Householder和Lanczos双对角化算法用R语言实现

最新推荐文章于 2020-04-12 21:38:33 发布
最新推荐文章于 2020-04-12 21:38:33 发布
阅读量2.1k 收藏 7
点赞数
文章标签： 算法 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhoufeng5759/article/details/51853773
版权
本文介绍了Householder变换的基础知识，并展示了如何使用R语言实现Householder变换进行矩阵双对角化的过程。内容包括复数概念、共轭转置、Hermite矩阵、正规矩阵等数学概念，以及Householder变换的几何意义。
摘要由CSDN通过智能技术生成

基础知识

复数：z=a+bi，其中a，b是实数，i是虚数单位。

a=Re(z)称为实部，实部为零时，z为纯虚数。
b=Im(z)称为虚部，虚部b等于零时，z可以视为实数。

共轭复数：实部相等，虚部互为相反数的复数。

例如：x+yi与x-yi称为共轭复数。
共轭复数有些有趣的性质：

|x+yi|=|x−yi| | x + y i | = | x − y i |
(x+yi)×(x−yi)=x2+y2 ( x + y i ) × ( x − y i ) = x 2 + y 2

共轭转置：将矩阵转至再共轭，记为

最低0.47元/天 解锁文章
evolvementy
关注
专栏目录
Bidiag:计算矩阵的上对角线形式。-matlab开发
05-31
计算上对角线形式的矩阵。
基于Lanczos方法的矩阵双对角化或三对角化
weixin_44498266的博客
06-26 5319
LSQR算法是计算大型稀疏线性方程组的算法，由Paige和Saunders于1982年提出。该方法主要为求解以下线性方程组（A为m*n的矩阵，m>n），且保持二阶残差范数最小： Ax=bMin∥Ax−b∥2 Ax=b\\ Min\parallel Ax-b \parallel_{2} Ax=bMin∥Ax−b∥2​ 对于传统的最小二乘问题，可以直接求出方程的解，但是对于大型稀疏矩阵，往往是病态问题（超定方程组或欠定方程组），因此，LSQR方法不是直接求解x，而是遵守最小二乘的原则，在法方程限定的空间中
matlab开发-矩阵的双对角化
11-15
matlab开发-矩阵的双对角化。代码通过调用Lapack例程计算矩阵的双对角矩阵分解。
Householder
xiuzhentianting的博客
09-17 397
#include #include #define N 3 float Q[N][N],R[N][N],H[N][N]; void printm(float a[N][N]) { int i, j; printf("\n"); for (i = 0; i < N; i++) { for (j = 0; j < N; j++) {
lanczos bidiagonalization（1）
zhuqing2020的专栏
12-23 3574
Lanczos bidiagonalization with partial reorthogonalization （Rasmus Munk Larsen 1998）
Lanczos双对角化方法中近似奇异三元组的改进
04-30
Lanczos双对角化方法中近似奇异三元组的改进
矩阵的特征值与特征向量的计算的matlab实现，幂法、反幂法和位移反幂法、雅可比(Jacobi)方法、豪斯霍尔德(Householder)方法、实对称矩阵的三对角化、QR方法、求根位移QR方法计算实对称矩阵 的特征值、广义特征值问题
04-13
矩阵的特征值与特征向量的计算的matlab实现，幂法、反幂法和位移反幂法、雅可比(Jacobi)方法、豪斯霍尔德(Householder)方法、实对称矩阵的三对角化、QR方法、求根位移QR方法计算实对称矩阵 的特征值、广义特征值问题~都是分析配源程序还有例题分析,其中还包含好几份这方面的实验报告。绝对的好资源，我的目的直接，绝对满足你在数值分析或是数值代数方面对特征值、特征向量的所有要求！！！！ 5分绝对划算，因为这些资源可以算是csdn上所有这方面知道的一个集中，我花了将近70分将所有这些下载来，现在打包全给您了，绝对划算！！！！！
大数据-算法-求解Hamilton矩阵特征问题省略于辛Lanczos算法的误差分析.pdf
04-15
其次，针对文献中提出的算法进行了改进，尤其是对于在Hamilton矩阵J-三对角化过程中可能出现的计算中断或严重失稳情况。文中提出了两种策略：消失稳策略和预处理技术。消失稳策略通过求解减比方程和回溯来避免Bunse-...
[矩阵计算]Lanczos方法：求稀疏矩阵特征值
weixin_30488313的博客
07-30 3655
更新： 29 JUL 2016 由QR方法知，求矩阵$A$的特征值，大多需要先将其三对角化（详细方法见徐树方先生的教材。此处外链一个例子），即 $$ T=Q^TAQ $$ 即找到正交矩阵$Q$使得$T$成为三对角矩阵。然而若$A$为大型稀疏矩阵，常用的方法如Householder和Givens变换都无法充分利用$A$的稀疏性，因此考虑直接计算$T$和$Q$的矩阵元以利用$A$的稀疏性加速运算...
C语言实现GMRES算法解决大型稀疏对称矩阵问题
在内存有限的情况下，通过Lanczos方法减少三对角化的内存需求。提供的代码包括了GMRES所需的主要数据结构和计算过程。" 在数值线性代数中，GMRES算法是一种非预设迭代法，用于求解大型线性系统Ax=b中的x，其中A是...
基于Lapack接口的矩阵双对角化：代码通过调用Lapack例程计算矩阵的双对角矩阵分解。-matlab开发
06-01
此代码提供了基于 Lapack 子例程的可靠双对角分解例程。 Lapack 是数值分析中最可靠的 Fortran 程序之一。 在 Lapack 中，双对角化用于通过例程 zgebrd 和 zungbr 计算矩阵的 SVD。 请参阅http://www.netlib.org/lapack/lug/node53.html但是，Matlab 不支持将双向例程作为独立样式。 因此，此提交帮助人们使用矩阵的双对角化，A = Q * B * P'，其中 A 是非平方的复数或实数，B 是双对角的实数，Q 和 P 是酉或正交的。 最初的 Lapack 接口例程来自 Tim Toolan 在“文件交换”中的工作。 此代码可用于理解 Lapack 接口。 此代码也与 Octave 平台兼容。 请注意，双对角化是矩阵约简保留奇异值的好工具。 相反，如果您减少保留特征值的矩阵，您可能需要使用相似变换，例如 Hes
householder变换基于的matlab程序
05-29
代码不多，是我们上课的时候老师教的，希望能帮到大家~
机器学习：特征降维，奇异值分解，PCA，LDA
燕双嘤
04-12 2014
1，概述 1.1，维数灾难 维数灾难：通常是指在涉及到向量的计算的问题中，随着维数的增加，计算量呈指数倍增长的一种现象。在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维数灾难。 维数灾难涉及数字分析、抽样、组合、机器学习、数据挖掘和数据库等诸多领域。在机器学习的建模过程中，通常指的是随着特征数量的增多，计算量会变得很大，如特征达到上亿维的话，在进行计算的时候是算不出来
奇异值矩阵分解(Singular Value Decomposition)的一些感想
飞奔的火焰的专栏
09-11 1万+
最近的大半年一直在和矩阵分解和数值运算打交道。主要是核心算法里用到了许多矩阵分解的东西，学习的过程很艰辛，走了很多弯路，本文全当一个记录，记录学习过程的一些思考，以及一部分自己的见解。 本文主要分为五部分，在目录中有介绍，正文部分写的比较凌乱，因为记录了自己思考的整个过程。好在SVD的学习曲线不算非常陡峭，因而可以充分的边学边思考，许多算法在建立之后都会划归为矩
【几种特殊的矩阵:对角矩阵、上下三角矩阵、正态分布随机矩阵、魔方矩阵、希尔伯特矩阵、托普利兹矩阵】
sxy201658506207的博客
12-17 1万+
（这两个最不特殊了，线代中学过不过有点忘）1、对角矩阵： 对角矩阵(diagonal matrix)是一个主对角线之外的元素皆为0的矩阵，常写为diag（a1，a2,...,an) 。对角矩阵可以认为是矩阵中最简单的一种，值得一提的是：对角线上的元素可以为 0 或其他值，对角线上元素相等的对角矩阵称为数量矩阵；对角线上元素全为1的对角矩阵称为单位矩阵。对角矩阵的运算包括和、差运算、数乘...
对角矩阵（diagonal matrix）
06-23 2万+
1. 对角矩阵参与矩阵乘法 矩阵 A 左乘一个对角矩阵 D，是分别用 D 的对角线元素分别作用于矩阵 A 的每一行； 相似地，矩阵 A 右乘一个对角矩阵 D，是分别将 D 的对角线元素分别作用于矩阵 A 的每一列 对角矩阵之间的矩阵乘法运算，对角线元素相乘，仍为对角矩阵，自然此时满足乘法的交换律；
对角矩阵 单位矩阵
jacke121的专栏
10-21 1万+
对角矩阵
对角矩阵的性质（diagonal matrix）
热门推荐
taoqick的专栏
11-15 9万+
对角矩阵（英语：diagonal matrix）是一个主对角线之外的元素皆为0的矩阵。对角线上的元素可以为0或其他值。因此n行n列的矩阵{\displaystyle \mathbf {D} } = (di,j)若符合以下的性质： {\displaystyle d_{i,j}=0{\mbox{ if }}i\neq j\qquad \forall i,j\in \{1,2,\ldots
对角矩阵
cyh
12-27 1230
输入M、N，显示数字排列，如输入４、６： 1   3   6  10  14  18 2   5   9  13  17  21 4   8  12  16  20  23 7  11  15  19  22  24 思路：        将矩阵看成如图分割的两部分，左边的很好实现，开始默认a[0][0]为1,，然后要去将2赋到a[1][0]上将3赋到a[0][1]
带 Wilkinson 位移的隐式对称 QR 算法求解对称矩阵特征值matlab代码，要求使用householder三对角化
最新发布
06-09
以下是使用 Householder 三对角化和带 Wilkinson 位移的隐式对称 QR 算法求解对称矩阵特征值的 Matlab 代码： ```matlab function [eigenvalues, eigenvectors] = symmQR(A, tol) % A: n x n 对称矩阵 % tol: 容许误差 % eigenvalues: n x 1 特征值向量 % eigenvectors: n x n 特征向量矩阵 n = size(A, 1); eigenvalues = diag(A); % 初始化特征值向量 eigenvectors = eye(n); % 初始化特征向量矩阵 while true for i = 1:n-1 if abs(A(i+1,i)) < tol % 判断下对角线元素是否为零 continue end % 计算 Householder 变换矩阵 [v, beta] = house(A(i:i+1,i)); H = blkdiag(eye(i-1), v*v'/beta, eye(n-i-1)); % 对矩阵进行 Householder 三对角化 A = H * A * H; eigenvectors = eigenvectors * H; % 对带 Wilkinson 位移的隐式 QR 算法进行迭代 [mu, shift] = wilkinsonShift(A(n-1:n,n-1:n)); [Q, R] = qr(A - mu*eye(n)); A = R * Q + mu*eye(n); % 更新特征值向量 eigenvalues(i:i+1) = A(i:i+1,i:i+1); end % 检查是否满足停止条件 if max(abs(tril(A,-1))) < tol break end end % 对特征向量矩阵进行正交化 for i = 1:n for j = 1:i-1 eigenvectors(:,i) = eigenvectors(:,i) - (eigenvectors(:,i)'*eigenvectors(:,j)) * eigenvectors(:,j); end eigenvectors(:,i) = eigenvectors(:,i) / norm(eigenvectors(:,i)); end end function [v, beta] = house(x) % 计算 Householder 变换矩阵 sigma = norm(x); if x(1) >= 0 v1 = x(1) + sigma; else v1 = x(1) - sigma; end v = x / v1; v(1) = 1; beta = 2 / (v'*v); end function [mu, shift] = wilkinsonShift(A) % 计算带 Wilkinson 位移的隐式 QR 算法中的位移参数 d = (A(1,1) - A(2,2)) / 2; if d >= 0 mu = A(2,2) - A(2,1)^2 / (d + sqrt(d^2 + A(2,1)^2)); else mu = A(2,2) - A(2,1)^2 / (d - sqrt(d^2 + A(2,1)^2)); end shift = A(2,2) - mu; end ``` 其中 `house` 函数用于计算 Householder 变换矩阵，`wilkinsonShift` 函数用于计算带 Wilkinson 位移的隐式 QR 算法中的位移参数。函数返回特征值向量和特征向量矩阵。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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