Julia 稀疏酉矩阵的齐次特征值抽样
我和朱莉娅一起工作,但我认为问题更一般。假设我们想从数值上找到一个非常大(稀疏)的酉矩阵Julia 稀疏酉矩阵的齐次特征值抽样,julia,sparse-matrix,numerical-methods,Julia,Sparse Matrix,Numerical Methods,我和朱莉娅一起工作,但我认为问题更一般。假设我们想从数值上找到一个非常大(稀疏)的酉矩阵U。正如许多条目中所报告的那样,使用eigs通过蛮力对角化结束时没有特征值收敛 诀窍是使用更简单的表达式,即 U_Re = real(U + U')*0.5 U_Im = real((U - U')*-0.5im) 我的问题是,在寻找特征值时,有没有一种方
U
。正如许多条目中所报告的那样,使用eigs
通过蛮力对角化结束时没有特征值收敛
诀窍是使用更简单的表达式,即
U_Re = real(U + U')*0.5
U_Im = real((U - U')*-0.5im)
我的问题是,在寻找特征值时,有没有一种方法可以获得均匀采样?也就是说,我想获得,比如说,
U\U Re
和U\U Im
在区间[-1,1]
中的10e3
特征值,我不完全确定特征值的均匀采样将如何工作,但我认为您正在寻找。ARPACK将使用矩阵向量积来查找特征值,因此我不能完全确定在这种情况下是否需要实/Im分解(如果不了解U
,很难说)
另外,您可能想看看算法,这将从中受益匪浅
我不知道Julia与这些库的现有链接,但我认为这不是一个问题,因为Julia可以调用C函数
在这里,我给出了一些简短的想法,也许是找到合适人群的更好地方。然而,需要更多关于U
、其稀疏性、大小以及“区间内特征值的均匀采样”意味着什么的详细信息。。