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.
Supponendo che si desideri studiare l'algebra lineare numerica in profondità (e seguire le riviste sull'algebra lineare numerica e la teoria delle matrici), che sarebbe un corso migliore / libro migliore da prendere all'inizio: Con Hoffman e Kunze con prove e rigore (non ho problemi con la matematica rigorosa). O Con …
A quanto ho capito, il metodo multigrid risolve un sistema lineare risolvendo una versione più grossolana dello stesso problema (eliminando l'errore di bassa frequenza) e quindi proiettando di nuovo sulla griglia fine per appianare gli errori di alta frequenza. Per i sistemi di grandi dimensioni, posso vedere come un metodo …
Supponiamo che venga data la seguente matrice con la sua trasposta . Il prodotto produce ,A T A T A = G [ 0,750 - 0,334 - 0,417 - 0,334 0.667 - 0.333 - 0,417 - 0.333 0.750 ]UNAA⎡⎣⎢0.500- 0,500- 0,500- 0.3330.667- 0.333- 0,167- 0,1670,833⎤⎦⎥[0.500−0.333−0.167−0.5000.667−0.167−0.500−0.3330.833] \left[\begin{array}{ccc} 0.500 & -0.333 & …
Esiste un algoritmo SVD troncato che calcola i valori singolari uno alla volta? Il mio problema: vorrei calcolare i primi kKk valori singolari (e vettori singolari) di una matrice densa di grandi dimensioni MMM , ma non so quale sarebbe un valore appropriato di kkk . MMM è grande, quindi …
Siano matrici reali, quadrate, dense. e sono simmetrici. PermettereA,G,QA,G,QA, G, QGGGQQQ H=[A−Q−G−AT]H=[A−G−Q−AT]H = \begin{bmatrix} A & -G \\ -Q &-A^T \end{bmatrix} essere una matrice hamiltoniana. Voglio calcolare l'esponenziale della matrice di . Ho bisogno dell'esponenziale matrice completa, , non solo del prodotto matrice-vettore. Ci sono algoritmi o librerie specializzati disponibili …
Ho un set di dati che sta lentamente cambiando e devo tenere traccia degli autovettori / autovalori della sua matrice di covarianza. Ho usato scipy.linalg.eigh, ma è troppo costoso e non usa il fatto che ho già una decomposizione che è solo leggermente errata. Qualcuno può suggerire un approccio migliore …
Ad esempio le librerie di matrice sparsa C ++ che ho usato - Eigen e SuiteSparse, sembrano non avere alcuna funzionalità SVD per la matrice sparsa. Quindi, solo curioso, SVD è più difficile di QR / LU per matrice sparsa?
Per la riduzione del modello, voglio calcolare i vettori singolari di sinistra associati ai - diciamo 20 - valori singolari più grandi di una matrice , dove N ≈ 10 6 e k ≈ 10 3 . Sfortunatamente, la mia matrice A sarà densa senza alcuna struttura.A ∈ RN, kUN∈RN,KA …
Sto usando lo schema delle differenze finite di Crank-Nicolson per risolvere un'equazione del calore 1D. Mi chiedo se il principio massimo / minimo dell'equazione del calore (ovvero che il massimo / minimo si verifica nella condizione iniziale o sui limiti) valga anche per la soluzione discretizzata. Ciò è probabilmente implicato …
Conosciamo tutti i numerosi metodi computazionali per risolvere il sistema lineare standard A x = b .Ax=b. Ax=b. Tuttavia, sono curioso di sapere se esistono metodi computazionali "standard" per risolvere un sistema lineare più generale (dimensione finita) della forma A m 1 × n 1 B m 2 × n …
Sto cercando di diagonalizzare alcune matrici dense e mal condizionate. Nella precisione della macchina, i risultati non sono accurati (restituendo autovalori negativi, gli autovettori non hanno le simmetrie previste). Sono passato alla funzione Eigensystem [] di Mathematica per sfruttare la precisione arbitraria, ma i calcoli sono estremamente lenti. Sono aperto …
La moltiplicazione di matrici (sia Mat * Mat, sia Mat * Vec) viene ridimensionata con il numero di non zeri o con le dimensioni della matrice? O una combinazione dei due. Che dire con la forma. Ad esempio, ho una matrice 100 x 100 con 100 valori o una matrice …
Mi chiedo come trovare gli autovalori di una matrice sparsa in un dato intervallo [a, b] con il metodo iterativo. Per la mia comprensione personale, è più ovvio usare il metodo del sottospazio di Krylov per trovare gli autovalori estremi piuttosto che quelli interni.
Voglio sapere quali dei classici solutori lineari (ad es. Gauss-Seidel, Jacobi, SOR) sono sicuri di convergere per il problema dove è positivo semi definito e ovviamenteAx=bAx=bAx=bAAAb∈im(A)b∈im(A)b \in im(A) (L'avviso è semi definito e non definito)AAA
Recentemente ho posto una domanda sulla stessa linea per le matrici oblique ed eremitiche. Ispirato dal successo di quella domanda, e dopo aver sbattuto la testa contro un muro per un paio d'ore, sto osservando la matrice esponenziale delle vere matrici asimmetriche. Il percorso per trovare gli autovalori e gli …
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.