matrix
文章平均质量分 53
bitcarmanlee
这个作者很懒,什么都没留下…
展开
-
csr_matrix详细解读
1.csr_matrix格式看代码过程汇总,发现有用到稀疏矩阵。经过仔细阅读发现以前对csr_matrix的理解不是特别深入,特此再对csr_matrix进行分析解读。python中csr_matrix的说明注释如下class csr_matrix(_cs_matrix): """ Compressed Sparse Row matrix This can be instantiated in several ways: csr_matrix(D)原创 2022-05-25 17:08:12 · 2993 阅读 · 0 评论 -
线性相关 线性无关
1.线性相关(linearly dependent)与线性无关的(linearly independent)定义线性相关的定义为:对于一组向量v1,v2,⋯ ,vnv_1, v_2, \cdots, v_nv1,v2,⋯,vn,如果存在一组不全为0的整数k1,k2,⋯ ,knk_1, k_2, \cdots, k_nk1,k2,⋯,kn,使得k1v1+k2v2+⋯+knvn=0k_1v_1 + k_2v_2 + \cdots + k_nv_n = 0k1v1+k2v2+⋯+knvn原创 2020-06-01 22:34:43 · 18817 阅读 · 0 评论 -
向量范数与矩阵范数
1.范数(norm)的意义要更好的理解范数,就要从函数、几何与矩阵的角度去理解。 我们都知道,函数与几何图形往往是有对应的关系,这个很好想象,特别是在三维以下的空间内,函数是几何图像的数学概括,而几何图像是函数的高度形象化,比如一个函数对应几何空间上若干点组成的图形。 但当函数与几何超出三维空间时,就难以获得较好的想象,于是就有了映射的概念,映射表达的就是一个集合通过某种关系转为另外一个集合。通原创 2016-07-18 20:35:26 · 63014 阅读 · 4 评论 -
稀疏矩阵之python实现
工程实践中,多数情况下,大矩阵一般都为稀疏矩阵,所以如何处理稀疏矩阵在实际中就非常重要。本文以python里中的实现为例,首先来探讨一下稀疏矩阵是如何存储表示的。1.sparse模块初探python中scipy模块中,有一个模块叫sparse模块,就是专门为了解决稀疏矩阵而生。本文的大部分内容,其实就是基于sparse模块而来的。 第一步自然就是导入sparse模块>>> from scipy i原创 2016-09-26 11:13:53 · 48869 阅读 · 0 评论 -
常见的几种矩阵分解方式
1.三角分解(LU分解)矩阵的LU分解是将一个矩阵分解为一个下三角矩阵与上三角矩阵的乘积。本质上,LU分解是高斯消元的一种表达方式。首先,对矩阵A通过初等行变换将其变为一个上三角矩阵。对于学习过线性代数的同学来说,这个过程应该很熟悉,线性代数考试中求行列式求逆一般都是通过这种方式来求解。然后,将原始矩阵A变为上三角矩阵的过程,对应的变换矩阵为一个下三角矩阵。这中间的过程,就是Doolittle al原创 2016-09-25 15:54:23 · 102362 阅读 · 0 评论 -
矩阵的一些常用结论
矩阵有时候有一些常用的结论与性质,如果有一段时间不接触或者实际中没使用到,很容易就会遗忘。因此,特意做一个小小的总结,方便使用与查询。1.矩阵AA的全部特征值的集合通常被称为AA的谱。 2.|A|=λ1λ2⋯λn|A| = \lambda_1\lambda_2\cdots\lambda_n,或者时候AA的行列式为所有特征值的乘积。 3.∑ni=1aii=∑ni=1λi\sum_{i=1}^{n}原创 2016-09-25 17:29:56 · 6056 阅读 · 0 评论 -
SVD 详解 与 spark实战
1.前言一般提到特征值分解(eigenvalue decomposition)或者奇异值分解(singular value decomposition),大多数同学脑海里的第一反应就是一大堆矩阵以及数学计算方法。确实,学校学习阶段,不管是学线性代数或者矩阵分析,对于这部分内容,或者说绝大部分内容,老师一上来都是吧啦吧啦给你一堆定理推论或者公理,然后就是哗啦哗啦一堆公式出来,告诉你怎么计算。最后再讲个原创 2016-07-29 19:47:59 · 29326 阅读 · 3 评论 -
深入浅出理解矩阵
注:很经典的文章,写得通俗易懂,解释了一些平时不太关注但是突然问你一时半会还真答不上的问题。接着理解矩阵。上一篇里说“矩阵是运动的描述”,到现在为止,好像大家都还没什么意见。但是我相信早晚会有数学系出身的网友来拍板转。因为运动这个概念,在数学和物理里是跟微积分联系在一起的。我们学习微积分的时候,总会有人照本宣科地告诉你,初等数学是研究常量的数学,是研究静态的数学,高等数学是变量的数学,是研究运动的数转载 2016-07-29 19:24:03 · 4820 阅读 · 1 评论 -
稀疏向量计算优化小结
在各种算法中,向量计算是最常用的一种操作之一。传统的向量计算,学过中学数学的同学也能明白怎么做。但在现在的大数据环境下,数据一般都会比较稀疏,因此稀疏向量的计算,跟普通向量计算,还是存在一些不同。首先,我们定义两个向量:原创 2016-04-21 21:56:28 · 7617 阅读 · 0 评论 -
python numpy模块玩转矩阵与科学计算
学生时代玩矩阵最爽的工具自然是matlab了。而且matlab天生就是为科学计算,为矩阵而生。matlab的一切对象皆可看成矩阵,最简单的一个整数,也是个1*1的矩阵。但是在公司里面以后,matlab就玩不转了。道理很简单,matlab虽然好用,但是正版软件非常贵。而且,matlab是闭源,跟现在开源的潮流也有些不大符合。。。 那在公司里面,怎么玩科学计算,怎么玩矩阵呢。其实很简单,涉及到数据处理原创 2016-05-10 22:31:01 · 16512 阅读 · 1 评论