我正在编写一些Java软件，它需要计算正定对称稀疏矩阵的特征值和特征向量。我不需要所有的特征值，但我最感兴趣的是小特征值。问题是：
1)出于测试目的，我的代码需要在笔记本电脑上运行(四核，4gb内存)
2） 测试数据涉及大矩阵——通常超过10000乘以10000
这两个约束意味着大多数常用的Java matrix包都不足以满足我当前的需求——我甚至不能在内存中存储密集的10000乘10000的矩阵，更不用说用它们进行计算了。
所以我的问题是：当进行矩阵计算时，人们如何处理内存约束？我的矩阵通常非常稀疏——通常只有5%的条目是非零的。是否有算法利用了这一点？我是否可以将矩阵存储在硬盘上，一次只加载其中的一部分，以减轻RAM的压力？
您可以尝试使用la4j库：
// Compressed Sparse Row Matrix
Matrix a = new CRSMatrix(...);
// eigen[0] = P, eigen[1] = D
Matrix eigen[] = a.decompose(Matrices.EIGEN_DECOMPOSITOR);
