我有一个对称矩阵（无向图的邻接矩阵），我有一个特定的特征值（最大特征值），我想要与之相关的特征向量（左或右，任一个，因为我相信左边是简单的对称矩阵的权利转置。）
我运行的图表可以从数千个节点到数十万个节点，因此相应的邻接矩阵将很大。然而密度是稀疏的，因此相应的矩阵也将是稀疏的。
在SciPy中有一种有效的方法吗？更好的是，有没有办法只计算给定对称矩阵的前导特征值和相应的特征向量（意味着我不必用linalg.eigvals明确地计算前导特征值。）
答案 0 :(得分：3)
是的，scipy.sparse.linalg.eigsh，h最后代表Hermitian，还有一个非对称矩阵的版本，scipy.sparse.linalg.eigs。
如果a是您的矩阵，稀疏与否，您的呼叫将类似于：
evals, evecs = scipy.sparse.linalg.eigsh(a, k=1)
您的evals和evecs是特征值数组和相应的特征向量，因为如果将k设置为1以外的其他值，您可以要求多个特征值。返回哪些特征值和向量由which参数控制，默认为LM，代表最大幅度。