matrix computation
吴一奇
try again and again and again...
展开
-
矩阵计算系列文章
矩阵计算系列文章矩阵计算又可称数值线性代数,主要是解决形如 $Ax = b$ 的线性方程组。下面列出目录,后续将逐一完成。如果大家对某一章节特别感兴趣,可以在下面留言,我优先考虑写该章节。原创 2016-11-03 20:45:37 · 652 阅读 · 0 评论 -
如何更好的理解矩阵
简介:介绍一些理解矩阵的技巧 1. 把矩阵看成线性变换Ax 就是把向量xx变换成另一个向量。Ax 的结果就是矩阵AA的列向量的线性组合原创 2017-07-14 11:24:23 · 592 阅读 · 0 评论 -
ATA对称正定的证明
1. 结论 Let A∈Rn×mwithn>m,A∈Rn×mwithn>m,A\in R^{n\times m} \quad with \quad n>m, then matrix ATAATAA^TA is positive semidefinite, If rank(A)=m(i.e.Ahasfullrank),rank(A)=m(i.e.Ahasfullrank),ra...原创 2017-07-14 10:02:51 · 12584 阅读 · 0 评论 -
第三章 最小二乘问题
摘要:本篇主要对教材第三章有关最小二乘的重要概念做一总结原创 2017-07-13 18:15:53 · 1460 阅读 · 0 评论 -
矩阵计算一些重要的结论及其证明
对称正定矩阵对角线元素之和等于特征值之和;对称正定矩阵的对角线元素都大于0;对称正定矩阵的特征值都大于0原创 2017-04-10 19:40:04 · 3481 阅读 · 0 评论 -
如何保证矩阵计算的精确度:backward stable & well conditioned
大纲:介绍范数;介绍条件数;介绍条件数的几何意义;介绍有条件数得出的误差估计;介绍backward stable;介绍backward stable + well conditioned 可以得出求解结果精确的结论;介绍如何判断是否backward stable。 介绍实际操作中该怎么做:1)判断是否well conditioned,如果不是该怎么调整;2)通过residual判断是否...原创 2017-01-21 20:29:42 · 2154 阅读 · 1 评论 -
迭代法01--定常迭代法
本文主要介绍定常迭代法,给出迭代公式,分析其收敛性,包括:- Jacobi 迭代- Gauss-Seidel 迭代- Successive Over-Relaxation原创 2017-01-07 00:01:02 · 3771 阅读 · 0 评论 -
矩阵分解总结
1. 简介对于线性系统Ax=bAx=b,其解为x=A−1bx=A^{-1}b。但通常情况下,求矩阵的逆十分耗时,应尽量避免。常用的方法包括直接法(Direct Method)和迭代法。 直接法的核心就是矩阵分解(Matrix Factorization),包括: SVD分解QR分解LU分解(等价于高斯消元)Cholesky 分解LDLT分解原创 2016-12-23 21:27:31 · 2656 阅读 · 0 评论 -
非线性方程(组)的求解
1. 非线性方程的求解1.1 简介 非线性方程是指含有指数和余弦函数等非线性函数的方程,例如,ex−cos(πx)=0ex−cos(πx)=0e^x-cos(\pi x)=0 与线性方程相比,无论是解的存在性,还是求解的计算公式,非线性方程问题逗逼线性问题要复杂的多,对于一般线性方程f(x)=0f(x)=0f(x)=0,既无直接法可用,也无一定章程可寻。常用的方法有:实根的对分...原创 2016-11-25 15:44:00 · 48614 阅读 · 4 评论 -
第四章 SVD
SVD may be the most important matrix decomposition of all, for both theoretical and computational purposes.4.1 Introduction Theorem 4.1.1 (SVD Theorem) Let A∈Rn×mA∈Rn×mA \in R^{n\times m} ...原创 2017-07-25 18:10:53 · 662 阅读 · 0 评论