次の 9x9 入力マトリックスのこんにちは

dsyevd_ (lapack) の固有ベクトルは次のとおりです。

opencv の固有ベクトル

値は位置と符号が異なります。lapackでこの問題を修正するにはどうすればよいですか。

scipyのlinalg.eigを使用して、一般化された固有値の問題を解決しようとしています。次に、得られた解を確認しましたが、適切な固有ベクトルが返されたようには見えません。また、ドキュメントでは、返されるベクトルは正規化されていると示唆されていますが、そうではありません（ただし、それほど気になりません）。

サンプルマトリックスは次のとおりです。

私が得るeigを実行している：

そして、結果をテストします。

この2つは等しいと思いましたが、そうではありません...代わりにeighを使用してみましたが、成功しませんでした。助けていただければ幸いです、私は明らかに何かが欠けています。

特定の固有値に対応する固有ベクトルを見つけるにはどうすればよいですか？

確率行列（P）があり、その固有値の1つは1です。固有値1に対応する固有ベクトルを見つける必要があります。

scipy関数scipy.linalg.eigは、固有値と固有ベクトルの配列を返します。

ここで、D（値の配列）とV（ベクトルの配列）は両方ともベクトルです。

1つの方法は、Dで検索を実行し、Vで対応する固有ベクトルを抽出することです。もっと簡単な方法はありますか？

doubleの配列を既存のMatrixXd構造体にマップしたいと思います。これまでのところ、Eigen行列を単純な配列にマッピングすることができましたが、それを元に戻す方法が見つかりません。

下三角行列MatrixXdがあり、対称行列になるので、下の値を上にコピーしたいと思います。どうすればいいですか？

これまでのところ、私は次のことを行いました。

それを行うための最速の方法はありますか？下三角行列を上に「コピー」できる内部メソッドを考えていました。私がこの行列を持っているとしましょう、私たちは次のように呼びますm：

私が取得する必要があるのmは：

また、マトリックスの上部または下部に何かを実行させることができることも知っています。

しかし、私はまだ私が欲しいものを手に入れることができません...

偏微分方程式の固有値問題を差分法で解きたいと思っています。したがって、私の問題は行列固有値の問題に縮小されます。問題は、この行列のサイズが非常に大きくなることです。この関数を使用するとeig、すべての固有値と固有ベクトルが検索されますが、これは私の場合は時間の無駄です。

最初の k 個の固有値を見つけた後に固有値アルゴリズムを停止させる可能性はありますか? (ここで、k は小さな正の整数です)

私の目的は、行列の固有ベクトルを見つけることです。Matlabには、[V,D] = eig(M)次を使用して行列の固有ベクトルを取得するためのがあります[V,D] = eig(M)。または、WebサイトWolframAlphaを使用して結果を再確認しました。

と10X10呼ばれる行列がありMます：

D：

V：

次の結果が得られました。

1. 元のマトリックス：

1. WolframAlphaの結果：

2. Matlab Eigの結果：

D（固有値）

V（固有ベクトル）

固有ベクトルのさまざまな解を得ることが可能ですか、それとも独自の答えである必要があります。この概念を明確にすることに興味があります。

こんにちは、みんな！！！

次の形式の一般化された固有分解を計算したい：

Lf=ラムダAf

scipy.sparse.linalg.eigs関数を使用しますが、次のエラーが発生します：

/usr/local/lib/python2.7/dist-packages/scipy/linalg/decomp_lu.py:61：RuntimeWarning：対角線の数65は正確にゼロです。特異行列。RuntimeWarning）**DLASCLパラメーター番号4への入力時に不正な値がありました

対角行列、正半定値（PSD）行列、数値K（最初のK個の固有値）の3つの引数を渡します。Matlabのeigs関数は、同じ入力パラメーターを使用してうまく機能しますが、私が理解しているように、SciPyでは、PSDで計算するために、シグマパラメーターも指定する必要があります。

だから、私の質問は、MatLabのようにシグマパラメータの設定を回避する方法はありますか、そうでない場合は、シグマ値を取得する方法はありますか？

アドバイスやヒントをお待ちしております...よろしくお願いします！

次の API 関数は、OpenCV ライブラリの PCA のソース コードです。

この関数は Eigenobjects.cpp からのものです

そして、私は次のコードを理解していません:

PCA は共分散行列とその固有値と固有ベクトルを計算することであることがわかっていますが、関数の一部が内部関数 icvCalcCovarMatrixEx_8u32fR() を呼び出して固有値と固有ベクトルを計算すると、「上のコードの目的は何ですか?」 [その他の部分]"? [その他の部分] は固有ベクトルを計算することだと思いますが、関数 icvCalcCovarMatrixEx_8u32fR() がそれを行ったので、このコードの目的は何かを答えるのを手伝ってくれる人はいますか? ありがとう！！！

私はニューラルネットワークに取り組んでおり、ドキュメントとその中のtf-idfの値を持つさまざまな用語を介して構築された用語-ドキュメント行列の次元を減らすために、PCAを適用する必要があります。このようなもの

PCAは、データの平均を取得し、その平均を減算してから、共分散行列に次の式を使用することで機能します。

行列Mを次元NxNの用語ドキュメント行列とします。

共分散行列は次のようになります

次に、固有値と固有ベクトルを計算して、ニューラルネットワークの特徴ベクトルとしてフィードします。私が理解できないのは、共分散行列の重要性と、共分散を見つけるための次元です。

単純な2次元X、Yを考えれば理解できるからです。ここではどの次元が相関していますか？

ありがとうございました