第五章-矩阵的特征值与特征向量的计算.doc

第五章矩阵的特征值与特征向量的计算

第五章矩阵的特征值与特征向量的计算

5.2幂法及其MATLAB程序

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;[mj]=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(Wcjd)

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已经到达最大迭代次数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;

例用幂法计算以下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中的结果进行比拟.

(1)；(2)；(3)；〔4〕.

解〔1〕输入MATLAB程序

A=[1-1;24];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=

Vk=V=wuV=

Dzd=wuD=

31.738368038406435e-006

由输出结果可看出，迭代33次，相邻两次迭代的误差Wc8.6919e-007，矩阵的主特征值的近似值lambda3.00000和对应的特征向量的近似向量Vk〔-0.50000，1.00000,lambda与例中的最大特征值近似相等，绝对误差约为1.73837e-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计算的结果到达预先给定的精度.

(2)输入MATLAB程序

B=[123;213;336];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=

39090

Vk=wuV=

V=

(3)输入MATLAB程序

C=[122;1-11;4-121];V0=[1,1,1];

[k,lambda,Vk,Wc]=mifa(C,V0,0.00001,100),[V,D]=eig(C),

Dzd=max(diag(D)),wuD=abs(Dzd-lambda),

Vzd=V(:,1),wuV=V(:,1)./Vk,

运行后屏幕显示

请注意：迭代次数k已经到达最大迭代次数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：

k=lambda=Wc=

1000.