问题标签 [eigenvalue]

我正在使用人脸识别。我需要从矩阵计算特征向量和特征值。我正在使用 C sharp 。是否有任何用于特征向量和特征值计算的库。我认为 Emgu CV 对特征向量和特征值计算没有功能。我是新人所以不太了解。我需要一个用于 C Sharp 的特征向量和特征值计算的库。请帮我。

我正在编写使用已编译 C 代码的 R 代码。

从“编写 R 扩展”文档中，我了解到可以从 C 代码调用许多 R 可执行文件/DLL。头文件“Rmath.h”列出了许多可用的函数，其源代码列在此网站上：http ://svn.r-project.org/R/trunk/src/nmath/

我需要计算许多矩阵的奇异值分解，但是我在上述网站上找不到执行此操作的子程序。（所以我假设 Rmath.h 不包含 SVD 子例程）有没有简单的方法在 C-within-R 代码中进行特征值计算？

非常感谢你。

我想使用 Lanczos 算法编写一个简单的程序（用 C 语言）。我遇到了一个 Matlab 示例，它帮助我进一步理解了算法，但是从这段代码中我找不到获取特征值和特征向量的方法。我可以遵循算法，但我认为我一定遗漏了一些东西。有人可以指导从这个示例中获取特征值，以便我可以理解该方法然后用 C 进行编码吗？

我有一个对称矩阵（无向图的邻接矩阵），我有一个特定的特征值（最大特征值），我想要与之关联的特征向量（左或右，任一个，因为我相信左只是转置对称矩阵的权利）。

我正在运行的图可以从数千个到数十万个节点，因此相应的邻接矩阵会很大。然而，密度是稀疏的，因此相应的矩阵也将是稀疏的。

在 SciPy 中有没有一种有效的方法来做到这一点？更好的是，有没有一种方法可以只计算给定对称矩阵的前导特征值和相应的特征向量（这意味着我不必自己显式地计算前导特征值linalg.eigvals）。

不确定这是包中的错误还是由于其他原因，但我们开始了。

我正在使用以下包在相似度分数的对称矩阵（大小为 10x10）上找到最大的特征值及其对应的特征向量：

，像这样：

现在我的问题是，当我多次运行它时（使用相同的矩阵、设置等），有时特征向量中的值是正的，有时是负的（参见运行 3）。

有谁知道这可能是为什么，或者它是一个错误？它似乎没有模式，但它只发生在我运行代码而不在每次迭代后关闭 Python 时（即每次运行后按 F5）。

这不是一个大问题，但我不喜欢我的代码中的不确定性 ;-)

提前谢谢了，

马丁

我发现 scipy.linalg.eig 有时会给出不一致的结果。但不是每次。

虽然我不是最伟大的线性代数向导，但我确实理解特征分解本质上会受到奇怪的舍入误差的影响，但我不明白为什么重复计算会导致不同的值。但我的结果和可重复性各不相同。

问题的本质是什么——嗯，有时结果是可以接受的不同，有时不是。这里有些例子：

~3e-13 的上述差异似乎并不是什么大问题。相反，真正的问题（至少对于我目前的项目而言）是一些特征值似乎无法就正确的符号达成一致。

MATLAB中的类似代码似乎没有这个问题。

版：我的问题是我试图S从方程 8中找到矩阵，但这个方程有错误。

如何直接获得 R 中矩阵的右特征向量？'eigen()' 只给出左特征向量

真的是上一版，我在这里搞得一团糟，但这个问题对我来说真的很重要：

eigen()提供了一些特征向量矩阵，来自函数帮助：

" 如果 'r <- eigen(A)' 和 'V <- r$vectors; lam <- r$values'，那么

（直到数值模糊），其中Lmbd =diag(lam)“

也就是说A V = V Lmbd，其中 V 是矩阵现在我们检查它：

我想找到右特征向量矩阵R，
定义左特征向量矩阵的方程L是：

定义右特征向量矩阵的方程R是：

并且 eigen() 仅提供矩阵V：

我想获得矩阵R和可能是负定LambdaM的实矩阵。A

有了prcomp()函数，我已经解释了估计的百分比方差

的第二列summary(pca)显示所有 PC 的这些值：

现在我想找出每台 PC 的特征值是什么：

但这些值似乎只是 PVE 本身的另一种表示。那么我在这里做错了什么？

我有一个m × n × n numpy.ndarray的m个同时可对角化的方阵，并想用它numpy来获得它们的同时特征值。

例如，如果我有

中的两个矩阵M同时可对角化，我正在寻找一种获取数组的方法

（直到行的排列）从M. 有没有内置的或简单的方法来获得这个？

MATLAB 的place函数非常方便地确定一个矩阵，该矩阵为您提供所需的系统特征值。

我正在尝试在 Python 中实现它，但numpy.place似乎不是一个类似的函数，而且我一生都无法在 numpy 或 scipy 文档中找到更好的东西。