matrix-decomposition相关内容
#特征值和向量a
..
我的问题的摘要是我正在尝试复制Matlab函数: mvnrnd(mu', sigma, 200) 使用以下方法进入Julia: rand( MvNormal(mu, sigma), 200)' ,结果是一个200 x 7的矩阵,本质上生成了200个随机返回时间序列数据. Matlab可以工作,Julia不能. 我的输入矩阵是: mu = [0.15; 0.03
..
我在R中具有以下矩阵A: # [,1] [,2] [,3] [,4] # [1,] -1.1527778 0.4444444 0.375 0.3333333 # [2,] 0.5555556 -1.4888889 0.600 0.3333333 # [3,] 0.6250000 0.4000000 -1.825 0.8000
..
我有一个数据集x.我使用cov(x)来计算x的协方差.我想计算cov(x)的平方根倒数.但是我得到cov(x)的负特征值. 这是我的代码 S11=cov(x) S=eigen(S11,symmetric=TRUE) R=solve(S$vectors %*% diag(sqrt(S$values)) %*% t(S$vectors)) 这是S的特征值. c(0.8972499
..
我测试了一个定理,即A = Q * Lambda * Q_inverse,其中Q是具有特征向量的矩阵,而Lambda是具有对角特征值的对角矩阵. 我的代码如下: import numpy as np from numpy import linalg as lg Eigenvalues, Eigenvectors = lg.eigh(np.array([ [1, 3],
..
我在Rfast中的hd.eigen时遇到问题.对于大多数数据,它给出的结果与eigen极为接近,但是hd.eign有时会返回空的$vector,NA或其他不良结果. 例如: > set.seed(123) > bigm > e3 = eigen(bigm) > length(e3
..
我不明白如何在R中使用chol函数来分解一个正半定矩阵. (或者我这样做,并且有一个错误.) 如果ivot = TRUE,则可以计算正半定x的Choleski分解. x的等级以attr(Q,"rank")的形式返回,这会受到数值误差的影响.枢轴返回为attr(Q,"pivot"). t(Q)%*%Q不再等于x.但是,设置枢轴 以下示例似乎掩盖了这一描述. > x
..
#eigen values and vectors a
..
我正在尝试主要基于部分分解的LU分解来处理lu分解旋转Matlab function [L,U,P] = lup(A) n = length(A); L = eye(n); U = zeros(n); P = eye(n); for k=1:n-1 % find the entry in the left column with the largest abs value (pivot)
..
胆汁分解有两种不同形式: A = M * ctranspose (M) 和LDL表格 A = L * D * ctranspose (L) 其中ctranspose是复杂的转置. 我想知道每种表单的浮点运算次数. Wikipedia引用了使用Cholesky分解进行矩阵求逆 > 有效实施后,LDL分解的复杂性与Cholesky分解相同. 该论文说,Chole
..
我已经问了类似的东西,但这次我会更具体。 我需要在内执行 loop,通常大的正定对称矩阵的Cholesky分解(约 1000x1000 )。现在,要做到这一点,我一直试着: 1)Apache Math库 2 )并行柯尔特库 3)JLapack库 在上述三种情况中的任何一种情况下,时间例如,与MATLAB相比,消耗非常长。 因此我想知道是否有任何高度优化的外部工具
..