幂法求矩阵最大特征值及其对应的特征向量 C++实现

8 篇文章 0 订阅
4 篇文章 0 订阅
#include<iostream>
#include<cstring>
#include<algorithm>
#include<math.h>
#define N 1100
using namespace std;
int n,flag;
float m,next_m,eclipse,sum,A[N][N],z[N],y[N],next_z[N];
void readData();
void power();
void matrixFact();
void Findmax();
void newZ();
void printResult();
float abs(float);
void reckonResidue();

int main()
{
    cin>>n;
    readData();
    power();

    return 0;
}

void reckonResidue()
{
    float sum=0;
    for (int i=1;i<=n;i++)
    {
        sum+=abs(z[i]-next_z[i]);
    }
    if (sum<0.001)
    {
        flag=1;
    }
    return ;
}

void readData()
{
    for (int i=1;i<=n;i++)
    {
        for (int j=1;j<=n;j++)
        {
            cin>>A[i][j];
        }
    }
    return ;
}

void power()
{
    m=next_m;
    flag=0;
    eclipse=1e-5;
    for (int i=1;i<=n;i++)
    {
        z[i]=1;
        next_z[i]=1;
    }
    do
    {
        sum=0;
        for (int i=1;i<=n;i++)
            z[i]=next_z[i];
        matrixFact();
        Findmax();
        newZ();
        reckonResidue();
    }while (!flag);
    printResult();
    return ;
}

void matrixFact()
{
    for (int i=1;i<=n;i++)
    {
        sum=0;
        for (int j=1;j<=n;j++)
        {
            sum+=A[i][j]*z[j];
        }
        y[i]=sum;
    }
    for (int i=1;i<=n;i++)
    {
        cout<<y[i]<<" ";
    }
    cout<<endl;
    return ;
}

void Findmax()
{
    m=0;
    for (int i=1;i<=n;i++)
    {
        if (abs(m)<abs(y[i]))
        {
            m=y[i];
        }
    }
    cout<<"m:"<<m<<endl;
    return ;
}

void newZ()
{
    for (int i=1;i<=n;i++)
    {
        next_z[i]=y[i]/m;
    }
    return ;
}

void printResult()
{
    cout<<"矩阵A的最大特征值为:"<<m<<endl;
    cout<<"其对应的特征向量为:(";
    for (int i=1;i<=n;i++)
    {
        cout<<next_z[i];
        if (i!=n)
        {
            cout<<",";
        }
    }
    cout<<")"<<endl;
    return ;
}

float abs(float cc)
{
    return cc>0?cc:-cc;
}

  • 4
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用幂法求矩阵特征值特征向量C++代码示例: ```c++ #include<iostream> #include<cmath> using namespace std; // 定义矩阵大小 #define N 3 int main() { double A[N][N] = { {2, -1, 0}, {-1, 2, -1}, {0, -1, 2} }; // 待求解的矩阵 double x[N] = {1, 1, 1}; // 初始向量 double lambda = 0; // 特征值 double eps = 1e-6; // 精度 for(int k=1; k<=100; k++) // 迭代次数 { double y[N] = {0}; // 计算Ax for(int i=0; i<N; i++) { for(int j=0; j<N; j++) { y[i] += A[i][j] * x[j]; } } double max_x = fabs(x[0]); // 求x的最大分量 for(int i=1; i<N; i++) { if(max_x < fabs(x[i])) { max_x = fabs(x[i]); } } double max_y = fabs(y[0]); // 求y的最大分量 for(int i=1; i<N; i++) { if(max_y < fabs(y[i])) { max_y = fabs(y[i]); } } double lambda_new = max_y / max_x; // 计算特征值 if(fabs(lambda_new - lambda) < eps) // 判断是否达到精度 { cout << "特征值:" << lambda_new << endl; cout << "特征向量:"; for(int i=0; i<N; i++) { cout << x[i] / max_x << " "; } cout << endl; break; } lambda = lambda_new; // 更新特征值 for(int i=0; i<N; i++) // 更新x向量 { x[i] = y[i] / max_y; } } return 0; } ``` 其中,`N`为矩阵的大小,`A`为待求解的矩阵,`x`为初始向量,`lambda`为特征值,`eps`为精度。在每次迭代中,先计算$Ax$,然后求$x$和$y=Ax$的最大分量,从而计算特征值$\lambda$。如果$\lambda$的变化量小于精度,就认为已经求出特征值特征向量,并输出结果。否则,更新$x$向量,继续迭代。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值