN适用于IP帧.Tap适用于以太网帧.TAP摸拟一个以太网设备(以arp广播MAC识别),它操作第二层数据包如以太网数据帧.TUN模拟了网络层ip设备(以点对点的方式,使用ip标识),操作第三层数 ...
- Address already in use: JVM_Bind:8080 的解决办法<转>
出错情况:运行 Tomcat 时报错 含义:8080 位置显示的端口被其他进程占用 解决方法: 方法1: 开始--运行--cmd 进入命令提示符 输入netstat -ano 即可看到所有连接的PID ...
- SQLserver2008数据库备份和还原问题(还原是必须有完整备份)
首先,我要说明的是你必须拥有完整的数据库备份,下面的还原教程,才算有用,如果其它问题,请搜索别的大牛的解决办法,本方法只适合菜鸟. 这个连接是站长大人的异常恢复方法,有问题可以自己学习http://w ...
- python爬虫实战(一)——实时获取代理ip
在爬虫学习的过程中,维护一个自己的代理池是非常重要的. 详情看代码: 1.运行环境 python3.x,需求库:bs4,requests 2.实时抓取西刺-国内高匿代理中前3页的代理ip(可根据需求自 ...
- Apache Commons Collections
http://commons.apache.org/proper/commons-collections/userguide.html 1. Utilities SetUtils Collection ...
- String根据、拆分
String cla="信1305.信1304.信1204.信1103.信1403"; while(cla.contains(".")){ int a=cla. ...
- 编写我的第一个CGI代码——python学习
在编程学习网站学习Python语言,学习到cgi编程章节遇到了一些小问题,课程介绍的为linux环境的Apache配置方法,具体如下: [linux环境配置方法:] 在进行CGI编程前,确保您的Web ...
- Excel中提取最大值的问题
在使用excel的时候,碰到了一个如下的问题 意思是以每个字母为条件,取这个字母下面的数字中的最大值,需要注意一个问题是每个字母下面的数字个数不一定相等,例如d下面有四个数字,可以设置如下公式解决: ...