乘幂法计算矩阵绝对值最大特征值

//乘幂法计算矩阵绝对值最大特征值
#include <iostream>
#include <math.h>
#include <process.h>

using namespace std;

class power
{
private:
int check, flag, i, j, iteration, n;
double eps1, eps2, error1, error2, lambda, lambda_old, sum;
double *y, *z, *z_old;
double **a;

public:
power()
{
  iteration = 0;
  flag = 1;
}
void solution();
double euclidean_norm(double *);
~power()
{
  delete[] y, z, z_old;
  for (i = 0; i < n; i++)
  {
   delete[] a[i];
  }
  delete[] a;
}
};

void main()
{
power eigenpair;
eigenpair.solution();
}

void power::solution()
{
cout << "输入矩阵阶数：";
cin >> n;
a = new double*[n];
for (i = 0; i < n; i++)
{
  a[i] = new double[n];
}
y = new double[n];
z = new double[n];
z_old = new double[n];
for (i = 0; i < n; i++)
  for (j = 0; j < n; j++)
  {
   cout << "\n输入a[" << i << "][" << j << "] = ";
   cin >> a[i][j];
  }
cout << "\n输入特征向量的初值。" << endl;
for (i = 0; i < n; i++)
{
  cout << "\n输入初值z[" << i << "] = ";
  cin >> z[i];
}
cout << "\n输入特征值的容许误差";
cin >> eps1;
cout << "\n输入特征向量的容许误差";
cin >> eps2;
do
{
  iteration++;
  check = 0;
  for (i = 0; i < n; i++)
  {
   sum = 0.0;
   for (j = 0; j < n; j++)
   {
    sum += a[i][j]*z[j];
   }
  y[i] = sum;
  }
  lambda = euclidean_norm(y);
  for (i = 0; i < n; i++)
  {
   z[i] = y[i] / lambda;
  }
  if (iteration > 1)
  {
   error1 = fabs((lambda - lambda_old) / lambda);
   for (i = 0; i < n; i++)
   {
    error2 = fabs((z[i] - z_old[i]) / z[i]);
    if (error2 >= eps2)
    {
     check = 1;
    }
   }
   if ((error1 < eps1) && (check == 0))
   {
    flag = 0;
   }
  }
  if (flag == 1)
  {
   lambda_old = lambda;
   for (i = 0; i < n; i++)
   {
    z_old[i] = z[i];
   }
  }
  if (iteration > 1000)
  {
   cout << "\n1000次迭代不收敛，失败..." << endl;
   exit(0);
  }
}while (flag == 1);
cout << "\n绝对值最大的特征值 = " << lambda << endl;
cout << "\n对应特征向量的各分量是：" << endl;
for (i = 0; i < n; i++)
{
  cout << "\nz[" << i << "] = " << z[i] << endl;
}
cout << "\n收敛于" << iteration << "次迭代。" << endl;
}

//计算向量欧几里得范数的函数
double power::euclidean_norm(double* x)
{
sum = 0.0;
for (i = 0; i < n; i++)
{
sum += x[i]*x[i];
}
sum = sqrt(sum);
return(sum);
}

乘幂法计算矩阵绝对值最大特征值相关推荐

乘幂法计算矩阵主特征值和特征向量-Matlab实现
文章目录 1.前言 2.方法介绍 3.算法步骤 4.数值实验 5.总结 6.Matlab代码 1.前言乘幂法主要用于求实矩阵按模最大的特征值(主特征值)和相应特征向量.本文通过Matlab解决实际例 ...
豪斯荷尔德变换 matlab,隐式QR法求实矩阵的全部特征值matlab实现
隐式QR法求实矩阵的全部特征值matlab实现隐式QR法求实矩阵的全部特征值matlab实现要求:用matlab编写通用子程序,利用隐式QR法求实矩阵的全部特征值和特征向量. 思想:隐式QR法实质 ...
R语言将向量数据按照行方式转化为矩阵数据（设置参数byrow为TRUE）、计算矩阵数据的特征值（eigenvalue）
R语言将向量数据按照行方式转化为矩阵数据(设置参数byrow为TRUE).计算矩阵数据的特征值(eigenvalue) 目录 R语言将向量数据按照行方式转化为矩阵数据(设置参数byrow为TRUE). ...
线性代数 --- 三种计算矩阵的行列式的方法之二莱布尼兹展开法（个人笔记扫描版）
三种计算矩阵的行列式的方法之二莱布尼兹展开法在我的个人的线性代数学习中,我分别记录计算矩阵行列式的三种方法,1,LU分解法,2,拉普拉斯展开法,这里我介绍一下第三种方法,莱布尼兹展开法. 行列 ...
qr带原点位移 matlab,qr方法计算中小型矩阵的全部特征值.doc
qr方法计算中小型矩阵的全部特征值.doc 计算方法课程设计报告学生姓名学号学院班级题目QR方法计算中小型矩阵的全部特征值指导教师职称教授讲师实验师2015年12月31日目录目录I一.选题背景111Q ...
乘幂法、复化梯形以及二分法求特征值【相关例题python实现】
目录写在前面的话乘幂法例题代码结果二分法求对称三对角矩阵特征值代码结果复化梯形例题代码结果写在前面的话考试结束,<数值计算方法>编程作业发出来给大家看看~ 乘幂 ...
matlab卷积矩阵绝对值,MATLAB矩阵分析和计算
MATLAB矩阵分析和计算编辑锁定讨论上传视频本词条缺少概述图,补充相关内容使词条更完整,还能快速升级,赶紧来编辑吧! <MATLAB矩阵分析和计算>是清华大学出版社出版的一本图 ...
python numpy逆_Python使用numpy计算矩阵特征值、特征向量与逆矩阵
原标题:Python使用numpy计算矩阵特征值.特征向量与逆矩阵 Python扩展库numpy.linalg的eig()函数可以用来计算矩阵的特征值与特征向量,而numpy.linalg.inv() ...
Python使用numpy计算矩阵特征值、特征向量与逆矩阵
Python扩展库numpy.linalg的eig()函数可以用来计算矩阵的特征值与特征向量,而numpy.linalg.inv()函数用来计算可逆矩阵的逆矩阵. >>> impor ...

乘幂法计算矩阵绝对值最大特征值

乘幂法计算矩阵绝对值最大特征值相关推荐

最新文章

热门文章