矩阵求逆，乘法和Hadoop中

Question

征计算我需要执行以下三个步骤： - 找到一个正方形的对称矩阵 的逆 - 与其他方对称矩阵乘法结果 - 最后，找到特征向量，特征值得到的矩阵

的Python代码：

S_i = np.linalg.inv(S1) 
S_m = S_i*S2 
evector, evalue = np.linalg.eig(S_m) 

是否有在Hadoop的这些步骤的现有实现的map-reduce框架？

我知道Mahout中的SVD实现，矩阵的逆矩阵可以使用SVD 提供， Hadoop中有一个有效的乘法实现。此外，我找不到Hadoop的任何特征向量计算实现。

任何建议/指针将有所帮助。

Answer 1

为了适应特征向量计算到MapReduce的你可能想看看这个：http://en.wikipedia.org/wiki/Divide-and-conquer_eigenvalue_algorithm

而且，这里how to implement eigenvalue calculation with MapReduce/Hadoop? 细节这个答案

的PageRank通过反复 发现如何解决主要特征向量问题网络的稳态离散流条件。