matlab数值分析  矩阵特征值与特征向量的计算

1改进乘幂法

function [t,y]=eigIPower(A,v0,ep) [tv,ti]=max(abs(v0)); lam0=v0(ti); u0=v0/lam0; err=ep*10; %为第一步循环做准备，此处不考虑0次循环的情况 while(err>ep)v1=A*u0;[tv,ti]=max(abs(v1));lam1=v1(ti);err=abs(lam0-lam1);u0=v1/lam1;lam0=lam1; end t=lam1; y=u0;

调用程序

A=[12,6,-6;6,16,2;-6,2,16];xinit=[1;0.5;-0.5];[t,y]=eigIPower(A,xinit,1e-4)

2 反幂法

function [t,y]=eigIPower_inv(A,v0,ep) [tv,ti]=max(abs(v0)); lam0=v0(ti); u0=v0/lam0; err=ep*10; while(err>ep)v1=A\u0;[tv,ti]=max(abs(v1));lam1=v1(ti);err=abs(1/lam0-1/lam1); %反幂法在误差计算时用的是特征值的倒数u0=v1/lam1;lam0=lam1; end t=1/lam1;y=u0;

调用程序

​​​​​​​

A=[12,6,-6;6,16,2;-6,2,16];xinit=[1;0.5;-0.5];[t,y]=eigIPower_inv (A,xinit,1e-4)

 

总结

以上是生活随笔为你收集整理的2021-01-07 matlab数值分析  矩阵特征值与特征向量的计算 改进乘幂法 反幂法的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。