幂法及其MATLAB程序
5.2 幂法及其MATLAB程序
5.2.2 幂法的MATLAB程序
用幂法计算矩阵的主特征值和对应的特征向量的MATLAB主程序
function [k,lambda,Vk,Wc]=mifa(A,V0,jd,max1)
lambda=0;k=1;Wc =1; ,jd=jd*0.1;state=1; V=V0;
while((k<=max1)&(state==1))
Vk=A*V; [m j]=max(abs(Vk)); mk=m;
tzw=abs(lambda-mk); Vk=(1/mk)*Vk;
Txw=norm(V-Vk); Wc=max(Txw,tzw); V=Vk;lambda=mk;state=0;
if(Wc>jd)
state=1;
end
k=k+1;Wc=Wc;
end
if(Wc<=jd)
disp('请注意:迭代次数k,主特征值的近似值lambda,主特征向量的近似向量Vk,相邻两次迭代的误差Wc如下:')
else
disp('请注意:迭代次数k已经达到最大迭代次数max1,主特征值的迭代值lambda,主特征向量的迭代向量Vk,相邻两次迭代的误差Wc如下:')
end
Vk=V;k=k-1;Wc;
例5.2.2 用幂法计算下列矩阵的主特征值和对应的特征向量的近似向量,精度.并把(1)和(2)输出的结果与例5.1.1中的结果进行比较.
(1); (2);(3);(4).
解 (1)输入MATLAB程序
>>A=[1 -1;2 4]; V0=[1,1]';
[k,lambda,Vk,Wc]=mifa(A,V0,0.00001,100),
[V,D] = eig (A), Dzd=max(diag(D)), wuD= abs(Dzd- lambda), wuV=V(:,2)./Vk,
运行后屏幕显示结果
请注意:迭代次数k,主特征值的近似值lambda,主特征向量的近似向量Vk,相邻两次迭代的误差Wc如下:
k = lambda = Wc =
33 3.00000173836804 8.691862856124999e-007
Vk = V = wuV =
-0.49999942054432 -0.70710678118655 0.44721359549996 -0.89442822756294
1.00000000000000 0.70710678118655 -0.89442719099992 -0.89442719099992
Dzd = wuD =
3 1.738368038406435e-006
由输出结果可看出,迭代33次,相邻两次迭代的误差Wc 8.69 19e-007,矩阵的主特征值的近似值lambda3.000 00和对应的特征向量的近似向量Vk (-0.500 00,1.000 00, lambda与例5.1.1中的最大特征值近似相等,绝对误差约为1.738 37e-006,Vk与特征向量 的第1个分量的绝对误差约等于0,第2个分量的绝对值相同.由wuV可以看出,的特征向量V(:,2) 与Vk的对应分量的比值近似相等.因此,用程序mifa.m计算的结果达到预先给定的精度.
(2) 输入MATLAB程序
>>B=[1 2 3;2 1 3;3 3 6]; V0=[1,1,1]';
[k,lambda,Vk,Wc]=mifa(B,V0,0.00001,100), [V,D] = eig (B),
Dzd=max(diag(D)), wuD= abs(Dzd- lambda), wuV=V(:,3)./Vk,
运行后屏幕显示结果
请注意:迭代次数k,主特征值的近似值lambda,主特征向量的近似向量Vk,相邻两次迭代的误差Wc如下:
k = lambda = Wc = Dzd = wuD =
3 9 0 9 0
Vk = wuV =
0.50000000000000 0.81649658092773
0.50000000000000 0.81649658092773
1.00000000