特征值求解器的效率比较
2015-08-29 17:20
525 查看
特征值问题
标准特征值问题A⋅x=λ⋅x
广义特征值问题
A⋅x=λ⋅B⋅x
Benchmark
简便起见,矩阵A为对角阵, B为单位阵(实际为标准特征值问题)。矩阵规模取 500×500, 1000×1000, 2000×2000。求解前10%(较小)的特征值。特征值求解器
LAPACK
使用scipy.linalg模块的eigh函数及julia的eig函数(稠密矩阵)ARPACK
使用scipy.sparse.linalg模块的eigsh函数及julia的eigs函数(稀疏矩阵)FEAST
使用Intel MKL 中的 Extended Eigensolver Routines(稀疏矩阵)结果
运行时间
求解器\规模 | 500×500 | 1000×1000 | 2000×2000 |
---|---|---|---|
LAPACK (Scipy) | 0.487 | 10.98 | 52.35 |
LAPACK (Julia) | 0.750 | 13.48 | 63.18 |
ARPACK (Scipy) | 0.020 | 0.044 | 0.095 |
ARPACK (Julia) | 0.024 | 0.046 | 0.075 |
FEAST | 0.023 | 0.050 | 0.080 |
相关文章推荐
- 我对特征值与特征向量的理解
- Fisher判别法
- 矩阵的特征值和特征向量【转】
- 数据挖掘-公司别名聚合(三)
- 数据挖掘-公司别名聚合(四)
- 数据挖掘-公司别名聚合(五)
- 矩阵的特征值和奇异值的区别
- 三阶矩阵的特征值一般求解
- 特征值 特征向量, 你怎么看?
- OpenCV - 计算矩阵(cv::Mat)的特征值和特征向量
- 工程矩阵-SVD分解
- QR分解求矩阵全部特征值
- GPU上大规模稀疏矩阵特征值计算高效算法之一——GPU介绍
- GPU上大规模稀疏矩阵特征值计算高效算法之二——稀疏矩阵
- GPU上大规模稀疏矩阵特征值计算高效算法之三——SLEPc测试
- 理解矩阵和特征向量的本质
- 特征值和特征向量
- 如何绘制协方差误差椭圆
- 协方差矩阵的几何解释
- 线性代数(二十八) : 特征值与特征向量