如何将上三角矩阵的向量转化为原来的对称矩阵？
将上三角矩阵的向量转化为原来的对称矩阵可以通过以下步骤实现：
- 首先，根据上三角矩阵的特点，确定对称矩阵的维度。上三角矩阵的维度可以通过求解以下方程得到：n * (n + 1) / 2 = m，其中n为对称矩阵的维度，m为上三角矩阵的向量长度。
- 创建一个n * n的零矩阵，作为最终的对称矩阵。
- 遍历上三角矩阵的向量，将每个元素填充到对称矩阵的对应位置。根据上三角矩阵的特点，可以通过以下公式计算对称矩阵中对应位置的值：对称矩阵[i][j] = 对称矩阵[j][i] = 上三角矩阵的向量[k]，其中k为上三角矩阵的向量索引，i和j为对称矩阵的行列索引。
- 完成遍历后，得到的对称矩阵即为将上三角矩阵的向量转化而来。
对称矩阵在数学和计算机科学中有广泛的应用，例如在图像处理、信号处理、机器学习等领域。在云计算领域，对称矩阵的转化可以用于数据处理和分析，以及在分布式系统中进行数据传输和存储。
腾讯云提供了丰富的云计算产品和服务，其中包括云服务器、云数据库、云存储、人工智能等。具体推荐的腾讯云产品和产品介绍链接地址如下：
- 云服务器（ECS）：提供弹性计算能力，支持多种操作系统和应用场景。详情请参考：https://cloud.tencent.com/product/cvm
- 云数据库（CDB）：提供高性能、可扩展的数据库服务，支持关系型数据库和NoSQL数据库。详情请参考：https://cloud.tencent.com/product/cdb
- 云存储（COS）：提供安全可靠的对象存储服务，适用于图片、音视频、文档等各种类型的数据存储和管理。详情请参考：https://cloud.tencent.com/product/cos
- 人工智能（AI）：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等。详情请参考：https://cloud.tencent.com/product/ai
相关·内容
1回答
我使用jCUSPARSE (cuSparse库包装器)进行矩阵向量乘法，并且函数有问题。
cusparseDcsrmv(handle, cusparseOperation.CUSPARSE_OPERATION_NON_TRANSPOSE, matrixSize, matrixSize, alpha, descra, d_csrValA, d_rowPtrA, d_colIndA, x, beta, y);
如果我使用描述符初始化
cusparseSetMatType(descra, cusparseMatrixType.CUSPARSE_MATRIX_TYPE_GENERAL);
它的工作速
浏览 6提问于2011-11-02得票数 1
我希望我只是错过了一个简单的矩阵运算技巧，但问题是我所能访问的只是一个LU求解器(Matlab *或SuperLU)，我需要一个对称矩阵A的低密度脂蛋白分解，所以我想“没问题”，因为LU分解是唯一的，低密度脂蛋白分解是唯一的，那么D就是U的对角线。
但问题是，它永远不会A= LU，而是PA = LU，PA不对称！所以我不知道如何从PA = LU确定A= LDL
有什么简单的办法可以解决这个问题吗？任何帮助都是非常感谢的。
附言:是的，我真的，真的需要分解低密度脂蛋白。不，没有别的选择。是的，我确定。不，你不需要我列出确切的问题来确认我确实需要分解低密度脂蛋白。
*我知道Matlab有自己的低密
浏览 4提问于2017-10-12得票数 0
2回答
我有个向量说
a = c(1,2,3,4,5,6)
我想把它们组织成一个上三角形矩阵(不考虑对角线元素，它们都是零)逐行。我的目标是得到以下矩阵：
[,1] [,2] [,3] [,4]
[1,] 0 1 2 3
[2,] 0 0 4 5
[3,] 0 0 0 6
[4,] 0 0 0 0
但是下面的方法是用这个向量替换对角线元素，但是按列赋值。例如,
b= matrix(0, 4, 4)
b[upper.tri(b, diag=FALSE)]=a
它将给我以下矩阵
[,1] [
浏览 4提问于2015-06-11得票数 12
回答已采纳
1回答
具有numpy的对称矩阵
、、、
from random import *
N = 100
gamma = 0.7
connect = zeros((N,N))
for i in range(N):
for j in range(i+1):
if random() < gamma:
connect[i,j] = 1
connect[j,i] = 1
else:
connect[i,j] = 0
connect[j,i] = 0
我尝试做的是创建一个对称矩阵，填充0和1(概率为0.7的1
浏览 2提问于2011-06-01得票数 1
回答已采纳
1回答
上三角矩阵奇异值分解的计算
、、、、
你知道用BLAS或LAPACK计算SVD的算法吗？
假设我有一个对称矩阵A：
1 22 13 14
22 1 45 24
13 45 1 34
14 24 34 1
在我从A得到上三角矩阵G之后：
1 22 13 14
0 1 45
浏览 1提问于2011-02-19得票数 2
回答已采纳
我一直在查看.g6或graph6格式是如何工作的，我甚至不知道它是如何工作的，我发誓这就像魔法一样。
F?B~w
这是一个以ASCII形式表示的图形。它可以由、Sage和Maple来解释，举几个例子，并给我们一个视觉。然而，在深入研究Sage的开源代码几个小时后，我无法理解他们是如何将其解读为图表的。
我想知道是否有可能搜索上面的图，寻找哈密顿环，而不必将它们转换成邻接矩阵？或者，如果这是不可能的，我们如何将它转换成邻接矩阵呢？
任何帮助都将不胜感激。
浏览 4提问于2017-06-13得票数 4
回答已采纳
2回答
我目前正在C++中进行流体模拟，算法的一部分是求解稀疏线性方程组。为此，人们建议使用艾根图书馆。我决定用我写的这个简短的程序来测试它：
#include <Eigen/SparseCholesky>
#include <vector>
#include <iostream>
int main() {
std::vector<Eigen::Triplet<double>> triplets;
triplets.push_back(Eigen::Triplet<double>(0, 0, 1));
浏览 1提问于2018-09-04得票数 2
回答已采纳
我正在处理Matlab，我有一个16x16矩阵，其中列值等于行值。
我想重塑它，这样我就只有一行只包含唯一的值(换句话说，我想要一行包含：
....6432 0 ....8148 20.
我尝试了B=reshape(矩阵，1，[])；它起作用了，但不幸的是它也给了我非唯一的值(它基本上是取每一行并粘贴在前一行的旁边)。
有办法这样做吗？谢谢!
浏览 1提问于2016-01-30得票数 0
回答已采纳
3回答
我有一个矩阵A，我想要2个矩阵U和L，使U包含A的上三角元素(上面的所有元素，不包括对角线)，类似地，对于L(下面的所有元素，不包括对角线)。有没有numpy方法可以做到这一点？
e.g
A = array([[ 4., 9., -3.],
[ 2., 4., -2.],
[-2., -3., 7.]])
U = array([[ 0., 9., -3.],
[ 0., 0., -2.],
[ 0., 0., 0.]])
L = array([[ 0., 0., 0.],
浏览 1提问于2012-01-18得票数 88
回答已采纳
3回答
求逆协方差矩阵的马氏距离
、、、
我正在写一个函数来计算两个向量之间的马氏距离。我知道这是使用方程a'*C^-1*b来实现的，其中a和b是向量，C是协方差矩阵。我的问题是，有没有一种有效的方法可以在不使用高斯-乔丹消元法的情况下找到矩阵的逆矩阵，或者没有办法绕过这一点？我正在寻找一种自己做这件事的方法，而不是使用任何预定义的函数。
我知道C是一个厄米特的，正定的矩阵，那么有什么方法可以让我在算法上利用这个事实呢？或者，有没有一些聪明的方法来计算马氏距离，而根本不计算协方差的逆？任何帮助都将不胜感激。
*编辑:上面的Mahalanobis距离公式不正确。它应该是x'*C^-1*x，其中x= (b-a)，b和a是我
浏览 2提问于2012-08-03得票数 10
回答已采纳
1回答
我将尽量不用我的解释使事情变得太复杂，但我对如何最好地用从另一个包中获得的现有相关值填充没有重复值的三角相关矩阵感到困惑。这涉及到从文本文件列表中提取特定值。这就是我到目前为止所做的：
# read in list of file names (they are named '1_1', '1_2' .. so on until '47_48' with no repeat values generated)
filenames <- read_table('/home/filenames.txt', col_names =
浏览 0提问于2020-02-25得票数 0
2回答
当给定一个具有重复特征值但无缺陷的矩阵时，R函数eigen如何为特征空间选择一个基？如果我在恒等矩阵上调用eigen，它就给了我标准的基础。它是如何选择这个基础而不是任何其他的正交基础的呢？
浏览 1提问于2020-09-16得票数 1
回答已采纳
1回答
在MatLab上运行仿真时，我遇到了一些数值问题。请在这里找到以下问题：
I发现A*A' (矩阵乘以其转置)在MatLab中不一定是对称的。我能知道原因是什么吗？因为我将有A*C*A'，其中C是一个对称矩阵，我想保持A*C*A'是对称的。是否有任何方法来修正转置运算所产生的数值差异？
I在Matlab中实现了一个for循环来计算一组矩阵。每一轮中的小数值差(围绕10^(-10))累积到下一轮，在大约30轮之后，它最终会发散。是否有任何方法修复每次运行中的小错误，同时不影响结果。
谢谢你阅读我的问题！
浏览 4提问于2021-10-21得票数 0
如果我有下面的二次方程
C_1=S*C*U
其中C_1和C是已知矩阵，S是U的转置矩阵，如何在Matlab中找到矩阵U？有没有什么功能可以帮我找到它？
浏览 0提问于2017-04-10得票数 0
3回答
稠密对称矩阵的特征有效型
、、、
是否具有存储密集的、固定大小的对称矩阵的有效类型？(嘿，它们无处不在！)
例如，对于N=9，它应该只存储(1+9)*9/2==45个元素，并且它有适当的操作。例如，应该有两个对称矩阵的有效相加，这将返回相似的对称矩阵。
如果没有这样的事情，我应该做哪些动作(看起来像)来将这种类型引入到特征中？它有“视图”的概念吗？我可以为我自己的类型写一些类似于“矩阵视图”的东西吗，这将使它成为特征友好的？
附注:也许我可以用把普通数组当作1xN矩阵，然后对其进行运算。但这并不是最干净的解决方案。
浏览 1提问于2012-11-16得票数 20
1回答
使用breeze 0.13，Scala 2.12.3
我想通过将下面的三角形复制到上面的三角形来创建一个对称矩阵。按照中的说明进行操作。可能我使用的函数不正确，但lowerTriangular函数似乎不能正常工作。副本就是
val myMtx = breeze.linalg.DenseMatrix((1,-8,-9) , (2,1,-7), (3,5,1))
//myMtx: breeze.linalg.DenseMatrix[Int] =
// 1 -8 -9
// 2 1 -7
// 3 5 1
复制下三角形(似乎不起作用)
breeze.linalg.lower
浏览 11提问于2017-12-15得票数 0
回答已采纳
1回答
Rao QE是一个加权欧氏距离矩阵。我在数据表dt中有d_ijs元素的向量，每个元素有一列(假设有x列)。P是最后一列。nrow = S.双和用于距离矩阵的左下角(或右上)，因为它是对称的)元素。
如果我只需要一个未加权的距离矩阵，我只需在x列上做dist()。如何将d_ijs按p_i和p_j的乘积加权？
示例数据集位于，在名为foodQ.ratio的列中有ps。
浏览 6提问于2016-12-13得票数 2
回答已采纳
3回答
我正在寻找一个项，可以用于矩阵的对角线等于零和上下三角形是对称的。
例如，如果我的矩阵大小为5乘5，则矩阵将如下所示：
0 1 2 3 4
1 0 5 6 7
2 5 0 8 9
3 6 8 0 10
4 7 9 10 0
这个矩阵有术语吗？
浏览 5提问于2017-07-07得票数 1
回答已采纳
1回答
计算辅助因子矩阵的快速算法
、、、、
我想知道是否有一种快速算法，例如(O(n^3))来计算N*N方阵的余因子矩阵(或共轭矩阵)。是的，你可以先分别计算它的行列式和逆运算，然后再把它们相乘。但是这个方阵是不可逆的呢？
我对这里被接受的答案很好奇：
它的意思是“这可能意味着，对于非可逆矩阵，有一些聪明的方法来计算辅助因子(即，不使用上面使用的数学公式，而是一些其他等价的定义)”？
浏览 3提问于2019-07-09得票数 0
1回答
我想在RStan中定义一个协方差矩阵。 类似于如何为标量和向量值提供约束，例如实数a，我想提供协方差矩阵的前导对角线必须为正的约束，但非对角线分量可以采用任何实际值。 有没有办法强制要求矩阵也必须是半正定的？否则，产生的一些样本将不是有效的协方差矩阵。
浏览 51提问于2019-06-19得票数 1
回答已采纳
1回答
我有一个非常大的矩阵，需要一些计算。由于for循环在R中的速度是出了名的慢，我想用一些更智能的函数来代替它。
这是我用一个小的示例矩阵编写的for循环。
d <- matrix(c(1,1,0,0,1,1,1,0,0), 3,3)
for (i in 1:nrow(d)) {
for (j in 1:ncol(d)) {
if (d[i,j] == 1) {
d[j, i] =1
} else {d[j,i] = 0}
}
}
这段代码很好地替换了想要的值，产生了一个对称矩阵，其中di，j= dj，i。但是，当矩阵很大时，它会占用大量的时间和内存。做这
浏览 0提问于2016-10-14得票数 0
我正在尝试通过pyspark使用columnSimiliraties
import pyspark
pyspark.__version__
#'2.2.0'
from pyspark.mllib.linalg.distributed import RowMatrix, IndexedRowMatrix
test = np.array[[1,2,3,4,5,6,7,8,9,10],[1,2,3,4,5,6,7,8,9,10], [1,2,3,4,5,6,7,8,9,10], [1,2,3,4,5,6,7,8,9,10]]
# so I can compare rows wi
浏览 1提问于2017-08-24得票数 0
我正在考虑用Intel进行一些计算，特别是Fortran中程序的矩阵向量稀疏BLAS函数。
我可以用矩阵来表示我的计算，这些矩阵恰好是稀疏的和斜对称的。
据我所见，稀疏BLAS对于一般矩阵和对称矩阵都有稀疏函数，所以我想知道是否有一种方法来处理稀疏的斜对称矩阵，因为我认为它会减少内存占用。
浏览 16提问于2022-07-01得票数 1
回答已采纳
1回答
R中该矩阵的本征分析
、、、、
我在R中对给定的矩阵P进行本征分析。我的MWE是
最小工作实例
P <-
matrix(
data=
c(
1, 0, 0, 0
, 0.4, 0, 0.6, 0
, 0.2, 0, 0.1, 0.7
, 0, 0, 0, 1
)
, nrow=4
, ncol=4
, byrow=TRUE
)
SPD <- eigen(P)
round(SPD$values, 3)
round(SPD$vectors, 3)
SVD <- svd(P)
round(SVD$d
浏览 1提问于2014-08-20得票数 0
回答已采纳
2回答
我试图用C编写一个函数，它返回2x2矩阵的特征值和特征向量(通过编程查找特征值/向量)。我对特征值没有问题，这是相当简单的。但是与特征向量的斗争，本质上是由一个联立方程组解决的。
如果我尝试一种方法，例如：，这给了我一个平凡的解(0,0)，比如u=0和v=0，在特征向量的情况下。
例如：如果我的矩阵是MAT = [3,2,2,1]，即。a=3，b=2，c=2和d=1，u=0和v=0，在上述链接y= (v - uc/a) /(d=1/a)和x=(uc/a=3/a* y) / c中提出的方程等于解0,0，即。琐碎的解决方案。
此外，这似乎提供了一个答案，但我无法生成一个与方程一致的例子：
它似乎也
浏览 0提问于2014-01-14得票数 3
回答已采纳
1回答
我有计算下三角矩阵求逆的代码。如何通过对下面的代码稍加修改来计算上三角矩阵的求逆？ function L = L_inv(A)
[n,n] = size(A);
L = zeros(n);
for i=1:n
L(i,i) = 1/A(i,i);
for j=i+1:n
L(j,i)=-A(j, i:j-1)*L(i:j-1,i)/A(j,j);
end
end
浏览 220提问于2021-01-05得票数 0
回答已采纳
1回答
我遇到了一个非常大的非线性方程组，它看起来像：
M‘’UM=AM‘’VM= B
其中M，U，V是未知的d*d矩阵，A和B是已知的d*d矩阵，具有以下性质：
U和V是对角线矩阵M的主对角线项都是1'sA和B是对称矩阵，它们的项M‘表示M.<code>F 219</code>的转置
注意，(非线性)方程的总数和未知变量的总数都是相同的，即。准确地说是d(d+1)。因此，它保证了这个系统具有一个独特的解决方案。
我试图在R中用nleqslv和BB等软件包对这个系统进行数值求解。但它们的文档并不包括以矩阵形式输入未知数的实例。在最坏的情况下，我们可以用手写所有的方程，并
浏览 17提问于2022-02-23得票数 0
2回答
我在想，是否有人知道Maxima中有什么函数可以找到21x21矩阵的归一化特征向量？
我使用函数dgeev，但我不相信这些特征向量是标准化的。
我很感谢你的想法，本
浏览 0提问于2013-05-23得票数 0
回答已采纳
2回答
在相同矩阵matA的倍数情况下，类似
matA.transpose()*matA,
您不需要计算所有的结果积，因为结果矩阵是对称的(所以只有当m>n)，在我的特定情况下总是对称的！方块。
所以计算就足够了。例如。下三角部分和休息仅复制.因为第二行和第三行( resp.col )的结果与第三行和第三行( 2nd.....And等)的结果是一样的。
所以我的问题是，如何告诉特征，只计算下半部分的存在方式。可选地将产品保存到较低的三位一体部分？
DATA = SparseMatrix<double>((SparseMatrix<double>(matA.tra
浏览 0提问于2015-06-11得票数 2
回答已采纳
1回答
我正在使用Eigen::SparseMatrix处理一个线性方程组的大型矩阵，目前我使用setFromTriplets()来设置它。
我的问题是，我不能发现是否有可能通过它有效地初始化对称矩阵。现在，我不得不在内存中保留它的上部和下部(在一个三元组列表中，这要糟糕得多，因为不仅有一个值本身，而且还有它的索引)。
如果该函数可以在遇到时立即复制非对角线元素，那就更好了。或者已经有这样的功能了？
另外，也许矩阵的一个属性是对称的，所以即使在初始化之后，它也只在内存中保留其中的一个部分，并且所有其他算法都会考虑这个属性？
浏览 22提问于2019-11-09得票数 0
回答已采纳
3回答
我必须以A'A或更一般的A'DA形式计算一些乘积，其中A是一般的mxn矩阵，D是对角的mxm矩阵。他们都是满级的；即rank(A)=min(m,n)。
我知道，你可以节省大量的时间是如此对称的乘积:如果A'A是对称的，你只需计算乘积矩阵的下对角线部分或上对角线部分。这增加了要计算的n(n+1)/2条目，这大约是大型矩阵的典型n^2的一半。
这是我想要利用的一个很好的节省，我知道我可以在for循环中实现矩阵矩阵乘法。但是，到目前为止，我一直在使用BLAS，这比我可以自己编写的任何for循环实现都快得多，因为它优化了缓存和内存管理。
是否有一种使用BLAS有效计算A'
浏览 4提问于2017-10-30得票数 7
回答已采纳
在中解释了如何访问给定矩阵的lower和upper三角部分，例如：
m = np.matrix([[11, 12, 13],
[21, 22, 23],
[31, 32, 33]])
这里我需要将矩阵转换成一个一维数组，可以这样做：
indices = np.triu_indices_from(m)
a = np.asarray( m[indices] )[-1]
#array([11, 12, 13, 22, 23, 33])
在使用a进行了大量计算之后，更改了它的值，它将用于填充对称的2D数组：
new = np.zeros(m.
浏览 1提问于2013-07-08得票数 10
回答已采纳
1回答
优化网络图制作
、、、
下面的代码将遍历188k x 188 k行数据的矩阵，并尝试用它创建一个网络图。这里的问题是我的算法非常慢(正如预期的那样，因为它是二次型的)。有什么更好的方法做这件事我没看到吗？我已经在考虑使用openMP来并行化这一点，但是如果我没有必要的话，那就太好了。
关于我的矩阵是什么?它是对称的，超过188,000乘188,000，矩阵中的每个值对应于边权，例如，一个元素aij是i和j之间边的权重。这是我的代码：
图形创建：
typedef boost::adjacency_list
<
boost::vecS,
boost::vecS,
boost::undirectedS,
boost:
浏览 2提问于2014-04-10得票数 2
回答已采纳
scipy.linalg.eigh函数可以接受两个矩阵作为参数:首先是矩阵a，我们将在其中找到特征值和特征向量，也可以是矩阵b，它是可选的，如果将其留空，则将其选作单位矩阵。在什么情况下，有人想要使用此b矩阵？
更多的上下文:我正在尝试使用pyRiemann包中的xdawn协方差。这使用具有协方差矩阵a和基线协方差矩阵b的scipy.linalg.eigh函数。您可以找到实现。这会产生一个错误，因为在我的例子中，b矩阵不是正定的，因此在scipy.linalg.eigh函数中不可用。然而，删除这个矩阵并只使用单位矩阵解决了这个问题，并产生了相对较好的结果……问题是我并不真正理解我改变了什么，也
浏览 5提问于2021-10-26得票数 0
我在R中有一个距离矩阵，我想找出矩阵中最小值的行索引和列索引，其中行索引不等于列索引(所以不是一个值到自身的距离)。我该如何在R中做呢？ 现在我有： which(D == min(D), arr.ind = TRUE) 它将返回矩阵中最小值的索引，但不排除值到自身的距离。
浏览 15提问于2019-02-03得票数 0
回答已采纳
2回答
我的问题如下:使用scipy.linalg.eig获取特征向量和特征值我看到所有的特征值都有重数1，但是当我运行下面的代码时，它不能确认特征向量是正交的，正如本例中它们应该是正交的。这会是什么原因呢？或者如何修复它？
import scipy as SP
import numpy as NP
from scipy import linalg
from numpy import linspace,asscalar,argsort
import cmath
import time
matA=SP.array([[-0.0001, 0., 0., 0.00001, 0., 0., 0.00002,
浏览 3提问于2014-08-21得票数 1
如何在matlab中确定b∈Col A还是b∉Col A？A为m×n矩阵，其中m为m >= n，b为向量。是否已经有一个内置的函数，或者我需要创建一个？如果b∈Col A，我如何确定矩阵A是否有正交列/是正交的？
浏览 6提问于2014-04-18得票数 2
回答已采纳
2回答
我有一个m*n维数的矩阵M。M包含n个数据，每个数据都有m维，且m比n大。
现在我的问题是，如何计算PCA of M，使用OpenCV中的SVD来保持总负载或能量的99%<code>E 213</code>的特征向量，步骤或步骤是什么？
浏览 2提问于2013-04-18得票数 2
回答已采纳
1回答
好的，我编写了一些代码来矢量化一个对称矩阵，它只取唯一的元素并将它们转化为一维向量，同时还用root2将非对角元素相乘：
def vectorize_mat(mat):
assert mat.shape[0] == mat.shape[1], 'Matrix is not square'
n = int(mat.shape[0])
vec_len = 0.5*n*(n+1)
weight_mat = (np.tri(n,k=-1)*np.sqrt(2))+np.identity(n)
mask_mat = np.tri(n).astyp
浏览 0提问于2018-11-15得票数 1
回答已采纳
2回答
你知道在numpy中有像hermitian矩阵类这样的东西吗？我想优化矩阵计算，比如
B=U*A* U.H
，其中A(因此，B)是厄米特的。在不指定的情况下，将计算B的所有矩阵元素。事实上，它应该能够在这里节省大约2倍的系数。我错过了什么吗？
我需要的方法应该取A的上/下三角形，U的完整矩阵，并返回B的上/下三角形。
浏览 1提问于2015-11-06得票数 2
2回答
当我试图在Matlab中找到一个具有重复特征值但没有缺陷的矩阵的特征分解时，它并不是返回一个特征向量的正交矩阵。例如：
k = 5;
repeats = 1;
% First generate a random matrix of eignevectors that is orthonormal
V = orth(rand(k));
% Now generate a vector of eigenvalues with the given number of repeats
D = rand(k,1);
for i = 1:repeats
% Put one random valu
浏览 11提问于2015-10-21得票数 4
回答已采纳
1回答
Scipy分解返回意外结果
、、、、
我生成了一个随机的5*5矩阵x，如下所示：
>>> x = np.random.randn(5,5)
并使用分解来分解它，如下所示：
>>> l, d, p = la.ldl(x)
使用l、d和p，我想返回x。
>>> l[p,:] @ d @ l[p,:].transpose() - x
但这并没有像我所期望的那样给出零。有人能解释我哪里出了问题吗？
我的目标是获得下对角矩阵L，这样x = LDL^T就不需要行置换矩阵p，但对于作为输出所提供的是什么，我感到非常困惑。
浏览 2提问于2020-02-11得票数 2
回答已采纳
1回答
我计算了矩阵的特征：
e <- eigen(t)
现在我需要得到优势特征值和优势特征向量。
计算的主要特征值是：
e$values[1]
占优势的特征向量呢？它是否是通过以下方式提取的：
e$vectors[,1]
我是在问，因为我认为e$值会给我从最大到smallest...but的特征值，我得到了以下结果：
[1] 1.000000e+00 3.751736e-01 3.751736e-01 -4.143304e-01 -4.143304e-01
[6] -4.330604e-01 -4.330604e-01 -7.921977e-02 -7.921977e-02 5.9
浏览 1提问于2018-02-24得票数 0
2回答
我构造了一个100*100矩阵k，并希望使用numpy.linalg.eig对角化它。
k=np.zeros((100,100))
np.fill_diagonal(k,-2)
np.fill_diagonal(k[1:,:-1],1.5)
np.fill_diagonal(k[:-1,1:],0.5)
当我尝试更小的矩阵时，例如
w,v=np.linalg.eig(k[:10,:10])
特征值w和特征向量v是实数。但当我尝试更大的矩阵或整个完整矩阵时
w,v=np.linalg.eig(k)
w和v被证明是复数，虚部是不可忽略的。
我也尝试过scipy.linalg.eig，它也有类似的问
浏览 1提问于2018-02-27得票数 2
1回答
我正在尝试理解离散傅立叶变换(DFT)是如何工作的。我生成了一些数据
n<-5
set.seed(100)
x<-rnorm(n)
和一个我用来计算DFT的正交矩阵
omega<-exp(-2*pi*1i/n)
E<-n^(-1/2)*omega^(0:(n-1)*matrix(0:(n-1),n,n,byrow=TRUE))
round(Re(crossprod(E,Conj(E))),15)
DFT由下式给出
x%*%t(E)
实际上，我们可以检查这与fft给出的结果是否一致
round(n^(-1/2)*fft(x),10)==round(x%*%
浏览 2提问于2018-10-03得票数 1
1回答
大多数聚类算法都需要一个距离矩阵。如果数据的维数较低，则很容易创建距离矩阵。但是，如果一个时间序列有大约8000个点需要考虑呢？
for i in range(total_series):
for j in range(total_series):
dis[i][j] = distance(series[i],series[j])
很明显，创建这个矩阵所需的最小时间将是O(n^2)阶。现在，如果我们比较两个时间序列的所有8000个点，时间复杂度将非常高。我只是在谈论对齐距离(欧几里得)，而不是一些编辑距离。
因为我们有大约50,000个时间序列要聚类，O(n^2)对于那
浏览 2提问于2017-04-16得票数 2
我想了解我在朱莉娅的节目是怎么回事。问题如下:我有一个对称的非负矩阵，我使用
egvals, egvecs = eig(H_mat)
根据一个定理，我的矩阵应该有一个最大特征值，它与一个非负特征向量相关联。H_mat还有另一个窍门，它的第一列和第一行有一个填充了零的条目。
对角化产生了一个最大正特征值E_max，实际上它是最后一个特征值，因为朱莉娅按照最大的顺序排列特征值，但是与E_max相关的特征向量并不是所有的条目都为零或正(即它们有负项)。
egvecs[:,end] # Some or several components ii, egvecs[ii,end]<0
这是我没有得到
浏览 2提问于2015-04-09得票数 2
回答已采纳
1回答
嗨，我在R中有一个函数，我正在尝试优化它的性能。我需要向量化一个for循环。我的问题是稍微复杂的数据结构，以及我需要使用‘the’命令执行查找的方式。
假设我们正在处理5个元素(1,2,3,4,5)，10x2矩阵对是5个元素(即(1,2)，(1,3)，(1,4) ...(4，5))的所有唯一对的组合。all_prods是一个10x1矩阵，我需要在迭代所有5个元素时使用对来查找它。
因此，对于1，我需要索引all_prods中的行1、2、3、4 (对1、2、3、1、4和1, 5 )，依此类推，为1、2、3、4、5。
我最近才从matlab转到R，所以真的很感谢任何人的帮助。
foo <-
浏览 0提问于2012-06-26得票数 3
回答已采纳
我有个大问题。
我得到了一个很大的栅格(rows=180，columns=480，number of cells=86400)，首先我对它进行了二值化(所以只有1和0)，然后我对聚类进行了标记。(相互连接的1个单元具有相同的标记。)
现在我需要计算所有单元格之间的距离，这些距离不是0。有很多是安静的，这是我最大的问题。我这样做是为了获得我感兴趣的单元格的坐标(获取单元格的位置(即单元格编号)，这些位置不是0)：
V=getValues(label)
Vu=c(1:max(V))
pos=which(V %in% Vu)
XY=xyFromCell(label,pos)
这个很好用。因此，XY是
浏览 0提问于2017-01-19得票数 0
根据来自cMinor的初始线程。
我对如何使用矩阵的数组实现来构建具有一个行向量和一个列向量的对称方阵乘法非常感兴趣，而不是使用经典的
long s = 0;
List<double> columnVector = new List<double>(N);
List<double> lineVector = new List<double>(N);
//- init. vectors and symmetric square matrix m
for (int i=0; i < N; i++)
{
for(int j=0; j
浏览 1提问于2012-05-23得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
