Intel Math Kernel 中的特征值和特征向量计算
有谁知道英特尔数学内核库中用于特征值和特征向量计算的算法是什么？ 从链接我可以发现它似乎使用pdsyev算法，它使用QR算法，面对大矩阵会恶化。
如果这是真的，那么 mkl 就不是计算大规模特征值问题的合适库。
你怎么认为？还是我误解了上面的文字？
Does any know what is the algorithm used for eigenvalues and eigenvectors computation in Intel Math Kernel library? From the link I can find is that it seems to use pdsyev algorithm, which uses QR algorithm, that would deteriorate in the face of large matrix.
If this were true, then the mkl isn't a suitable library for computing large scale eigenvalue problem.
What do you think? Or is it that I misunderstand the above text?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
据我所知，MKL 代表了一个“正常”的 Lapack，封装了优化的 Blas。也许到处都有一些额外的小东西。然而，Lapack 仅包含用于计算特征值和向量的 O(N^3) 缩放算法。对于大规模问题 - 如果只需要有限数量的特征值 - 其他库，例如 ARPACK 可以表现得更好。
To my knowledge the MKL represents a "normal" Lapack packaged with an optimized Blas. Maybe with some small extras here and there. However, the Lapack contains only O(N^3)-scaling algorithms for the computation of eigenvalues and -vectors. For large-scale problems -- if only a limited number of eigenvalues is required -- other libraries like e.g. ARPACK can perform much better.