矩阵旋转/平移适当的乘法
为了旋转/翻译对象（只有z轴和翻译仅在XY平面旋转）不只是WRT全球中心（设备中心），但也WRT其他任意点，我创建了一个算法，这是正确的（因为所有高级codeRS我曾与讨论认为是正确的），但是它采取了大量的时间来删除一个不需要翻译在执行（创建算法8月4日，并实现在同一天，此后code已被修订的15倍）。 下面是实施 的code，它是生产不需要翻译的线条都在里面： 私有静态无效的UpdateMo
..
linear-algebra相关内容
固定尺寸的稠密线性系统（N = 9），对称，正半定的快速解决方案
这算法，你会推荐为固定尺寸的稠密线性系统（N = 9）（矩阵是对称的，正半定）？快速解决方案 高斯消元法 LU分解 Cholesky分解 等？ 类型有32位和64位浮点。 这样的系统将得到解决数百万次，这样的算法应该是相当快相对于维（N = 9）。 P.S。对稳健 C ++实现的算法的例子是AP preciated。 1）你说的“解决的时候千万”是什么意思？一百万不同的右手上，还是一
..
快速SVD算法
我在找一个快库来进行SVD（奇异值分解）在Java中。 我已经尝试了一些库，我发现，我已经做了一些基准测试（该值显示我的基准测试运行的平均时间......），这不是一个真正的有效的指标，但它在我需要处理的数据进行测试，所以对我来说足够。 贾马 - 152 102ms ujmp - 156 603ms 共享数学 - 183 877ms 小马 - 203 866ms jblas - 方法要慢..
..
如果相等约束求解线性规划
我问过一个问题，它可以在这里找到： 计算最优组合 和已提出线性规划。我已经看过了线性规划和单纯形法。但这一切，我所遇到的例子有被转换成使用松弛变量等式不等式约束。单纯形法，然后互换的基本和所述非基本变量，以获得最佳的解决方案。 但我的问题是： 最小化： X1 + X2 + ... + XN 符合以下条件： A1 * X1 + A1 * 2 + A1 * X3 + ..
..
找到点最小化从一组N行的距离
由于多（N）在三维空间的线条，找点距离最小为所有行。 在给定一个行[AX + B]，并点[P]之间的最短距离将在垂直线[AX + B] - [P]我可以EX preSS最小平方距离为平方和线的距离，例如。 （[AX + B] - [P]）^ 2 + ... +（[AX + B] N- [P]）^ 2 由于线垂直，我可以在该行的术语使用点积EX preSS [P] 我已经用最小二乘估计点距离最小
..
算法来完成数据的损坏矩阵
我有以下问题： 余提取的一组数据，但这些数据的一部分是不可用或缺失;针对不同的项目，我确定了10个参数： 参数1参数2 ...... param10 项目1 1220 N / A 1000 项目2 1300 200 ... 1000 .. ...... 项目N N / A 1000 ... 200 N〜1500和一半的价值是完全 有在创建项目的隐含逻辑，所以我想填写可能的最好的预期
..
良好的线性代数软件包
我采取一些频谱图算法的一个项目。这方面的一个很大一部分是找到特征值和大，稀疏矩阵的特征向量，以及乘矩阵。 我的问题是，什么是做到这一点的最快库？我一直在看NumPy的使用Python或JAMA的Java。这些是很好的，或者是有什么好？ 感谢你。 解决方案 首先，你需要指定正是你需要执行哪些矩阵运算。其原因是，一些库非常擅长一些特殊的操作。作为一个例子ARPACK是善于发现大稀疏矩阵的最大特
..
马氏距离反相的协方差矩阵
我写一个函数拿两个向量之间的马氏距离。据我所知，这是使用以下方程的'* C ^ -1 * b，其中a和b是矢量，C是协方差矩阵来实现的。我的问题是，有没有一种有效的方法，找到矩阵的逆而不使用高斯 - 约旦消去，或者是有没有办法解决这个？我正在寻找一种方式来做到这一点我自己，不与任何predefined功能。 我知道，C是一个埃尔米特，正定矩阵，那么有没有什么办法，我可以拿算法这一事实的优势呢？或
..
加权最小二乘 - 适合平面到三维点集
我嵌合的平面到3D点集与最小二乘法。我已经有算法来做到这一点，但我想修改为使用加权最小二乘。这意味着我有一个权重的每个点（重量越大，越接近平面应的点）。 目前的算法（不计权）看起来是这样的： 计算的总和： 的（三维点P3D：点云）{ POS = p3d.getPosition（）; fSumX + = POS [0]; fSumY + = POS [1];
..
有没有一种算法来乘以方阵原地？
天真的算法乘以4X4矩阵看起来是这样的： 无效matrix_mul（双出[4] [4]，双LHS [4] [4]，双RHS [4 ] [4]）{ 对（INT I = 0; I＆4; ++ⅰ）{ 为（诠释J = 0; J＆4; ++ j）条{ 出[I] [J] = 0.0; 为（中间体K = 0; K＆4; ++ k）的{ 出[I] [J] + = LHS [I] [K] * RHS [k]的[J]
..
如何用在算法线性代数？
我的几个同行中已提到，“线性代数”学习算法时是非常重要的。我已经研究了各种算法和采取了一些线性代数课程，我没有看到连接。因此，如何用在算法线性代数？ 例如什么有趣的东西可以一用一连接矩阵图形？ 解决方案 三个具体的例子： 线性代数是现代3D图形贯之。这基本上是你在学校学到的同样的事情。该数据被保存在被投影在二维表面上，这是你在屏幕上看到一个三维空间。 大多数搜索引擎基于线性代数。这样做是为
..
算法寻找附近的点？
给定一组的几百万点x，y坐标，什么是选择用于快速地从一个位置找到顶端1000最近点的算法？ “快”在这里是指一台家用电脑上的约100毫秒。 蛮力将意味着数以百万计做乘法，然后对它们进行排序。而即使是一个简单的Python应用程序可以做到这一点，在不到一分钟，它仍然太长的交互式应用程序。 有该点的边界框将已知的，所以将所述空间分隔成一个简单的网格将是可能的。然而，点分布不均匀有点，所以我怀疑大多
..
使用置换矩阵稀疏矩阵的Cholesky分解
我感兴趣的大型稀疏矩阵的Cholesky分解。时遇到的问题是，乔列斯基因素不一定稀疏（就像两个稀疏矩阵的乘积不一定是稀疏）。 例如与非零点仅沿着第一行，第一列，和对角线乔列斯基因子的矩阵有100％的填充式（下和上三角形是100％密实）。在下面的灰色图像是非零和白色是零。 一个解决方案，我知道是要找到一个置换的 P 的基质和做的Cholesky分解的 P T AP 的。例如具有相同的基质通过
..
在矩阵的逆最快方法
我要处理与反逻辑功能和功能很多照片。对于code，以快速度可以运行任何一个建议中的3反演方法快速的方法？ 双cvInvert（常量CvArr * SRC，CvArr * DST，诠释方法= CV_LU） CV_LU高斯消元法具有最佳的支点元素选择 CV_SVD奇异值分解（SVD）方法 CV_SVD_SYM SVD方法对称正定义的矩阵。 解决方案 在OpenCV2.x，有一个
..
Laderman的3×3的矩阵乘法，只有23乘法，是否值得呢？
取两个3×3的矩阵 A * B = C 的产物。天真这需要使用标准算法 27乘法。如果一个人是聪明的，你可以只用23次乘法做到这一点，现在可以修复的语言和类型，比如C ++与元素双。如果Laderman算法是硬codeD相对于简单的双回路，可以预计一个现代编译器的性能，以排挤的算法的区别在哪里？ 注意这个问题：这是一个的节目的网站，并在此提出问题在一段时间关键型内循环的最佳实践的环境; prem
..
是否有一个简单的算法来计算最大内接圆成凸多边形？
我找到了一些解决方案，但他们太乱了。 解决方案 是的。该 切比雪夫中心 ，X *，一组C是中心那里面的谎言C. [博伊德，对最大的球。 416]当C是凸集，那么这个问题是一个凸优化问题。 更重要的是，当C是一个多面体，那么这个问题就变成了线性规划。 假设米双面多面体C由一组线性不等式定义：AI ^ T X - 其中=双，其中i在{1，2，...，米}。那么问题就变得 最大化ř 使得A ^
..
解决小对称正定Ax = b的GPU上只
我试图优化实时3D建模的应用程序。该应用程序的计算部分运行几乎完全在CUDA的GPU。该应用程序需要一个小的（6×6）的解决方案，双precision对称正定线性方程Ax每秒= B 500+次。目前，这是正在做使用Cholesky基于线性代数库中的效率的CPU，但就必须的数据从CPU复制 - GPU和回GPU的每秒数百和内核的开销时间启动每个时间等 我如何计算解决方案的GPU线性系统完全无需考虑
..
非常大的矩阵在MATLAB高效倍增
我没有足够的内存来简单地创建一个对角线D-由二维矩阵，由于D大。我不断收到“内存去”的错误。 而不是执行的M×深×D工作在第一乘法，我做的M×D工作，但是我的code需要年龄运行。 任何人都可以找到执行乘法运算更有效地 A'* B * A ？这是我到目前为止已经尝试： D = 20000 M = 25 A =地板（兰特（D，M）* 10）; B =地板（兰特（1，D）* 10）; 对于
..
算法的2线相交？
我有2行。其包含2点的X和Y的两条线这意味着他们都有长度。 我看到两个公式，一个使用的决定因素，一个使用正常的代数。这将是最有效的计算，什么公式看起来像？ 我在使用code矩阵的一个困难时期。 这是我迄今为止，它可以更有效？ 公共静态Vector3类型相交（Vector3类型line1V1，Vector3类型line1V2，Vector3类型line2V1，Vector3类型line2V2
..
矩阵的Python的逆
我如何在python一个矩阵的逆？我已经实现了它自己，但它是纯Python，我怀疑有更快的模块，在那里做了。 解决方案 您应该看一看 numpy的如果你做矩阵操纵。这是一个模块主要由C，这将是比纯Python编程快得多。下面是如何反转矩阵，和做其他矩阵操作的例子。 从numpy的进口矩阵 从numpy的进口linalg A =矩阵（[1,2,3]，[11,12,13]，[21,22,23]）
..