jacobi方法求取_实对称_矩阵的特征值和特征向量.docVIP

jacobi方法求取_实对称_矩阵的特征值和特征向量 #ifndef ksfloat #define ksfloat double #endif #ifndef int16 #define int16 int #endif #ifndef uint16 #define uint16 unsigned int #endif #ifndef ksnew #define ksnew(s,t) ((t*)malloc((s)*sizeof(t))) #endif #ifndef ksfree #define ksfree(p) if(p!=0){free(p);p=0;} #endif /* ksJacobiGetRealSymMatrixFeatureValue 用jacobi方法求取*实对称*矩阵的特征值和特征向量 aMatrix[in]: n 阶实对称阵 side[in]: 矩阵阶大小 eps[in]: 控制精度 maxTimes[in]: 最大迭代次数 返回值： 前side*side个单元存储特征向量，一列为一特征向量；后side个存储单元为特征值， 也就是总大小为 size = side*(side+1) 存储单元 */ ksfloat *ksJacobiGetRealSymMatrixFeatureValue( ksfloat aMatrix[] , uint16 side , ksfloat eps , uint16 maxTimes ) { ksfloat *t, *s, *s1, *vector, *q1 ; float a1 , c , s2 , t1 , maxEps = 0 , d1 , d2, r = 1; uint16 i , j , p , q , m , times = 0 , len = 0; uint16 startIndex = 0 , endIndex ; endIndex = side + startIndex; side += startIndex; len = side*side; t = ksnew(len , ksfloat); s = ksnew(len , ksfloat); s1 = ksnew(len , ksfloat); q1 = ksnew(len , ksfloat); vector = ksnew(len + side , ksfloat); memset ( vector , 0 , (len+side)*sizeof(ksfloat)); for( i = startIndex ; i endIndex ; i++) { vector[i*side+i] = 1;//将初始Q[i][j]置为单位矩阵 } while(r = eps times maxTimes) { p = q = startIndex; maxEps = 0; for(i = startIndex; i endIndex; i++) { for(j = startIndex; j endIndex; j++) { if( (j != i) fabs(aMatrix[i*side+j]) maxEps) { maxEps = (float)fabs(aMatrix[i*side+j]);//找非对角元素绝对值最大的元 p = i; q = j; } } } r = maxEps;//重置当前误差 a1 = (float)((aMatrix[q*side+q]-aMatrix[p*side+p])/(2*aMatrix[p*side+q])); if(a1 = 0) { t1 = (float)(1/(fabs(a1)+sqrt(1+a1*a1))); } else { t1 = (float