linear-algebra

3熱度

2回答

這可能更像是一個線性代數問題，但是說我有一個SCNVector，並且我想要一個新的SCNVector，它與y軸（或任何軸）之間的角度與原始角度成一定角度。如此理想地： extension SCNVector3 { // assume dot, cross, length, +, - functions are available. enum Axis { case

1熱度

2回答

矩陣圍繞任意軸旋轉問題

我一直試圖圍繞任意軸工作得到矩陣旋轉，我想我很接近但是我有一個bug。我對3D旋轉比較陌生，對發生的事情有基本的瞭解。 public static Matrix4D Rotate(Vector3D u, Vector3D v) { double angle = Acos(u.Dot(v)); Vector3D axis = u.Cross(v); double c

1熱度

2回答

如何計算Apache Spark中兩個分佈式RowMatrix的點積？

讓Q是一個分佈式的行矩陣中的星火，我想計算的Q跨產品與它的轉Q'。儘管行矩陣確實有一個multiply()方法，但它只能接受局部矩陣作爲參數。碼圖（斯卡拉）： val phi = new RowMatrix(phiRDD) // phiRDD is an instance of RDD[Vector] val phiTranspose = transposeRowMatrix(phi)

1熱度

1回答

Python：將矩陣列表中的矢量列表乘以單個矩陣運算

我有一列100 N-dimensional矢量和一列100 MxN矩陣。因此，您可以將這兩種數據結構看作100xN列表（或numpy數組）和100xMxN列表（或numpy數組）。我想要做的是取每個向量及其對應矩陣的點積，使得輸出應該是100 M-dimensional矩陣（即100xM列表或numpy數組）。但是，我不確定如何做到這一點。我不想迭代地做，因爲效率顯而易見。我也知道這不是基本的

3熱度

1回答

我是否正確實施此算法？

我試圖實現一個塊不共軛梯度算法，不受從不可逆殘差矩陣的分解;但是我得到了無意義的結果（在每次迭代中，排名Rcurrent應該變小，而不是增加）。它被提供在Hao Ji和Yaohang Li的論文「A breakdown-free block conjugate gradient method」中。這裏的算法：這是我在茱莉亞實現： function orth(M::Matrix) ma

-1熱度

1回答

不同的特徵值來自np.eig和np.svd

我正在比較np.eig（np.dot（A.T，A））** 2和np.eig（A）計算出的特徵值。我發現一些值是相同的，但有些不是。有人可以告訴我爲什麼會發生這種情況？

-2熱度

1回答

如何將公式轉換爲Python？

我想在Python中使用兩個公式爲Paper。這個公式：我把它翻譯成這樣的代碼： P = A #(size 24x24) Q = B #(size 24x24) sum_of_all = 0 for row in range(0,P.shape[0]): for column in range (0,P.shape[1]): zwischen

3熱度

2回答

如何在處理複數和numpy時在python中正確指定dtype？

我需要檢查矩陣是否在Python單一，對於我使用這個功能： def is_unitary(m): return np.allclose(np.eye(m.shape[0]), m.H * m) ，但是當我試圖通過指定一個矩陣： m1=np.matrix([complex(1/math.sqrt(2)),cmath.exp(1j)],[-cmath.exp(-1j).conjugate

1熱度

1回答

sympy問題解決線性系統

我使用Jupyter QtConsole上運行的Python v.3.6。我試圖用Sympy在一個數據集上做一些線性代數，用於將預測與調查分數聯繫起來的個人項目。本質上，我設置了一個增廣矩陣，其中N = 14個線性方程組和M = 5個未知數，並且試圖解決這個系統。我的問題是，當我使用solve_linear_system命令我增廣矩陣，我沒有得到任何輸出我的代碼： import sympy fr

1熱度

1回答

張量流中的線性模型

我試圖在Tensorflow中生成一個簡單的線性模型。下面是代碼... N = 400 features = 100 nSteps = 1000 data = (np.random.randn(N, features), np.random.randint(0, 2, N)) W = tf.placeholder(tf.float32, shape=(features,1), nam