问题标签 [eigenvalue]

我有一个图拉普拉斯算子，我需要找出最大的“k”特征值和特征向量。我正在使用这样的东西：-

这给了我大致正确的结果，但是出了点问题，我得到的 eig 值略大于 1（比如 1.05）。在我的情况下，特征值的上限为 1。当使用 MATLAB 和其他平台时，我得到了想要的结果。

我在这里做错了什么？有什么方法可以并行计算特征向量和值？（我正在考虑使用 pyCuda。）

在opencv中计算不对称矩阵的特征值和特征向量的任何方法？

我有一个 8 x 8 浮点数矩阵，需要从中计算特征向量和特征值。这是为了使用 PCA（主成分分析）减少特征，如果通过传统方法完成，这是一项非常耗时的工作。我尝试使用幂法，Y = C*X，其中 X 是我的 8 X 8 矩阵。

我知道这是不正确的，但无法弄清楚。我需要帮助来使用幂法或更有效的计算方法。

提前致谢。

我有以下矩阵 sigma 和 sigmad：

西格玛：

西格玛：

如果我尝试在 python 中解决广义特征值问题，我会得到：

五：

如果我尝试在 matlab 中解决 ge 问题，我会得到：

五：

但 d 确实重合。

我将 fortran 77 中的书面代码转换为 Matlab 代码。此函数使用 QL 算法计算矩阵的特征值和特征向量。由于某些原因，我不能在 matlab 中使用 eig 函数的结果。该方法得到的特征值与 eig 函数得到的特征值不完全相同，有的相同，有的不同。我不知道问题出在哪里。感谢您的任何帮助和建议。如果需要运行和查看结果，我可以提供输入数组。

这是fortran代码：

以下是matlab代码：

如何找出对应于特定特征值的特征向量？

我有一个随机矩阵（P），其中一个特征值为 1。我需要找到与特征值 1 对应的特征向量。

scipy 函数scipy.linalg.eig返回特征值和特征向量的数组。

这里 D（值数组）和 V（向量数组）都是向量。

一种方法是在 D 中进行搜索并在 V 中提取相应的特征向量。有没有更简单的方法？

我想将一个双精度数组映射到现有的 MatrixXd 结构。到目前为止，我已经设法将 Eigen 矩阵映射到一个简单的数组，但我找不到返回的方法。

我有一个下三角 MatrixXd，我想将其较低的值复制到上侧，因为它将成为一个对称矩阵。我该怎么做？

到目前为止，我已经完成了：

有最快的方法吗？我正在考虑一些能够将下三角矩阵“复制”到上三角矩阵的内部方法。假设我有这个矩阵，我们称之为m：

我需要获得的m是：

我也知道你可以让矩阵的上部或下部做一些事情：

但是我还没有得到我想要的...

我不确定我在这里做错了什么。

使用特征值方法，我试图确定矩阵是否是奇异的。我试图找出矩阵的特征值之一是否在 0 到 10^-9 之间。如何正确使用 if 语句（如上）来实现我的目标？有没有其他方法可以解决这个问题？

如果我想连接向量中的零特征值怎么办

我可以这样做吗？

我想通过有限差分法解决 PDE 的特征值问题。因此我的问题被简化为矩阵特征值问题。问题是这个矩阵的大小会非常大，如果我使用这个函数eig，它会搜索所有的特征值和特征向量，这在我的情况下是浪费时间。

找到前k个特征值后是否有可能使特征值算法停止？（其中 k 是一个小的正整数）