python实现用改进的乘幂法求方阵的按模最大特征值和特征向量

先放代码，有时间补内容

import numpy as np

def MaxFabs(v):
    m,n = v.shape
    assert n == 1
    ans = 0
    for i in range(m):
        if ans < np.fabs(v[i]):
            ans = v[i]
            maxn = i
    return ans

def PowerMethod(a,v,g):
    m,n = a.shape
    assert m == n
    times = 0
    u = v/MaxFabs(v)
    v = v.astype(float)  # 设置x的精度
    Lambda = 0
    while True:
        tempv = v.copy()
        tempu = u.copy()  # 记录上一次的迭代答案
        tempL = Lambda
        v=np.dot(a,u)
        u=v/MaxFabs(v)
        Lambda=MaxFabs(v)
        times += 1  # 迭代次数加一

        gap = abs(Lambda-tempL) # 与上一次答案模的差

        if gap < g:  # 精度满足要求，结束
            break

        elif times > 10000:  # 如果迭代超过10000次，结束
            break
            print("10000次迭代仍不收敛")
    print(times)
    print(Lambda)
    print(id(Lambda),id(tempL))



if __name__ == '__main__':      #当模块被直接运行时，以下代码块将被运行，当模块是被导入时，代码块不被运行。
    a = np.array([[1,-1,2],[-2,0,5],[6,-3,6]])

    v = np.array([[1],[1],[1]])

    g=1e-6
    PowerMethod(a,v,g)