Java之矩阵求特征值

这篇具有很好参考价值的文章主要介绍了Java之矩阵求特征值。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

}

for(j=0;j<=n;j++)

{

Matrix[j][k]+=temp*Matrix[j][i];

}

}

}

}

for(i=0;i<=n;i++)

{

for(j=0;j<=n;j++)

{

ret[i][j]=Matrix[i][j];

}

}

return n+1;

}

public static boolean EigenValue(double[][]Matrix,int n,int LoopNu,int Erro,double[][]Ret)

{

int i=Matrix.length;

if(i!=n)

{

return false;

}

int j;

int k;

int t;

int m;

double[][]A=new double[n][n];

double erro=Math.pow(0.1, Erro);

double b;

double c;

double d;

double g;

double xy;

double p;

double q;

double r;

double x;

double s;

double e;

double f;

double z;

double y;

int loop1=LoopNu;

Hessenberg(Matrix,n,A);//将方阵K1转化成上Hessenberg矩阵A

m=n;

while(m!=0)

{

t=m-1;

while(t>0)

{

if(Math.abs(A[t][t-1])>erro*(Math.abs(A[t-1][t-1])+Math.abs(A[t][t])))

{

t-=1;

}

else

{

break;

}

}

if(t==m-1)

{

Ret[m-1][0]=A[m-1][m-1];

Ret[m-1][1]=0;

m-=1;

loop1=LoopNu;

}

else if(t==m-2)

{

b=-(A[m-1][m-1]+A[m-2][m-2]);

c=A[m-1][m-1]*A[m-2][m-2]-A[m-1][m-2]*A[m-2][m-1];

d=bb-4c;

y=Math.pow(Math.abs(d), 0.5);

if(d>0)

{

xy=1;

if(b<0)

{

xy=-1;

}

Ret[m-1][0]=-(b+xy*y)/2;

Ret[m-1][1]=0;

Ret[m-2][0]=c/Ret[m-1][0];

Ret[m-2][1]=0;

}

else

{

Ret[m-1][0]=-b/2;

Ret[m-2][0]=Ret[m-1][0];

Ret[m-1][1]=y/2;

Ret[m-2][1]=-Ret[m-1][1];

}

m-=2;

loop1=LoopNu;

}

else

{

if(loop1<1)

{

return false;

}

loop1-=1;

j=t+2;

while(j<m)

{

A[j][j-2]=0;

j+=1;

}

j=t+3;

while(j<m)

{

A[j][j-3]=0;

j+=1;

}

k=t;

while(k<m-1)

{

if(k!=t)

{

p=A[k][k-1];

q=A[k+1][k-1];

if(k!=m-2)

{

r=A[k+2][k-1];

}

else

{

r=0;

}

}

else

{

b=A[m-1][m-1];

c=A[m-2][m-2];

x=b+c;

y=c*b-A[m-2][m-1]*A[m-1][m-2];

p=A[t][t]*(A[t][t]-x)+A[t][t+1]*A[t+1][t]+y;

q=A[t+1][t]*(A[t][t]+A[t+1][t+1]-x);

r=A[t+1][t]*A[t+2][t+1];

}

if(p!=0||q!=0||r!=0)

{

if(p<0)

{

xy=-1;

}

else

{

xy=1;

}

s=xyMath.pow(pp+qq+rr, 0.5);

if(k!=t)

{

A[k][k-1]=-s;

}

e=-q/s;

f=-r/s;

x=-p/s;

y=-x-f*r/(p+s);

g=e*r/(p+s);

z=-x-e*q/(p+s);

for(j=k;j<=m-1;j++)

{

b=A[k][j];

c=A[k+1][j];

p=xb+ec;

q=eb+yc;

r=fb+gc;

if(k!=m-2)

{

b=A[k+2][j];

p+=f*b;

q+=g*b;

r+=z*b;

A[k+2][j]=r;

}

A[k+1][j]=q;

A[k][j]=p;

}

j=k+3;

if(j>=m-1)

{

j=m-1;

}

for(i=t;i<=j;i++)

{

b=A[i][k];

c=A[i][k+1];

p=xb+ec;

q=eb+yc;

r=fb+gc;

if(k!=m-2)

{

b=A[i][k+2];

p+=f*b;

q+=g*b;

r+=z*b;

A[i][k+2]=r;

}

A[i][k+1]=q;

A[i][k]=p;

}

}

k+=1;

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。Java之矩阵求特征值,程序员,java,矩阵,开发语言

Java之矩阵求特征值,程序员,java,矩阵,开发语言

Java之矩阵求特征值,程序员,java,矩阵,开发语言

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!

如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)

Java之矩阵求特征值,程序员,java,矩阵,开发语言

总结

谈到面试,其实说白了就是刷题刷题刷题,天天作死的刷。。。。。

为了准备这个“金三银四”的春招,狂刷一个月的题,狂补超多的漏洞知识,像这次美团面试问的算法、数据库、Redis、设计模式等这些题目都是我刷到过的

并且我也将自己刷的题全部整理成了PDF或者Word文档(含详细答案解析)

Java之矩阵求特征值,程序员,java,矩阵,开发语言

66个Java面试知识点

架构专题(MySQL,Java,Redis,线程,并发,设计模式,Nginx,Linux,框架,微服务等)+大厂面试题详解(百度,阿里,腾讯,华为,迅雷,网易,中兴,北京中软等)

Java之矩阵求特征值,程序员,java,矩阵,开发语言

算法刷题(PDF)

Java之矩阵求特征值,程序员,java,矩阵,开发语言

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
数据库、Redis、设计模式等这些题目都是我刷到过的

并且我也将自己刷的题全部整理成了PDF或者Word文档(含详细答案解析)

[外链图片转存中…(img-r1EIaToz-1713128952561)]

66个Java面试知识点

架构专题(MySQL,Java,Redis,线程,并发,设计模式,Nginx,Linux,框架,微服务等)+大厂面试题详解(百度,阿里,腾讯,华为,迅雷,网易,中兴,北京中软等)

[外链图片转存中…(img-i1kXr7ew-1713128952561)]

算法刷题(PDF)

[外链图片转存中…(img-egTbWS8O-1713128952561)]

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!文章来源地址https://www.toymoban.com/news/detail-860134.html

到了这里,关于Java之矩阵求特征值的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 5.1 矩阵的特征值和特征向量

    学习特征值和特征向量的定义和性质,我会采取以下方法: 1. 学习线性代数基础知识:特征值和特征向量是线性代数中的重要概念,需要先掌握线性代数的基础知识,例如向量、矩阵、行列式、逆矩阵、转置、内积、外积等基本概念。 2. 学习特征值和特征向量的定义:特征

    2024年02月02日
    浏览(49)
  • MATLAB矩阵的特征值与特征向量

    设A是n阶方阵,如果存在常数λ和n维非零列向量x,使得等式Ax = λx 成立,则称λ为A的特征值,x是对应特征值λ的特征向量。 在MATLAB中,计算矩阵的特征值与特征向量的函数是eig,常用的调用格式有两种: E = eig(A):求矩阵A的全部特征向量值,构成向量E。 [X,D] = eig(A):

    2024年02月11日
    浏览(41)
  • 矩阵分析:特征值分解

    伸缩 一个矩阵其实就是一个线性变换,因为一个矩阵乘以一个向量后得到的向量,其实就相当于将这个向量进行了线性变换。比如说下面的一个矩阵: 因为这个矩阵M乘以一个向量(x,y)的结果是: 旋转 除了伸缩变换,也可以进行旋转变换。 上面的矩阵是对称的,所以这个变

    2023年04月24日
    浏览(43)
  • 特征值与相似矩阵

    应用:求幂,对角化,二次型,动力系统等等 通俗 ​ 向量α在矩阵A的线性变换作用下,保持方向不变,进行比例为λ的伸缩。 官方(注意是方阵) 特征方程 ​ (λE-A)α = 0 (α!=0)特征向量不能为0,但是 特征值可以为0或虚数 。方程中λ的次数应与A的 阶数相同 ,否则不是

    2024年02月06日
    浏览(50)
  • 线性代数中矩阵的特征值与特征向量

    作者:禅与计算机程序设计艺术 在线性代数中,如果一个$ntimes n$的方阵$A$满足如下两个条件之一: $A$存在实数特征值,即$exists xneq 0:Ax=kx$,其中$kin mathbb{R}$; $lambda_{max}(A)neq 0$($lambda_{max}(A)$表示$A$的最大特征值),且$||x_{lambda_{max}(A)}||=sqrt{frac{lambda_{max}(A)}{lambda_{

    2024年02月08日
    浏览(52)
  • 线性代数(五) | 矩阵对角化 特征值 特征向量

    矩阵实际上是一种变换,是一种旋转伸缩变换(方阵) 不是方阵的话还有可能是一种升维和降维的变换 直观理解可以看系列超赞视频线性代数-哔哩哔哩_Bilibili 比如A= ( 1 2 2 1 ) begin{pmatrix}12\\\\21end{pmatrix} ( 1 2 ​ 2 1 ​ ) x= ( 1 2 ) begin{pmatrix}1\\\\2end{pmatrix} ( 1 2 ​ ) 我们给x左乘A实际

    2024年02月04日
    浏览(64)
  • 从浅到深研究矩阵的特征值、特征向量

    本篇特征值、特征向量笔记来源于MIT线性代数课程。 对于方阵而言,现在要找一些特殊的数字,即特征值,和特殊的向量,即特征向量。 给定矩阵A,矩阵A作用在向量上,得到向量Ax(A的作用,作用在一个向量上,这其实就类似于函数,输入向量x,得到向量Ax) 在这些向量

    2024年02月12日
    浏览(47)
  • 【证明】矩阵不同特征值对应的特征向量线性无关

    定理 1 设 λ 1 , λ 2 , ⋯   , λ m lambda_1,lambda_2,cdots,lambda_m λ 1 ​ , λ 2 ​ , ⋯ , λ m ​ 是方阵 A boldsymbol{A} A 的 m m m 个特征值, p 1 , p 2 , ⋯   , p m boldsymbol{p}_1,boldsymbol{p}_2,cdots,boldsymbol{p}_m p 1 ​ , p 2 ​ , ⋯ , p m ​ 依次是与之对应的特征向量,如果 λ 1 , λ 2 , ⋯   , λ

    2024年02月09日
    浏览(46)
  • 线性代数(8):特征值、特征向量和相似矩阵

            有矩阵 A 为 n 阶矩阵,Ax = λx ( λ 为一个实数,x为 n 维非零列向量 ),则称 λ 为方阵 A 的特征值, x 为特征向量; 1.2.1 公式         求特征值:使 | A - λE | = 0,其解的 λ 值即为矩阵 A 的特征值;         求特征向量: 使 ( A - λE )x = 0,设 x 为与 A 具有

    2024年02月11日
    浏览(50)
  • 【证明】对称矩阵的特征值为实数

    性质 1 对称矩阵的特征值为实数。 证明 设复数矩阵 X = ( x i j ) boldsymbol{X} = (x_{ij}) X = ( x ij ​ ) , x ‾ i j overline{x}_{ij} x ij ​ 为 x i j x_{ij} x ij ​ 的共轭复数,记 X ‾ = ( x ‾ i j ) overline{boldsymbol{X}} = (overline{x}_{ij}) X = ( x ij ​ ) ,即 X ‾ overline{boldsymbol{X}} X 是由 X boldsym

    2024年02月04日
    浏览(77)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包