Domande sugli aspetti algoritmici / computazionali dell'algebra lineare, compresa la soluzione di sistemi lineari, problemi dei minimi quadrati, problemi di autovalori e altre questioni simili.
Qualcuno potrebbe raccomandare un metodo per il seguente problema dei minimi quadrati: trova che minimizza: , dove R è un unitario (rotazione) matrice.R∈R3×3R∈R3×3R \in \mathbb{R}^{3 \times 3}∑i=0N(Rxi−bi)2→min∑i=0N(Rxi−bi)2→min\sum\limits_{i=0}^N (Rx_i - b_i)^2 \rightarrow \minRRR Potrei ottenere una soluzione approssimativa minimizzando ∑i=0N(Axi−bi)2→min∑i=0N(Axi−bi)2→min\sum\limits_{i=0}^N (Ax_i - b_i)^2 \rightarrow \min ( A \ in \ mathbb …
Si consideri un simmetrica definita positiva sistema lineare tridiagonale dove e . Dati tre indici , se assumiamo solo righe di equazioni strettamente tra e hold, possiamo eliminare le variabili intermedie per ottenere un'equazione della forma dove . Questa equazione mette in relazione il valore di con indipendentemente dall'influenza "esterna" …
12×1212×1212 \times 12QQQdet(Q)=det(12I−Q−J)(1)det(Q)=det(12I−Q−J)(1)\det(Q) = \det(12I-Q-J) \; \; (1)JJJ Attualmente lo sto facendo con la libreria di armadillo ma risulta essere troppo lento. Il fatto è che devo farlo per un trilione di matrici e si scopre che il calcolo dei due determinanti è il collo di bottiglia del mio programma. …
In che modo MATLAB, ad esempio, calcola l'SVD di una data matrice? Presumo che la risposta probabilmente comporti il calcolo degli autovettori e degli autovalori di A*A'. Se è così, vorrei anche sapere come li calcola?
Ho un sistema lineare disomogeneo Ax=bAx=b Ax=b dove è una matrice n × n reale con n ≤ 4 . Lo spazio nullo di A è garantito per essere di dimensione zero, quindi l'equazione ha un inverso univoco x = A - 1 b . Poiché il risultato entra nella …
Così gli stati decomposizione di Cholesky teorema che che qualsiasi reale simmetrica definita positiva matrice ha una decomposizione di Cholesky M = L L ⊤ dove L è una matrice triangolare inferiore.MMMM=LL⊤M=LL⊤M= LL^\topLLL Dato , sappiamo già ci sono algoritmi veloci per calcolare il suo fattore di Cholesky L .MMMLLL …
Sto risolvendo per un'enorme matrice sparsa positiva definita A usando il metodo del gradiente coniugato (CG). È possibile calcolare il determinante di A utilizzando le informazioni prodotte durante la risoluzione?A x = bUNX=BAx=bUNUNAUNUNA
nVidia, ad esempio, ha CUBLAS, che promette uno speedup 7-14x. Ingenuamente, questo non è affatto vicino al throughput teorico di una qualsiasi delle schede GPU di nVidia. Quali sono le sfide nell'accelerare l'algebra lineare sulle GPU e sono già disponibili percorsi di algebra lineare più veloci?
Supponiamo è una matrice reale simmetrica e la sua decomposizione autovalore è dato. È facile vedere cosa succede con gli autovalori della somma dove è una costante scalare (vedi questa domanda ). Possiamo trarre qualche conclusione nel caso generale cui è una matrice diagonale arbitraria? Grazie.V Λ V T A …
Supponiamo che A sia una matrice sparsa generale e che voglio calcolare gli autovalori. Non so come rilevare la molteplicità degli autovalori. Per quanto ne so, per un caso speciale, trovando le radici polinomiali con il metodo della matrice compagna, possiamo applicare RRQR per rilevare la molteplicità delle radici.
Dato il sistema dove A ∈ R n × n , leggo che, nel caso in cui l'iterazione Jacobi sia utilizzata come solutore, il metodo non converge se b ha un componente diverso da zero nello spazio nullo di A . Quindi, come si può affermare formalmente che, a condizione …
Sto facendo una diagonalizzazione Lanczos di una matrice sparsa di grandi dimensioni (~ 2 milioni di elementi). Quasi tutti i passaggi dell'algoritmo Lanzcos vengono eseguiti in parallelo sulla GPU, ad eccezione della diagonalizzazione della matrice di Lanczos per verificare la convergenza. Per questo, ho usato l'algoritmo TQLI da Ricette numeriche. …
Esiste un modo più rapido per calcolare gli errori standard per problemi di regressione lineare, che invertendo ? Qui presumo che abbiamo regressione:X′XX′XX'X y=Xβ+ε,y=Xβ+ε,y=X\beta+\varepsilon, dove è n × k matrice e y è n × 1 vettore.XXXn×kn×kn\times kyyyn×1n×1n\times 1 Per trovare la soluzione del problema dei minimi quadrati non è …
Nella scienza computazionale incontriamo spesso grandi sistemi lineari che siamo tenuti a risolvere con mezzi (efficienti), ad esempio con metodi diretti o iterativi. Se ci concentriamo su quest'ultimo, come possiamo stabilire che un metodo iterativo per risolvere un sistema lineare di grandi dimensioni è convergente nella pratica? È chiaro che …
Dato un insieme arbitrario di matrici complesse (numeriche) quadrate , sono interessato a calcolare la vera algebra di Lie della matrice generata da , chiamala . Cioè, vorrei una base per dove è definito in modo ricorsivo come e per .A L A L A = s p a n …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.