資源簡介
輸入參數:系數矩陣A,近似值lamda_initial,初始向量x_initial,誤差限epsilon,最大迭代次數N。輸出接近給定的lamda_initial的矩陣特征值
代碼片段和文件信息
#?-*-?coding:?utf-8?-*-
“““
Created?on?Sat?Oct?17?19:32:04?2020
@author:?Keith
“““
“““
輸入參數:系數矩陣A近似值lamda_initial初始向量x_initial誤差限epsilon最大迭代次數N
“““????
import?numpy?as?np
???
#A=np.array([[2-10][02-1][0-12]])#定義系數矩陣??
A=np.array([[-121][2-41][11-6]])#定義系數矩陣
#lamda_initial=2.93#定義lamda_initial
lamda_initial=(-6.42)#定義lamda_initial
x_initial=np.array([001]).T#定義初始向量
epsilon=0.0001#定義誤差限
N=20#定義最大迭代次數
U=A
i=j=0#定義矩陣的下標
i_x=0#定義U矩陣的游標
L=np.identity(np.size(Uaxis=1))#定義L初始矩陣
I=np.identity(np.size(Uaxis=1))#定義單位矩陣
k=u=1#k和u的初始值都為1
U=A-lamda_initial*I
for?j?in?range(0np.size(U1)):
????for?i?in?range(j+1np.size(U0)):
????????L[ij]=U[ij]/U[jj]
????????for?i_x?in?range(0np.size(U1)):
????????????U[ii_x]=U[ii_x]-L[ij]*U[ji_x]
#U矩陣修正????????????
for?j?in?range(0np.size(U1)-1):
????for?i?in?rang
- 上一篇:python實現的k-means算法
- 下一篇:testbrowse.py
評論
共有 條評論