问题标签 [eigenvalue]

这是可能的，因为 PageRank 是特征值的一种形式，这就是引入 MapReduce 的原因。但在实际实现中似乎存在问题，比如每台从机都必须维护一份矩阵的副本？

计算矩阵的特征值有多昂贵？

最佳算法的复杂度是多少？

如果我有一个 1000 x 1000 的矩阵，实际需要多长时间？我认为如果矩阵稀疏会有帮助吗？

是否存在特征值计算不会终止的情况？

在R中，我可以计算特征值，如下面的玩具示例所示：

有谁知道它使用什么算法？

是否有任何其他（开源）包可以计算特征值？

我想在 PHP 中实现奇异值分解（SVD）。我知道有几个外部库可以为我做到这一点。但是我有两个关于 PHP 的问题：1) 你认为用 PHP 编写 SVD 是可能和/或合理的吗？2) 如果 (1) 是肯定的：你能帮我用 PHP 编码吗？

我已经自己编写了 SVD 的某些部分。这是我对操作过程进行评论的代码。此代码的某些部分并不完全正确。

如果你能帮助我，那就太好了。非常感谢您！

有谁知道英特尔数学核心库中用于特征值和特征向量计算的算法是什么？从链接中我可以发现，它似乎使用了 pdsyev 算法，它使用 QR 算法，在面对大矩阵​​时会恶化。

如果这是真的，那么 mkl 就不是一个适合计算大规模特征值问题的库。

你怎么看？还是我误解了上面的文字？

我有一个未排序的特征值向量和一个相关的特征向量矩阵。我想根据已排序的特征值集对矩阵的列进行排序。（例如，如果特征值 [3] 移动到特征值 [2]，我希望特征向量矩阵的第 3 列移动到第 2 列。）

我知道我可以在O(N log N)via中对特征值进行排序std::sort。在不滚动我自己的排序算法的情况下，我如何确保矩阵的列（相关的特征向量）跟随它们的特征值，因为后者是排序的？

我想计算一个扩散核，其中涉及到 exp(b*A)，其中 A 是一个大矩阵。为了使用 b 的值，我想将 A 对角化（以便 exp(A) 快速运行）。

我的矩阵大约是 25k x 25k，但是非常稀疏——只有大约 60k 的值是非零的。Matlab 的“eigs”函数耗尽内存，octave 的“eig”和 R 的“eigen”也是如此。是否有工具可以找到大型稀疏矩阵的分解？

不知道这是否相关，但 A 是邻接矩阵，所以它是对称的，并且是满秩的。

我需要计算（稀疏）矩阵的最大特征值。我实现了幂次迭代的方法，但是收敛速度太慢，所以我想用一个包来实现它。有人有推荐吗？

什么是最好的 C++ 特征值计算包？最好是小型且易于编译的。

我试图找到矩阵的特征值乘以其转置，但我无法使用 numpy.

我希望得到产品的以下结果：

和特征值：

相反，我ValueError: shape mismatch: objects cannot be broadcast to a single shape在乘以testmatrix它的转置时得到了。

这在 MatLab 中有效（乘法，而不是代码），但我需要在 python 应用程序中使用它。

有人可以告诉我我做错了什么吗？

您推荐使用哪个 java 包来计算特征向量/特征值？我知道JMathTools和JAMA；你对这些包有一些优点/缺点吗？其他建议？

我正在尝试在 C 代码中找到一个程序，该程序将允许我计算方阵的特征值（谱）分解。我特别想找到最高特征值（以及因此它的相关特征值）位于第一列中的代码。

我需要按此顺序输出的原因是因为我正在尝试计算特征向量中心性，因此我只需要计算与最高特征值相关的特征向量。提前致谢！