Go 言語で固有値・固有ベクトルを求める (反復法)
の正方行列 と
次元のベクトル について
(ただし ) が成り立つとき
を固有値, を固有ベクトルという.
最初に適当なベクトル から始めて を反復すると
は行列 の最大固有値に対応する固有ベクトルに収束する.
固有値はレイリー(Rayleigh)商
により求める.
べき乗法、累乗法とも言う.
package main import "fmt" import "math" const N = 4 // ベキ乗法で最大固有値を求める func main() { var a [N][N]float64 = [N][N]float64{{5.0, 4.0, 1.0, 1.0}, {4.0, 5.0, 1.0, 1.0}, {1.0, 1.0, 4.0, 2.0}, {1.0, 1.0, 2.0, 4.0}} var x = []float64 {1.0 ,0.0 ,0.0 ,0.0} // ベキ乗法 var lambda float64 = power(a, x) fmt.Println("\neigenvalue") fmt.Printf("%14.10f\n", lambda) fmt.Println("eigenvector") disp_vector(x) } // ベキ乗法 func power(a[N][N]float64, x0[]float64) float64 { var lambda float64 = 0.0 // 正規化 (ベクトル x0 の長さを1にする) normarize(x0) var e0 float64 = 0.0 for i := 0; i < N; i++ { e0 += x0[i] } for k := 1; k < 200; k++ { // 1次元配列を表示 fmt.Printf("%3d\t", k) disp_vector(x0) // 行列の積 x1 = A × x0 var x1 = []float64 {0.0 ,0.0 ,0.0 ,0.0} for i := 0; i < N; i++ { for j := 0; j < N; j++ { x1[i] += a[i][j] * x0[j] } } // 内積 var p0 float64 = 0.0 var p1 float64 = 0.0 for i := 0; i < N; i++ { p0 += x1[i] * x1[i] p1 += x1[i] * x0[i] } // 固有値 lambda = p0 / p1 // 正規化 (ベクトル x1 の長さを1にする) normarize(x1) var e1 float64 = 0.0 // 収束判定 for i := 0; i < N; i++ { e1 += x1[i] } if (math.Fabs(e0 - e1) < 0.00000000001) { break } for i := 0; i < N; i++ { x0[i] = x1[i] } e0 = e1 } return lambda } // 1次元配列を表示 func disp_vector(row[]float64) { for _, col := range row { fmt.Printf("%14.10f\t", col) } fmt.Println("") } // 正規化 (ベクトルの長さを1にする) func normarize(x[]float64) { var s float64 = 0.0 for i := 0; i < N; i++ { s += x[i] * x[i] } s = math.Sqrt(s) for i := 0; i < N; i++ { x[i] /= s } }
z:\go>8g GO1101.go z:\go>8l -o GO1101.exe GO1101.8 z:\go>GO1101 1 1.0000000000 0.0000000000 0.0000000000 0.0000000000 2 0.7624928517 0.6099942813 0.1524985703 0.1524985703 3 0.6745979924 0.6589096670 0.2353248811 0.2353248811 4 0.6517382447 0.6501601860 0.2761602732 0.2761602732 5 0.6421032522 0.6419452154 0.2963188771 0.2963188771 6 0.6373267026 0.6373108932 0.3063082594 0.3063082594 7 0.6349074765 0.6349058954 0.3112772079 0.3112772079 8 0.6336860412 0.6336858831 0.3137548428 0.3137548428 9 0.6330719648 0.6330719490 0.3149919005 0.3149919005 10 0.6327640473 0.6327640457 0.3156099832 0.3156099832 11 0.6326098648 0.6326098646 0.3159189122 0.3159189122 12 0.6325327172 0.6325327172 0.3160733485 0.3160733485 13 0.6324941293 0.6324941293 0.3161505596 0.3161505596 14 0.6324748319 0.6324748319 0.3161891634 0.3161891634 15 0.6324651822 0.6324651822 0.3162084649 0.3162084649 16 0.6324603572 0.6324603572 0.3162181155 0.3162181155 17 0.6324579446 0.6324579446 0.3162229408 0.3162229408 18 0.6324567383 0.6324567383 0.3162253534 0.3162253534 19 0.6324561352 0.6324561352 0.3162265597 0.3162265597 20 0.6324558336 0.6324558336 0.3162271629 0.3162271629 21 0.6324556828 0.6324556828 0.3162274644 0.3162274644 22 0.6324556074 0.6324556074 0.3162276152 0.3162276152 23 0.6324555697 0.6324555697 0.3162276906 0.3162276906 24 0.6324555509 0.6324555509 0.3162277283 0.3162277283 25 0.6324555415 0.6324555415 0.3162277472 0.3162277472 26 0.6324555367 0.6324555367 0.3162277566 0.3162277566 27 0.6324555344 0.6324555344 0.3162277613 0.3162277613 28 0.6324555332 0.6324555332 0.3162277637 0.3162277637 29 0.6324555326 0.6324555326 0.3162277648 0.3162277648 30 0.6324555323 0.6324555323 0.3162277654 0.3162277654 31 0.6324555322 0.6324555322 0.3162277657 0.3162277657 32 0.6324555321 0.6324555321 0.3162277659 0.3162277659 33 0.6324555321 0.6324555321 0.3162277659 0.3162277659 34 0.6324555321 0.6324555321 0.3162277660 0.3162277660 35 0.6324555320 0.6324555320 0.3162277660 0.3162277660 eigenvalue 10.0000000000 eigenvector 0.6324555320 0.6324555320 0.3162277660 0.3162277660