Als «linear-algebra» getaggte Fragen

Fragen zu den algorithmischen / rechnerischen Aspekten der linearen Algebra, einschließlich der Lösung linearer Systeme, Probleme der kleinsten Quadrate, Eigenprobleme und anderer solcher Fragen.

1
Rein rotierende kleinste Quadrate stimmen überein
Könnte jemand eine Methode für das folgende Problem der kleinsten Quadrate empfehlen: finde R∈R3×3R∈R3×3R \in \mathbb{R}^{3 \times 3} , das minimiert: ∑i=0N(Rxi−bi)2→min∑i=0N(Rxi−bi)2→min\sum\limits_{i=0}^N (Rx_i - b_i)^2 \rightarrow \min , wobei RRR eine einheitliche (Rotations-) Matrix ist. Ich könnte eine ungefähre Lösung erhalten, indem ich ∑i=0N(Axi−bi)2→min∑i=0N(Axi−bi)2→min\sum\limits_{i=0}^N (Ax_i - b_i)^2 \rightarrow \min (beliebiges …




3
Numerisch stabile explizite Lösung eines kleinen linearen Systems
Ich habe ein inhomogenes lineares System Ax=bAx=b Ax=b wobei AAA eine reelle n×nn×nn\times n Matrix mit n≤4n≤4n\leq 4 . AAA wird garantiert, dass der Nullraum von A eine Dimension von Null hat, sodass die Gleichung eine eindeutige Umkehrung von x=A−1bx=A−1bx=A^{-1} b . Da das Ergebnis auf der rechten Seite einer …

2
Berechnung des Cholesky-Faktors
Der Satz der Cholesky-Zerlegung besagt also, dass jede reelle symmetrische positiv-definitive Matrix eine Cholesky-Zerlegung M = L L ⊤ hat, wobei L eine untere Dreiecksmatrix ist.MMMM=LL⊤M=LL⊤M= LL^\topLLL Angesichts von wissen wir bereits, dass es schnelle Algorithmen gibt, um den Cholesky-Faktor L zu berechnen .MMMLLL Angenommen, ich habe eine rechteckige Matrix …





1
Wie erkennt man die Multiplizität für die Eigenwerte?
Angenommen, A ist eine allgemeine Matrix mit geringer Dichte, und ich möchte die Eigenwerte berechnen. Ich weiß nicht, wie ich die Multiplizität für die Eigenwerte ermitteln soll. Soweit ich weiß, können wir für einen speziellen Fall, bei dem die Polynomwurzeln mit der Begleitmatrixmethode ermittelt werden, RRQR anwenden, um die Multiplizität …



1
Berechnung von Standardfehlern für lineare Regressionsprobleme ohne Berechnung der Inversen
Gibt es eine schnellere Möglichkeit, Standardfehler für lineare Regressionsprobleme zu berechnen, als durch Invertieren von ? Hier gehe ich davon aus, dass wir eine Regression haben:X′XX′XX'X y=Xβ+ε,y=Xβ+ε,y=X\beta+\varepsilon, wobei eine n × k- Matrix und y ein n × 1- Vektor ist.XXXn×kn×kn\times kyyyn×1n×1n\times 1 Um eine Problemlösung für die kleinsten Quadrate …


Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.