用于微小密集矩阵的 s1 奇异向量

计算科学 svd
2021-12-04 05:03:47

我有一个函数,其主要瓶颈是在最大奇异值的空间中找到一个(ny)奇异向量对,以及奇异值本身。这样做了很多次。这是我所知道的结构:

  • 微小的。4x4 是最常见的情况,但任何小于 100x100 的情况都是可能的
  • 密集而复杂
  • 正方形
  • 以宽度的平方根为界的最大奇异值

现在我们正在使用Eigen::JacobiSVD. 有人会推荐更快的东西吗?函数的最终迭代需要很高的精度,但我们可能能够在开始迭代中以较低的精度逃脱。

1个回答

根据文档,Eigen::BDCSVD 在大小 n >= 16 的情况下优于 Eigen::JacobiSVD,尽管测试是有保证且足够简单的。界面完全一样。

https://eigen.tuxfamily.org/dox/classEigen_1_1BDCSVD.html