问题标签 [eigenvalue]

我想使用 Python 2.6.5 计算大型矩阵（约 1000x1000）的特征值。我一直没能这么快。我还没有找到任何其他线程来解决这个问题。

当我跑

在 MATLAB 中大约需要 30 秒。Python 中的类似测试需要 216 秒。使用 RPy 通过 R 运行它并没有明显加快计算速度。Octave 的测试耗时 93 秒。我对速度的差异感到有些困惑。

我能在网上找到的唯一一个像这样的问题的例子是this，它已经有几年的历史了。该问题中的海报具有不同的 Python 目录结构（我将其归因于帖子的年龄，尽管我可能会弄错），所以我没有足够的信心尝试按照通讯员发布的说明进行操作。

我的包管理器说我安装了 LAPACK，并且我正在使用 NumPy 和 SciPy 进行 Python 计算：

我对 Python 很陌生，所以我可能做了一些愚蠢的事情。如果我需要提供更多信息，请告诉我。

基本上我试图找到矩阵的特征值，大约需要 12 个小时。当它完成时，它说它找不到所有的特征向量（实际上几乎没有），我对它确实找到的那些持怀疑态度。我真正能做的就是发布我的代码，我希望有人可以给我一些建议。我对mathematica 不是很有经验，也许运行时间慢和结果不好与我有关，而不是mathematica 的能力。感谢任何回复的人，我真的很感激。

我的代码还有一些，但这是它真正变慢的地方。我绝对应该提到的是，如果我将 m1 和 m2 都设置为零，我真的没有任何问题，但是将 m1 设置为常数会使一切都陷入困境。

我有 N 个列向量形式的特征值。这样就有N个特征向量对应这些特征值，形成一个特征向量矩阵。

现在，我正在处理的问题要求我按降序对特征值列向量进行排序。如何以与其特征值相同的顺序对特征向量矩阵进行排序以保持对应关系？

我正在尝试计算不同大小矩阵的特征值和特征向量。我正在使用一段非常简单的 Fortran90 代码，我正在编译它并链接到英特尔 MKL 包中包含的适当 Lapack 库，该库在我的机器中可用，它在 Ubuntu 中运行。代码“matrix_diag_01.f90”附在消息的末尾。“random”模块只包含来自 Numerical Recipes 的“ran”随机数生成器。代码使用编译良好

当给出较小的矩阵时，可执行文件可以很好地工作。但是，对于大小为 3000x3000 的矩阵，它会产生一些奇怪的行为。首先它给出了这个错误

但是，对 SSYEVD 的调用中只有 3 个参数。其次，它返回特征向量但不返回特征值。我已经通过在另一台内存更大的机器上编译来检查，但结果是一样的。

有人可以帮忙吗？

谢谢！

我正在对方阵 A 进行降维。我现在的问题是我在计算 13000 x 13000 矩阵 A 的 eigvalue 分解时遇到问题，即[v d]=eigs(A). 因为它是一个稀疏矩阵，所以我使用 4GB RAM 时出现“内存不足错误”。我确信这不是我的 PC 的问题，因为eigs运行命令时内存没有用完。我在网上看到的帮助与 ARPACK 有关。我查看了推荐的站点，但是那里有很多文件，不知道该下载哪个。另外，我不明白如何在 MATLAB 中使用它。另一个帮助说使用数值方法，但我不知道使用哪个具体的方法。欢迎任何解决方案。

请问我可以翻译这些错误以及如何更正吗？

目前我正在使用 numpy 来完成这项工作。但是，由于我正在处理具有数千行/列的矩阵，后来这个数字将上升到数万，我想知道是否存在可以更快地执行这种计算的包？

我正在尝试将广义特征值问题转换为正常的特征值计算。

我有这个代码：

[V,D,flag] = eigs(A, T);

现在我将其转换为：

我不应该得到相同的结果吗？根据我在 Matlab 文档中的理解，第一个方程求解：

第二个解决了：

我错过了什么吗？

谢谢！！

你知道我可以用来解决 C# 中的特征系统的好库/方法吗？

我的数据是 2D/3D，我想获得第一个和第二个特征向量的方向和长度，以评估我的数据在 2D 空间中是如何被拉长的。

谢谢

我有一个对称矩阵，其中包含我在 MATLAB 中A=[8.8191,0,1.0261; 0,3,0; 1.0261,0,3.1809]; 使用该函数的元素，给出了特征值和特征向量：eig(A)

特征值是正确的，但特征向量不是我所期望的，因为我认为其中 2 个应该相等。MATLAB 是否正确计算特征向量？

我正在尝试编写一些代码，让我可以简单地从 6 个生成的特征值生成球体的体积。

所以我有数据：

并想转换成卷。我假设所有值都具有相同的权重。这在R中可能吗？

谢谢