mkl中使用dsyevd求解实对称矩阵的所有特征向量和特征值

dsyevd用来求解实对称矩阵的所有特征向量和特征值，注意：求解的特征向量是以行存储的，特征值是按从小到大的顺序排列，每一个特征值对应一行特征向量。

下面是一个C++语言的例子：

matrix是需要求解的矩阵，matrix_rank是矩阵的维数

JOBZ="V"表示需要求解矩阵的特征向量，如果JOBZ="N"表示不需要求解矩阵的特征向量

UPLO="U"表示matrix存储的是对称矩阵的上三角部分，如果UPLO="L"表示matrix存储的是对称矩阵的下三角部分，如果矩阵全部存储在matrix中的话，这个设置为U和L都是一样的结果。

w存储的是最后求解的特征值数组

最后求解的特征向量矩阵就存放在matrix中

iwork和work都是在求解过程中需要的空间的矩阵，liwork和lwork分别是它们的大小。

在例题中第一个dsyevd用来求解liwork和lwork的大小，即wkopt和iwkopt返回的是iwork和work所需的最佳空间大小。

info是标志，如果求解成功返回0值，否则为大于0的值。

 

void FDA::ComputeMatrixEigenVectors(double *matrix,int matrix_rank) { char JOBZ='V'; char UPLO='U'; int info=0; int n=matrix_rank; int lda=matrix_rank; int lwork=-1; int liwork=-1; int iwkopt; int *