cholesky分解浮点错误
Cholesky分解是一种数值线性代数中常用的矩阵分解方法，用于将一个对称正定的矩阵分解为一个下三角矩阵和其转置的乘积。它在数值计算、优化问题、统计学等领域有广泛的应用。
Cholesky分解的主要优势是它可以将原始矩阵分解为两个较小的矩阵，从而简化了计算过程并提高了计算效率。它可以用于解线性方程组、计算矩阵的逆、计算矩阵的行列式等操作。
在云计算领域，Cholesky分解可以应用于大规模数据处理、机器学习、图像处理等任务中。例如，在机器学习中，Cholesky分解可以用于计算协方差矩阵的逆，从而进行高斯过程回归等操作。
腾讯云提供了一系列与Cholesky分解相关的产品和服务，包括：
- 云服务器（Elastic Compute Cloud，ECS）：提供灵活可扩展的计算资源，用于进行Cholesky分解计算。 链接：https://cloud.tencent.com/product/cvm
- 云数据库（TencentDB）：提供高性能、可扩展的数据库服务，可用于存储和管理Cholesky分解所需的数据。 链接：https://cloud.tencent.com/product/cdb
- 人工智能平台（AI Lab）：提供丰富的人工智能算法和工具，可用于在Cholesky分解中应用机器学习和深度学习技术。 链接：https://cloud.tencent.com/product/ai
- 弹性MapReduce（EMR）：提供大规模数据处理和分析的云服务，可用于并行计算Cholesky分解。 链接：https://cloud.tencent.com/product/emr
请注意，以上仅为腾讯云提供的一些相关产品和服务，其他云计算品牌商也提供类似的产品和服务，但根据要求，不能提及具体的品牌商。
相关·内容
5回答
有没有人能给我一个计算稀疏Cholesky分解的并行算法？它必须适合在GPU上执行。任何用CUDA、OpenCL甚至伪代码编写的答案都将不胜感激。
浏览 2提问于2011-08-19得票数 9
回答已采纳
我有n个矩阵，我想求平方根，我的算法需要cholesky .i，我得到的错误是矩阵不是正定的，我把对角线元素转换成实one.still，我得到了同样的错误。有没有其他方法可以找到矩阵的cholesky？
浏览 3提问于2014-04-11得票数 0
3回答
矩阵分解
、、、
我有一个正方形n*n矩阵S，它必须分解为两个矩阵的乘积- A1和A2，其中A2将矩阵转置为A1 (A2=A1^T)，因此A1 * A2 =S。是否有任何算法可以有效地执行此类操作？C#/C++解决方案会更好。
浏览 0提问于2010-07-22得票数 0
我有一个大的(15万×15万)对称的半正定样本协方差矩阵，它的矩阵平方根我希望在Python中有效地计算。
在矩阵是对称psd的情况下，是否有任何方法加速平方根的计算？scipy.linalg.sqrtm对我来说太慢了。
浏览 10提问于2022-02-23得票数 1
回答已采纳
2回答
为了得到一个包含D-dimensional正定矩阵C (在我的例子中是多元高斯微分熵)的行列式的可微项，我可以使用：
torch.log2(torch.potrf(C).diag()).sum() + D / 2.0 * (np.log2(2 * np.pi * np.e))
potrf(C)执行Cholesky分解，其对角线元素的日志值之和为日志行列式除以2。
我想在一小批矩阵上调用potrf，这样在形状(N, D, D)的张量上调用potrf就会产生N不同的Cholesky分解。
目前，我只能在Python循环中反复调用potrf()，这是对GPU并行计算能力的拙劣使用，因此运行速度比CP
浏览 2提问于2018-07-10得票数 1
回答已采纳
我想用本征来计算稀疏矩阵的cholesky分解。然而，结果是不正确的，我找不到理由。我怎样才能得到正确的答案？
在特征中是否有特殊的例程，利用稀疏矩阵的结构来提高性能(如下面的例子或三角形矩阵中的带状矩阵)？
#include <iostream>
#include <Eigen/Sparse>
#include <Eigen/Dense>
int main()
{
// create sparse Matrix
int n = 5;
std::vector<Eigen::Triplet<double> &g
浏览 0提问于2018-11-09得票数 1
回答已采纳
从数学上讲，通过Cholesky分解求正定矩阵的逆矩阵比仅使用np.linalg.inv(X)更快。然而，当我同时尝试这两种方法时，发现Cholesky分解的性能更差！
# Inversion through Cholesky
p = X.shape[0]
Ip = np.eye(p)
%timeit scipy.linalg.cho_solve(scipy.linalg.cho_factor(X,lower=True), Ip)
The slowest run took 17.96 times longer than the fastest. This could mean that an
浏览 9提问于2016-09-19得票数 5
我正在研究对一个或多个自变量进行线性回归的算法。
也就是说：(如果我有m现实世界的值，并且在两个自变量a和b的情况下)
C + D*a1 + E* b1 = y1
C + D*a2 + E* b2 = y2
...
C + D*am + E* bm = ym
我想用最小二乘解来寻找最合适的直线。
我将使用矩阵表示法
其中Beta是向量C，D，E，其中这些值将是最佳拟合线。
问题解决这个公式的最好方法是什么？我是否应该计算出
或者我应该使用矩阵的LU分解/分解。在大量的数据上，每个数据的性能如何(即m的一个大值，按10^8 .)
编辑
如果答案是使用Cholesky分解或Q
浏览 0提问于2013-10-21得票数 4
回答已采纳
我需要计算一个Hessian (二阶导数矩阵)，并修正它当且仅当它不是正定的。如果矩阵不是对称的正(半)定的，而Hessians是对称的，Cholesky分解就失败了。因此，我可以在我的矩阵上使用numpy.linalg.cholesky，这似乎是最有效的检查方法之一。见。
现在，我不知道如何在没有错误的情况下执行Cholesky分解。例如
H=hessian(X)
if np.linalg.cholesky(H) ...??? :
'modification'
浏览 0提问于2019-07-07得票数 0
回答已采纳
我使用ojAlgo来解线性方程组。在一种情况下，我得到了一个RecoverableCondition异常。可能是因为矩阵是病态的，所以条件数大约是1e15。 我使用ojAlgo来解决它，如下面的代码所示。它通常是有效的，但在这种情况下不行。 有没有其他的解算器可以用于对称不定(病态)矩阵？ 目前失败的大小是18x18，但之后可能需要1000x1000。因为它是迭代算法的一部分，所以精度并不是特别重要。 SolverTask<Double> equationSolver = SolverTask.PRIMITIVE.make(KKT, rhs.negate());
浏览 23提问于2021-10-14得票数 1
回答已采纳
我正在尝试使用
经过20-40次迭代后，会出现以下错误：
RuntimeError: symeig_cpu: the algorithm failed to converge; 6 off-diagonal elements of an intermediate tridiagonal form did not converge to zero.
Error is generated from https://github.com/Michaelvll/DeepCCA/blob/master/objectives.py#L46
[D1, V1] = torch.symeig(SigmaHa
浏览 1提问于2019-10-24得票数 3
2回答
生成相关随机样本
、、、、
我阅读了本教程中关于如何得到矩阵C的教程，使C*C^T = R，其中R是给定的协方差矩阵。代码示例实现了两种不同的方法: Cholesky分解或使用特征值。令我惊讶的是，打印这两种不同方法的结果C给出了两个不同的矩阵：
特征值法结果：
[[ 0.11928653 -0.86036701 1.6265114 ]
[ 0.00835653 -0.89810227 -2.16641235]
[ 0.18832863 0.58480336 -0.93409708]]
Cholesky方法结果：
[[ 1.84390889 0. 0. ]
[-1.491396
浏览 1提问于2020-06-01得票数 2
回答已采纳
使用Cholesky分解从多维高斯分布中采样随机变量，并计算随机变量的功率谱。我从numpy.linalg.cholesky得到的结果在高频下总是比scipy.linalg.cholesky有更高的功率。
这两个函数之间可能导致此结果的差异是什么？哪一个在数值上更稳定？
下面是我使用的代码：
n = 2000
m = 10000
c0 = np.exp(-.05*np.arange(n))
C = linalg.toeplitz(c0)
Xn = np.dot(np.random.randn(m,n),np.linalg.cholesky(C))
Xs = np.dot(np.ran
浏览 0提问于2013-05-23得票数 17
回答已采纳
1回答
有两种不同的形式
A = M * ctranspose (M)
以及LDL的形式
A = L * D * ctranspose (L)
其中ctranspose是复杂的转座子。
我想知道每个表单的浮点操作的数量。维基百科引用了的一篇论文
当有效地实现时，LDL分解的复杂度与Cholesky分解相同。
文章说，Cholesky分解需要n^3/6 + O(n^2)操作。然而，维基百科说浮点运算的数量是n^3/3，而我自己的计算也得到了第一种形式的浮点数。它基本上可以归结为三角形数之和，即：
n*(n+1)*(n+2)/6.
这就是我认为报纸得到n^3/6的地方。但是对于第一种形式，最内
浏览 1提问于2014-04-16得票数 3
回答已采纳
我正在将一个脚本从Matlab转换到Python，在Python中我有一个矩阵VarCov，并且我得到了它的Cholesky分解。有时，由于浮点近似，一个应该是正数(PD)的矩阵不是，我必须在对角线上加上一个小数字。以下是Matlab代码：
[CholeskyUpper,pd] = chol(VarCov);
while pd
VarCov = VarCov + 0.0001 * eye(size(VarCov,1));
[CholeskyUpper,pd] = chol(VarCov);
end
Matlab很方便，因为它可以在进行Cholesky分解时返回矩阵是否为PD。这
浏览 9提问于2018-03-05得票数 1
回答已采纳
1回答
我有以下矩阵：
j <- matrix(c(1,1,.5,1,1,.5,.5,.5,1), nrow=3, ncol=3)
它是半正定的，因为所有的特征值都是>= 0.
来源：
> eigen(j, symmetric = TRUE)
$values
[1] 2.3660254 0.6339746 0.0000000
$vectors
[,1] [,2] [,3]
[1,] -0.6279630 -0.3250576 7.071068e-01
[2,] -0.6279630 -0.3250576 -7.071068e-0
浏览 2提问于2016-01-27得票数 2
回答已采纳
1回答
我正在开发一些代码，可以从浮点或固定点从HW获取其数据。目前我们把它作为浮点。
低层API都在定点。因此，我们必须将数据作为不动点返回。我们使用的算法是Cholesky。我想知道为什么我们必须对Cholesky使用浮点，而不只是将数据作为不动点。这样做有什么好处吗？
我认为使用浮点数会导致更大的舍入误差。
浏览 3提问于2016-11-24得票数 2
回答已采纳
嗨，我试图生成尽可能接近第一个表的相关数据(总共13行中的前三行)。还显示了相关列的相关矩阵(corr_total)。
我正在尝试下面的代码，它显示了错误："LinAlgError: 4-前导小数不正定“
from scipy.linalg import cholesky
# Correlation matrix
# Compute the (upper) Cholesky decomposition matrix
upper_chol = cholesky(corr_total)
# What should be here? The mu and sig
浏览 2提问于2018-11-02得票数 4
回答已采纳
1回答
我正在尝试实现 (第4页)。由于工作矩阵是稀疏的，所以我使用的是scipy.sparse模块，但正如您所看到的，Reinsch的算法需要对稀疏矩阵进行乔列斯基分解(让我们称之为my_matrix)来求解某些系统，但我找不到任何与此相关的东西。当然，在相同的算法中，我可以使用例如scipy.sparse.linalg.spsolve来解决稀疏系统，然后在算法的末尾使用如下内容：
R= numpy.linalg.chol( my_matrix.A )
但是，在我的应用程序中，my_matrix通常大约是800*800，所以最后一个是非常不足的。所以，我的问题是，我在哪里可以找到这样的分解？
先谢谢
浏览 15提问于2016-08-20得票数 3
对于我的批处理中的一些矩阵，我有一个异常，因为矩阵是奇异的。
L = th.cholesky(Xt.bmm(X))
cholesky_cpu:对于批51100: U(22,22)为零，奇异U
由于它们很少用于我的用例，所以我想忽略异常并进一步处理它们。我会将结果计算设为nan，是否有可能？
实际上，如果我catch异常并使用continue，它仍然没有完成批处理其余部分的计算。
同样的情况也发生在C++中。
浏览 3提问于2020-02-14得票数 1
回答已采纳
我需要求解Ax = b，其中A是一个对称正定半定矩阵。这可以使用cholesky分解有效地实现。因为矩阵A的维数至少是25000×25000，所以我不能浪费内存。因此，我想使用朱莉娅胆事实的就地版本：
cholfact!(A, :U, pivot = true)
与
F = cholfact(A, :U, pivot = true)
这将节省千兆字节的内存。
但是，计算之后，A是Matrix Float64类型，而F是CholeskyPivoted{Float64}类型。据我所知，就地版本失去了必要的信息，如枢轴向量F.piv。在没有浪费内存的情况下，如何正确计算cholesky分解？
浏览 2提问于2014-10-29得票数 4
回答已采纳
1回答
我读到过在Numpy/Scipy中矩阵的Cholesky分解只有在它是正定的情况下才有效。实际上，下面的方法不起作用，因为矩阵是半正定的 np.linalg.cholesky([[1, 0], [0, 0]])
numpy.linalg.linalg.LinAlgError: Matrix is not positive definite 然而，我使用的是一个对称的半正定矩阵，Numpy对它进行了正确的分解： np.linalg.cholesky([[2, 6], [6, 18]])
array([[1.41421356e+00, 0.00000000e+00],
[4.2426
浏览 216提问于2019-03-11得票数 1
1回答
特征向量、特征值不动点计算
、、、、
** 编辑的 **
我尝试使用将上述Jacobi算法更改为不动点，但没有得到正确的结果。我错过了什么？？
这里是新手。不知何故，我陷入了深渊，我找不到出路。如果你能帮忙那就太棒了！
情况:我试图在C中实现ICA算法。我使用浮点算法(double，float)来实现它。现在，我希望这段代码将它转换成定点，这样我就可以在32位的ARM微控制器上导入它(这就是为什么我不能使用double，float等)。
我发现了四个我认为可以帮助我的图书馆：
http:// sourceforge.net/projects/avrfix/files/
http:// www.dsprelated.c
浏览 3提问于2015-02-16得票数 2
R可以大于矩阵A的维数。
nnmf仅允许用于r< min(size(A))
有没有办法把矩阵分解成两个矩阵？
浏览 7提问于2012-03-07得票数 1
1回答
矩阵求逆的最快法
、、、、
我想用反函数和很多函数来处理图像。要使代码快速运行，可以在三种反演方法中推荐快速方法吗？
double cvInvert(const CvArr* src, CvArr* dst, int method=CV_LU)
具有最优枢轴元的CV_LU高斯消元选择了对称正定义矩阵的CV_SVD奇异值分解方法
浏览 4提问于2012-06-14得票数 3
回答已采纳
1回答
我在寻找快速的java线性代数库。我尝试了很多(jblas，ujmp，ejml和其他)。在性能方面，我最终发现 ( c++ 库的java包装器)更可靠。但是wrapper没有Cholesky分解。但它具有原始特征。有没有办法将分解添加到包装器中？
浏览 0提问于2018-06-23得票数 0
我想对Ax=b使用乔列斯基方法，我的A矩阵是一个5对角矩阵，在对角线上有形式为'3*I + B‘的子矩阵的方程式。B是另一个变量的子矩阵，I是单位矩阵。我想把这个方程式从子矩阵放到A矩阵中，比如：
A=[[3*I + B, 0, 0 ,0],[0, 3*I + B , 0, 0],[0, 0, 3*I + B, 0],[0, 0, 0,3*I + B]]
浏览 0提问于2018-02-25得票数 2
下面是我的Cython代码，用于从多元正态分布中提取数据。我使用循环，因为每次我都有不同的密度。(conLSigma是Cholesky因子)
这会花费很多时间，因为我对每个循环都进行了逆分解和Cholesky分解。它比纯python代码更快，但我想知道是否有任何方法可以提高速度。
from __future__ import division
import numpy as np
cimport numpy as np
ctypedef np.float64_t dtype_t
cimport cython
@cython.boundscheck(False)
@cython.wr
浏览 1提问于2010-11-21得票数 3
我真的很想评估一下，你们中是否有人可以用Cholesky因式分解向我指出最优化和计算速度最快的线性代数库。
到目前为止，我一直在使用Apache 库，但是可能已经有更健壮和更好增强的选项可用了。
例如，PColt、EJML或ojAlgo是更好的选择吗？最迫切的问题主要是一个:我需要迭代计算(通常在2048元素for循环中)多达三个不同矩阵的下三角Cholesky因子；矩阵将达到的最大大小大约是2000x2000。
浏览 5提问于2013-05-24得票数 3
2回答
如何使用Cholesky分解计算矩阵的逆的行列式。我发现直接计算矩阵的行列式不是一个好主意。那么，有人能提供一些见解吗？
浏览 0提问于2012-05-04得票数 2
回答已采纳
2回答
我一直认为lm函数在R中非常快，但是正如这个例子所表明的，使用solve函数计算的封闭解要快得多。
data<-data.frame(y=rnorm(1000),x1=rnorm(1000),x2=rnorm(1000))
X = cbind(1,data$x1,data$x2)
library(microbenchmark)
microbenchmark(
solve(t(X) %*% X, t(X) %*% data$y),
lm(y ~ .,data=data))
有人能解释一下，如果这个玩具例子是一个糟糕的例子，还是情况是lm实际上是慢的？
编辑:正如Dirk建议的那样，由于l
浏览 4提问于2016-04-12得票数 13
回答已采纳
我在Ubutun.There上安装了Lapack-3.6.1是在make期间的一个问题，缺少文件(cholrl.a)。错误信息是这样。
make1:离开目录‘/usr/local/SRC/ Leaving 3.6.1/BLAS/SRC’( cd SRC/VARIANTS；Make1)：输入目录‘/usr/local/SRC/lapack 3.6.1/SRC/VARIANTS’gfortran -O2 -frecursive -c cholesky/RL/cpotrf.f -o cholesky/RL/cpotrf.o gfortran -O2 -frecursive -c cholesky/
浏览 2提问于2016-08-04得票数 2
我想知道，使用多线程(使用fopenmp)是否会加速特征的cholesky分解
有一些关于特征的信息表明，特定的方法可以并行运行，但尚不清楚哪一种方法有好处。
如果本征没有平行分解的选择，也许还有另一种选择？
浏览 1提问于2016-09-10得票数 0
回答已采纳
我有10000到100000阶的稀疏方阵。我正在使用C++编程语言，并使用armadillo和eigen作为线性代数的库，我知道如何使用它们来处理密集矩阵。
如何使用这些库获得大型稀疏矩阵的特征分解(特征值和特征向量)？我们能从特征的稀疏Cholesky函数中得到特征分解吗？
浏览 4提问于2013-06-26得票数 2
1回答
我是Numba的初学者，我想优化这段代码，返回两个numpy数组：
@jit(nopython=True) def payoff_derivative(N_data，control=(False，0))：如果控制== (False，0)：z= np.random.randn(N_data，d) if :Z= control1 W= np.dot(corr_Cholesky，( Z.T).T S= S0*np.exp((r-0.5*sigma**2)*T + sigma*np.sqrt(T)*W)如果type_product ==“篮子呼叫”：payoff =np.maximum(1/d)*n
浏览 3提问于2021-06-03得票数 0
1回答
晚上好，我已经写了一个程序，它使用Eigen3来解决一个稀疏线性系统，其中输入矩阵是.mtx格式的SPD矩阵，输出x应该是1的向量。我必须测试9个不同的矩阵，程序在前7个矩阵上运行良好，而第8个矩阵会导致“写访问冲突”异常。前7个矩阵的维度都小于100MB，而这个矩阵的维度约为300MB。 代码如下： typedef Eigen::SimplicialLDLT<SM> CS;
typedef Eigen::VectorXd V;
typedef Eigen::SparseMatrix<double> SM;
int
main (int argc, char *ar
浏览 8提问于2019-04-30得票数 2
回答已采纳
2回答
如何使用math.net库在C#中实现下面的matlab函数。
多元正态随机分布-
r = mvnrnd(MU,SIGMA,cases)
也在math.net函数下面，没有返回任何结果。我已经尝试过其他方法，比如使用/不使用repetition.But的选择置换/选择变化，没有一个方法返回任何结果。
IEnumerable<double> input=new double[] { 1, 2, 3, 4, 5 };
var re = input.SelectCombinationWithRepetition(3);
我错过了什么吗？？
浏览 0提问于2015-09-04得票数 2
1回答
我有一个数据集x。用cov(x)计算x的协方差。我要计算cov(x)的逆平方根。但我得到了cov(x)的负特征值。
这是我的密码
S11=cov(x)
S=eigen(S11,symmetric=TRUE)
R=solve(S$vectors %*% diag(sqrt(S$values)) %*% t(S$vectors))
这是S的特征值。
c(0.897249923338732, 0.814314811717616, 0.437109871173458, 0.334921280373883,
0.291910583884559, 0.257388456770167, 0.1667871
浏览 0提问于2015-04-13得票数 1
回答已采纳
我试图使用Julia中的isposdef()作为一种先验检验矩阵是否可以被cholesky分解分解的方法。
看起来isposdef并不总是有效的。我是不是用错了？
示例：
D = [5, 8]
V = [1 2; 3 4]
A = V*diagm(D)*inv(V)
println(eig(A))
println(isposdef(A))
在这里，我创建了一个矩阵A，它的特征值为D。我们看到eig(A)同意它们是正的。然而，Isposdef()返回false。我是不是遗漏了什么？
谢谢
浏览 4提问于2014-06-19得票数 9
回答已采纳
如何计算非方阵的Cholesky分解，用numpy计算马氏距离
def get_fitting_function(G):
print(G.shape) #(14L, 11L) --> 14 samples of dimension 11
g_mu = G.mean(axis=0)
#Cholesky decomposition uses half of the operations as LU
#and is numerically more stable.
L = np.linalg.cholesky(G)
def fitting_f
浏览 4提问于2014-05-15得票数 4
我正在尝试使用Eigen::CholmodSupernodalLLT进行Cholesky分解，但是，我似乎无法获得matrixL()和matrixU()。如何从Eigen::CholmodSupernodalLLT中提取matrixL()和matrixU()以供将来使用？
浏览 2提问于2019-04-18得票数 7
1回答
在普通的最小二乘估计中，假设样本矩阵X(形状为N_samples x N_features)具有“满列秩”。
这显然是必要的，以便线性回归可以简化为使用摩尔-彭罗斯逆的简单代数方程。请参阅维基百科文章中关于OLS的这一部分：
从理论上讲，这意味着如果X的所有列(即特征)都是线性独立的，我们可以做出一个假设，使OLS易于计算，对吗？
这在实践中意味着什么？这是否意味着OLS是不可计算的，并将导致这样的输入数据X的错误？或者结果会很糟糕？是否存在由于这一假设不成立而导致线性回归失败的经典数据集？
浏览 20提问于2018-02-08得票数 0
回答已采纳
4回答
随机正定矩阵的生成
、、、、
我想测试我用C++编写的一个简单的Cholesky代码。因此，我生成一个随机的下三角L，并乘以它的转置，生成A。
A = L * Lt;
但是我的代码没有考虑A，所以我在Matlab中尝试了这样的方法：
N=200; L=tril(rand(N, N)); A=L*L'; [lc,p]=chol(A,'lower'); p
这输出的非零p，这意味着Matlab也没有因子A，我猜随机性产生秩亏矩阵。我说的对吗？
更新：
我忘了提到下面的Matlab代码似乎可以工作，正如Malife在下面指出的那样：
N=200; L=rand(N, N); A=L*L'; [lc
浏览 5提问于2012-09-07得票数 5
回答已采纳
我不确定这是一个maths.se问题还是其他问题，但我会这么做，因为我认为它与我的Java有关。
我正在学习一本关于高斯过程()的教科书，并在Java中实现一些示例。几个例子的一个常见步骤是生成协方差矩阵的Cholesky分解。在我的尝试中，我可以得到一个有限大小的矩阵(33x33)的成功结果。但是，对于任何较大的值，NaN都出现在对角线( 32,32)中，因此矩阵中的所有后续值都同样是NaN。
代码如下所示，NaN的源在cholesky方法中指明。本质上，协方差元素a[32][32]是1.0，但是sum的值略高于这个(1.0000001423291431)，所以平方根是虚的。所以我的问题是：
浏览 6提问于2017-09-30得票数 1
回答已采纳
一个简短的(也许是天真的)问题。考虑以下代码，其中Sig是对称的PSD矩阵。
VectorXf c=Sig.ldlt().vectorD();
int p=Sig.cols();
MatrixXf b=MatrixXf::Identity(p,p);
Sig.ldlt().solveInPlace(b);
这里执行了多少次Sig的Cholesky因子分解？如果上面的答案不止一次，我需要D向量和Sig的逆向量。在eigen中获得两者的最快方法是什么(例如，没有冗余的互换)？
浏览 0提问于2013-06-20得票数 2
回答已采纳
在每一个递归循环中，我都要求解两个方程：
X=(B)*Y* inv(B)，X=X+ A‘* inv(B) * A，
我用这样的方式解决问题：
C= inv(B)_Y <=> BC = Y求解C. D= C_inv(B) <=> DB =C <=> B‘= C’
E= inv(B)*A <=> BE = A，求解E.
随着时间的推移，所有的矩阵都会发生变化，所以我不得不再做一次(或反转)每一次递归。N通常在1-10左右，可能更多，但通常是这样的。B是正定的，所以我可以用cholesky进行分解，然后求解多个右手边的方程。
这比把B反转然后用它做矩阵
浏览 7提问于2009-05-31得票数 0
回答已采纳
我比较了计算对称矩阵逆的各种方法：
解决方案(来自LAPCK包)
解决问题(但使用更高的机器精度)
qr.solve (据说速度更快)
ginv (大规模一揽子计划，实施Moore-Penrose algo)
chol2inv (使用Cholesky分解)
通过它们的特征值比较了逆矩阵：
R
library(MASS)
## Create the matrix
m = replicate(10, runif(n=10))
m[lower.tri(m)] = t(m)[lower.tri(m)]
## Inverse the matrix
inv1 = solv
浏览 3提问于2014-11-03得票数 2
回答已采纳
1回答
我有一个输入矩阵，输出矩阵的函数。我在这一行代码中调用它。
cholesky = Application.WorksheetFunction.Cholesky2(covar)
我得到的错误是“运行时错误'438'：Object不支持此属性或方法”。
宣布cholesky为：
dim cholesky() as variant
宣布covar为：
dim covar(2,2) as double
我的猜测是，这里有某种愚蠢的语法错误，我没有意识到。谢谢!
浏览 2提问于2014-07-01得票数 0
回答已采纳
1回答
我一直试图在PyTorch中通过Cholesky分解来计算2x2矩阵的行列式，但它不会给出与Numpy相同的数字，我也不确定为什么。根据我的理解，你可以通过将正定矩阵分解成一个下三角矩阵和它的转置矩阵来计算正定矩阵的行列式，即M= LL^T。
根据行列式定律，M的行列式等于L的行列式乘以L^T的行列式，在下三角矩阵的情况下，它就是对角线的乘积。所以M等于L的对角线乘以L^T的对角线的乘积。
但是，当我在PyTorch中实现它时，我得到了错误的值。我已经复制了下面的示例代码。
import torch
import numpy as np
matrix = torch.Tensor(2,2).
浏览 69提问于2020-07-14得票数 1
有了数据集X，我正在尝试执行Cholesky分解，然后进行Cholesky更新。我的设置如下：
data = readtable("PCA_transformed_data_gt1000.csv",header= true)
data = delete!(data, :1)
n,d = size(data)
s = 6.6172
S0 = s*eye(d)
kappa_0 = 0.001
nu_0 = d
mu_0 = zeros(d)
S0 = LinAlg.chol(S0+kappa_0*dot(mu_0,mu_0'))
S0的类型为
julia> type
浏览 7提问于2017-06-26得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
