是否有一种独特而有效的方法找到一个真正的,对称的,非常大的特征值和特征向量,比如说10000x10000,稀疏矩阵Eigen3?对稠密矩阵有一个特征值求解器,但是它不利用矩阵的特性,例如它是对称的。此外,我不想将密度矩阵存储起来。使用特征3稀疏特征值/稀疏
或者(替代方案)是否有更好的(更好的记录)库来做到这一点?
是否有一种独特而有效的方法找到一个真正的,对称的,非常大的特征值和特征向量,比如说10000x10000,稀疏矩阵Eigen3?对稠密矩阵有一个特征值求解器,但是它不利用矩阵的特性,例如它是对称的。此外,我不想将密度矩阵存储起来。使用特征3稀疏特征值/稀疏
或者(替代方案)是否有更好的(更好的记录)库来做到这一点?
对于Eigen,有一个名为Spectra的库。正如其网页上所述,Spectra是使用C++语言重新设计的ARPACK库。
与Armadillo不同,建议在another answer,Spectra支持long double
和任何其他实际浮点类型(例如boost::multiprecision::float128
)。
这里的(相同文件的版本,但适合与不同的浮点类型实验)使用的例子:
#include <Eigen/Core>
#include <SymEigsSolver.h> // Also includes <MatOp/DenseSymMatProd.h>
#include <iostream>
#include <limits>
int main()
{
using Real=long double;
using Matrix=Eigen::Matrix<Real, Eigen::Dynamic, Eigen::Dynamic>;
// We are going to calculate the eigenvalues of M
const auto A = Matrix::Random(10, 10);
const Matrix M = A + A.transpose();
// Construct matrix operation object using the wrapper class DenseGenMatProd
Spectra::DenseSymMatProd<Real> op(M);
// Construct eigen solver object, requesting the largest three eigenvalues
Spectra::SymEigsSolver<Real,
Spectra::LARGEST_ALGE,
Spectra::DenseSymMatProd<Real>> eigs(&op, 3, 6);
// Initialize and compute
eigs.init();
const auto nconv = eigs.compute();
std::cout << nconv << " eigenvalues converged.\n";
// Retrieve results
if(eigs.info() == Spectra::SUCCESSFUL)
{
const auto evalues = eigs.eigenvalues();
std::cout.precision(std::numeric_limits<Real>::digits10);
std::cout << "Eigenvalues found:\n" << evalues << '\n';
}
}
这正是我一直在寻找,此外,它似乎是快速的图书馆。由于这是我的问题的答案,我会将其标记为已接受,但是您是否有使用Eigen进行此类任务的经验? – Philipp
对于这些恐惧的事物,没有使用Eigen的经验。我倾向于使用犰狳几乎专门用于C++中的线性代数。从对文档的快速浏览中,没有看到我会有任何其他方式做你想要的东西,而无需手动编码使用稀疏矩阵的QR分解的东西。 –