问题标签 [eigenvector]

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！！

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？

我正在使用 OpenCL 来计算矩阵的特征向量。AMD有一个特征值计算的例子，所以我决定使用逆迭代来获得特征向量。

我遵循此处描述的算法，我注意到为了解决第 4 步，我需要求解一个线性方程组（或计算矩阵的逆）。

使用 OpenCL 在 GPU 上执行此操作的最佳方法是什么？有没有我应该研究的例子/参考资料？

编辑：对不起，我应该提到我的矩阵是对称的三对角线。从我一直在阅读的内容来看，这可能很重要，并且可能会大大简化整个过程

我正在使用 LAPACK 的ssteqr函数来计算特征值/特征向量。ssteqr 的文档说特征值是“按升序”排序的。假设特征向量列表也按升序排序是否合理？

如何使用 MKL 找到 lambda 的值？

我需要使用 PCA 显示第 10 个特征面作为图像特征向量矩阵。

我正在使用下面的 matlab 代码来创建第一个特征脸，但我变得很黑，而且特征脸也不那么正确。eFea 是一个 240x4096 的矩阵，其中每一行代表一个 64x64 的图像

有关代码错误的任何提示都会有所帮助。

我对编程特别是 fortran 非常陌生。我正在使用 Fortran 的 LAPACK（线性代数包）软件包来查找大型对称实矩阵的特征值和特征向量。具体来说，我从每个特征向量计算一个标量，并且我想根据它的相关特征值绘制它。

我正在使用 LAPACK 的子程序 DSYEV 来执行此操作。但是，DSYEV 以升序输出特征值，我不确定它如何对特征向量进行排序。有没有办法将每个特征向量与其特征值相关联？

编辑：DSYEV 的官方页面在这里： http: //www.netlib.org/lapack/double/dsyev.f 这是关于它的另一个页面：http: //www.nag.co.uk/numeric/fl/唠叨...F08/f08faf.xml

我princomp在 R 中使用来执行 PCA。我的数据矩阵很大（10K x 10K，每个值最多 4 个小数点）。在 Xeon 2.27 GHz 处理器上需要约 3.5 小时和约 6.5 GB 的物理内存。

由于我只想要前两个组件，有没有更快的方法来做到这一点？

更新 ：

除了速度之外，有没有一种内存有效的方法来做到这一点？

使用svd(,2,).

我一直在使用 svd 计算来做到这一点

其中我使用 A 的最后一列作为我的零空间近似值。由于 A 变得非常大，我意识到这会减慢我的计算速度。

对于 null(A)，文档似乎表明它无论如何都会执行 SVD。此外，如果 A 是满级，它也不起作用。SVD 通过找到最大的奇异值来进行，然后是下一个，依此类推，而我只需要最小的。

这似乎是一个很大的瓶颈。将非常感谢这方面的帮助。我正在使用 MATLAB。

谢谢。

在 R 中使用princomp()函数时，遇到以下错误："covariance matrix is not non-negative definite"。

我认为，这是由于协方差矩阵中的某些值为零（实际上接近零，但在舍入期间变为零）。

当协方差矩阵包含零时，是否可以继续使用 PCA？

[仅供参考：获取协方差矩阵是princomp()调用中的中间步骤。可以从这里下载重现此错误的数据文件 - http://tinyurl.com/6rtxrc3]