是否有人知道并行精确矩阵对角化的实现版本(可能使用scipy/numpy)(等效地，找到特征系统)?如果有帮助的话，我的矩阵是对称和稀疏的。我不愿意花一天的时间做无谓的工作。
编辑:我的矩阵至少是10,000x10,000(但是，最好是至少大20倍)。目前，我只能使用一台4核的英特尔机器(带有超线程，所以每核2个进程)，每核3.0Ghz, 12GB RAM。我以后可能会访问128核节点~3.6Ghz/核，256GB RAM，所以单机/多核应该可以做到(对于我的其他并行任务，我一直在使用multiprocessing)。我更希望算法能很好地扩展。
我确实需要精确对角化，所以scipy.sparse例程不适合我(尝试过，没有很好地工作)。我一直在使用numpy.linalg.eigh(我看到只有单核做所有的计算)。
或者(对于最初的问题):是否有在线资源可以让我找到更多关于编译SciPy以确保并行执行的信息?
对于对称稀疏矩阵特征值/特征向量查找，您可以使用scipy.sparse.linalg.eigsh。它在幕后使用ARPACK，并且有并行的ARPACK实现。当然，如果您的SciPy安装使用的是串行版本，那么SciPy可以被编译。
然而，这不是一个好的答案，如果你需要矩阵的所有特征值和特征向量，因为稀疏版本使用Lanczos算法。
如果你的矩阵不是非常大，那么就使用numpy.linalg.eigh。它使用LAPACK或BLAS，并且可以在内部使用并行代码。
如果你最终自己编写，请注意SciPy/NumPy使用不同的高度优化的线性代数包来完成所有繁重的工作，而不是纯Python。因此，性能和并行度在很大程度上取决于您的SciPy/NumPy安装所编译的库。
(你的问题并没有揭示你是否只想让并行代码在几个处理器上运行，或者在几台计算机上运行。此外，矩阵的大小对最佳方法也有很大影响。所以，这个答案可能完全不正确。