我是R中的newby,我有一个100x100的方阵。我想找出这个矩阵的最大特征值。我试过了
is.indefinite(x)
但它写道
is.indefinite(x) : argument x is not a symmetric matrix
有人知道求特征值的函数吗,或者更好的是R中最大的特征值?
我有一个大小为200000 x 200000的矩阵,.I需要找出这个矩阵的特征值,到目前为止,.I一直使用matlab,但由于矩阵的大小无法用matlab处理,我已经转到perl了,现在甚至perl也无法处理这个巨大的矩阵,这说明内存不足。我想知道是否可以使用其他编程语言来找到这个矩阵的特征值,这些语言可以处理如此庞大的数据。这些元素大多不是零,所以没有选择稀疏矩阵。请帮我解决这个问题。
我想从系统A中计算出特征向量x,方法是:a x =λx
问题是我不知道如何用SymPy来求解特征值。这是我的密码。我想从矩阵x1和x2中得到一些值
from sympy import *
x1, x2, Lambda = symbols('x1 x2 Lambda')
I = eye(2)
A = Matrix([[0, 2], [1, -3]])
equation = Eq(det(Lambda*I-A), 0)
D = solve(equation)
print([N(element, 4) for element in D]) # Eigenvalus in decima
我想计算python中二阶导数矩阵的特征向量。根据数学,第一个向量应该等于0到pi之间的sin-函数,第二个等于0到2*pi之间的sin函数。因此,我的代码看起来就像
import numpy as np
from matplotlib import pyplot as plt
from scipy import sparse
import scipy.integrate as integrate
import scipy.special as special
import scipy
def create_second_deriv(size, h):
delta_matrix_2_
我有一个巨大的稀疏矩阵A
<5000x5000 sparse matrix of type '<type 'numpy.float64'>'
with 14979 stored elements in Compressed Sparse Column format>
我需要删除线性相关的行。我有一个先验,即j行将是依赖的。我需要
找出哪些行集是线性依赖的。
对于每一组,保留一个任意行,并移除其他行。
我试图遵循,但是对于稀疏矩阵的对应方法,说
k:所需特征值和特征向量的数目。K必须小于N,不可能计算矩阵的所有特征
我想写一个简单的程序(用C)使用Lanczos算法。我遇到了一个Matlab示例,它帮助我更深入地理解了算法,但是从这段代码中我找不到获得特征值和特征向量的方法。我可以遵循算法,但我想我肯定遗漏了什么。有没有人可以指导我从这个例子中得到特征值,这样我就可以理解这个方法,然后用C语言编写代码?
% Create a random symmetric matrix
D=6
for i=1:D,
for j=1:i,
A(i,j)=rand;
A(j,i)=A(i,j);
end
end
% Iteration with j=0
r0 = r
本文尝试用QR迭代法求解特征值和特征向量,代码非常简单。但是,与linalg.eigs的答案相比,QR迭代的答案总是有一些相反的或不正确的值。
import numpy as np
import scipy.linalg as linalg
def qr_iteration(A):
for i in range(100):
Q, R = linalg.qr(A)
A = np.dot(R, Q)
return np.diag(R), Q
a, b = linalg.eig(A)
c, d = qr_iteration(A)
print(a) # [