eigenvalue

    0热度

    1回答

    我正在写一些Java软件,它需要计算正定对称稀疏矩阵的特征值和特征向量。我不需要所有的特征值,但我主要对小特征感兴趣。问题是: 1)为了进行测试,我的代码需要在笔记本电脑(四核运行,4个音乐会的RAM) 2)测试数据包括大矩阵 - 通常在10000 10000 这两个约束意味着大多数通常的Java矩阵包不适合我目前的需求 - 我甚至无法在内存中存储密集的10000×10000矩阵,更不用说计算它们

    6热度

    1回答

    当使用Python 2.7.5与OpenCV的(OSX),我的图像序列运行PCA(COLS是像素,行是帧按this answer。 如何获得相应的特征值该特征向量?看起来像它在C++中PCA对象的属性,但是Python的等价PCACompute()是一个简单的函数。 觉得奇怪,省略PCA的这样一个重要组成部分。

    6热度

    2回答

    在MATLAB我可以发出命令: [X,L] = eig(A,'nobalance'); 为了计算特征值无balance option。 NumPy中的等效命令是什么?当我运行eig的NumPy版本时,它不会产生与打开nobalance时的MATLAB结果相同的结果。

    0热度

    1回答

    我正在处理大型稀疏矩阵和小型稀疏矩阵。 现在,eig命令不适用于稀疏矩阵(使用sprand时),所以我必须使用eigs。 但我有一个脚本,需要使用两个取决于我使用的矩阵。我可以有两个相同的脚本,一个与eig其他eigs(和5,6 < => N-1,N),但我想知道如何解决这个问题。 这是我的脚本的开始。 f=eigs(A); % was eig figure(1) semilogy(res)

    1热度

    1回答

    我有一个相关矩阵: cor.table <- matrix(sample(c(0.9,-0.9) , 2500 , prob = c(0.8 , 0.2) , repl = TRUE) , 50 , 50) diag(cor.table) <- 1 我尝试做特征值分解: library(psych) fit<-principal(cor.table, nfactors=50,rotate=

    0热度

    1回答

    我有一个2x2矩阵的[ 1 2; k 3]内, 和k是[0,5]之间的整数。 我想绘制这个矩阵的特征值作为k在[0,5]范围内的函数。 我该怎么做?

    1热度

    1回答

    我要编程PCA,但为此,我必须计算特征向量和特征值。 我的问题是在计算特征值时,我们必须计算所有矩阵的行列式(对角线值 - 拉姆达)。 在这种情况下,我们可以考虑lamda的数量取决于矩阵维数。 我可以在lamda减去对角线之前为matriks手动编程。 但是对于lamda减法后的对角线,如何计算?因为,最终我们必须进行因式分解以获得lamda(x1,x2,...,xn)。 这里是例子: Mat

    3热度

    1回答

    这是以下形式的线性常微分方程的N维系统的自学: dx/dt=Ax 其中A是该系统的系数矩阵。 我知道你可以通过确定A的所有特征值的实部是否定的来检查稳定性。如果存在任何纯粹虚构的特征值A,则可以检查振荡。如果存在任何纯粹虚构的特征值A,则我在阅读的书中的作者引入了用于检测系统的稳定性和振荡的Routh-Hurwitz准则。这似乎是比计算特征值更有效的计算捷径。 如果您现在可以快速找到特征值,那

    0热度

    2回答

    这是一个诡计我试图想出一个并行特征值分解算法,但非我所尝试的算法可以击败matlab的eig算法,所以有谁知道matlab使用哪种算法为eig函数? 或任何人都可以建议我一个很好的并行算法的特征值分解?

    1热度

    2回答

    我很难确定马尔可夫模型的平稳分布。我开始明白理论和连接: 给定一个随机矩阵,以dermine平稳分布,我们需要找到的最大特征值的特征向量(即1) 我开始产生一个随机矩阵 set.seed(6534) stoma <- matrix(abs(rnorm(25)), nrow=5, ncol=5) stoma <- (stoma)/rowSums(stoma) # that should make