games103 物理模拟第三节笔记补充

这篇博客详细介绍了矩阵求逆的直接法,如LU、LDLT、Cholesky、QR和SVD分解,并讨论了LU分解的矩阵稀疏性和时间复杂度。此外,还提到了迭代法求解矩阵逆的适用条件以及在物理模拟中,二维等大反向量的求导方法和积分估计的两种方法:mid-point和leapfrog method。
摘要由CSDN通过智能技术生成

矩阵求逆直接法

        1、LU分解

        2、LDLT分解法
        3、Cholesky分解

        4、QR分解

        5、SVD分解

        6、Jordan分解

关于LU分解

        LU分解的矩阵稀疏性与矩阵A的排列顺序有关,在这个领域,matlab提供了一套较好的解决方案,LU函数可以返回排序矩阵。本质lu分解是高斯消元的加速形式,时间复杂度大约在O(n^2/3)左右。直接法求解矩阵逆的缺点在于依赖CPU程度较高。在此领域Intel提供了一套较为成熟的方案,MKL PARDISO库提供了直接法求解的函数,Eigen库则需要进行部分调试后使用。

迭代法求解矩阵逆

        判断迭代方法可行性可以利用谱半径

二维(六维)等大反向向量求导

因此可利用H正定性推导出二维正定性

积分估计

mid-point方法为二阶准确

leapfrog method 采用mid-point method获取一个期望上也许更加准确的值(简单获取二阶的方法) 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值