问题标签 [eigenvector]

我在http://www.tacc.utexas.edu/tacc-projects/gotoblas2/下载了 GotoBLAS 库，我想使用syev()函数来计算矩阵的特征向量和特征值。但是我是一个开源库的新手，我不知道如何使用它？谁能帮我？

我有一个 6000*16000 矩阵D 我需要计算由具有最小特征值C的第一个特征向量形成的矩阵（直到现在我才选择正确的）lDl

更快的计算方法是C什么？

我有一个 100x100 的矩阵，我发现它是最大的特征值。现在我需要找到这个特征值对应的特征向量。我怎样才能做到这一点？

我有一个 800x800 奇异（协方差）矩阵，我想找到它的最大特征值和与该特征值对应的特征向量。有人知道R是否可以做到这一点？

如果有人知道 Maxima 中的任何函数来查找 21x21 矩阵的归一化特征向量，我感到很惊讶？

我正在使用函数 dgeev 但我不相信这些特征向量是标准化的。

我很感激任何想法，本

我有一个矩阵 double[800][800] ，我需要找到这个矩阵的最大特征值和相应的特征向量。正如我设法找到的那样，幂迭代方法对我来说是最好的方法，因为我的矩阵接近奇异并且标准函数无法帮助我。有谁知道这种幂迭代方法应用的工作代码？

我试图弄清楚是否有比使用 scipy.sparse.linalg.eigsh 更快的方法来计算一个非常大且稀疏的邻接矩阵的所有特征值和特征向量据我所知，这种方法仅使用稀疏性和矩阵的对称属性。邻接矩阵也是二进制的，这让我觉得有一种更快的方法来做到这一点。

我创建了一个随机的 1000x1000 稀疏邻接矩阵，并在我的 x230 ubuntu 13.04 笔记本电脑上比较了几种方法：

• scipy.sparse.linalg.eigs：0.65 秒
• scipy.sparse.linalg.eigsh：0.44 秒
• scipy.linalg.eig：6.09 秒
• scipy.linalg.eigh：1.60 秒

使用稀疏的 eigs 和 eigsh，我将所需的特征值和特征向量的数量 k 设置为矩阵的秩。

问题从更大的矩阵开始——在 9000x9000 矩阵上，scipy.sparse.linalg.eigsh 花了 45 分钟！

作为更大问题（图像上的光谱聚类）的一部分，我必须计算与矩阵的最大特征值相对应的特征向量。该矩阵非常大（250000 行/列），对称且每行有约 100 个条目。

实际上，我什至不需要真正的特征向量，但（相对）粗略的近似就足够了，这就是为什么我怀疑迭代求解器最合适的原因。

似乎 ARPACK 将是首选武器，但必须从 fortran 代码编译它，然后在其周围包装一个 c++ 接口似乎有点令人讨厌。有没有其他选择（最好是完全用 c++ 编码）？

目前使用 OpenCV 和 Eigen3，我什至在考虑实现我自己的幂迭代方法，但不知何故，我认为应该有一个库，它比以往任何时候都更有效和稳定......

我在最大值中找到具有函数 dgeev 的特征向量，并将它们与我从同一个矩阵中找到但使用mathematica 的特征向量进行比较。

在最大值的奇数列右特征向量与数学相同，但不是偶数。偶数列左特征向量在数学中是相同的，但不是奇数。如果我要采用奇数列右特征向量和偶数列特征向量，我会得到mathematica 打印出来的内容。

我不完全理解这里发生了什么，有人有解释吗？

谢谢，本

我正在使用 Hadoop/Mahout 分解将成为一个非常大的稀疏矩阵。问题是，我什至无法用 200 个非零值和尺寸 56000 x 56000 在一秒钟内用 Python 解决它。我有一个令人毛骨悚然的怀疑，即计算在某些时候变得密集！

我目前正在使用单节点/核心。这相关吗？所有操作都从 Java 文件运行，而不是从命令行运行。我得到的例外是老歌但好人：

Java 结果：1

自然，由于 Exceptions 引用了 DenseMatrix，我很担心。如果它以某种方式使用覆盖的方法，我可以不在乎，但如果正在写入实际的零，那就不好了。另外，我的程序运行得很慢。

编码：

如果实际上不是，有关如何使其真正稀疏的任何想法？