linear-algebra

2热度

1回答

我可以计算在20个顶点在几分之一秒的完整图的代数连通（上20个节点）我要求networkx计算其代数连通性，并且它始终运行，没有错误。这里是图表： import networkx D = {0: [32, 33, 19, 5, 21, 37, 6, 38, 39, 41, 26, 42, 11, 43, 28, 44, 15, 31], 5: [32, 0, 33, 19, 37, 21, 6

0热度

1回答

为什么倍频输出$ G = [......] $

当运行该代码（在编程的分配为Coursera）： J = 1/m * [-y.*log(sigmoid((theta)'*X))-(1-y).*log(1-sigmoid((theta)'*X))] 其中m = length(y)，y是m维向量，X是一个m×2矩阵，和theta = 0.1，八度输出： g = [long (#rows)*2 matrix, each entry <

-1热度

1回答

实现与协方差矩阵采样多元高斯是Python的

循环我想要实现此指定的解决方案： https://math.stackexchange.com/questions/2234019/fastest-way-of-sampling-multivariable-guassian-with-covariance-matrix-that-is-ci/ 我应该使用哪个的呢？ https://docs.scipy.org/doc/scipy/referenc

1热度

1回答

乘以两个压缩的上三角矩阵

线性代数中我很糟糕，我正在构建我的循环来繁殖两个压缩矩阵而不扩展它们并包括零。例如， 0 1 2 3 * 10 11 12 13 0 4 5 6 0 14 15 16 0 0 7 8 0 0 17 18 0 0 0 9 0 0 0 19 实际上只是 a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} b = {10, 11, 12, 13, 14, 15, 16,

0热度

1回答

快速生成沿顶点四边形周长的坐标的方法？

我正在编写文档扫描程序，而且遇到了问题。这里是我的应用程序的一般管道： - 检测图像中的边缘 - 在边缘图像中查找直线 - 查找由这些线的交点形成的某个区域的所有四边形 - 通过查找来确定哪个四边形是文档在边缘像素与每个四边形的周长上的总像素之间的比率并且使用最大值然而，对于大图像，最后一步非常缓慢，因为我生成并测试了图像中的所有坐标。是否有更快的方法来生成位于特定四边形周边的图像的x，y坐标？

3热度

2回答

待定线性系统的随机解

考虑一个欠定线性方程组Ax=b。我想找到一组向量x_1, ..., x_n这样的，它们都解决Ax=b和它们尽可能彼此之间为不同。第二部分其实不太重要;每当我打电话给它时，我都会很高兴能返回一个随机的Ax=b解决方案。我知道scipy.sparse.linalg.lsqr和numpy.linalg.lstsq返回一个稀疏的解决方案（以最小二乘法计）的欠线性系统Ax=b的，但我不关心解决方案的性

17热度

2回答

Numpy dot太聪明了关于对称乘法

有人知道关于此行为的文档吗？ import numpy as np A = np.random.uniform(0,1,(10,5)) w = np.ones(5) Aw = A*w Sym1 = Aw.dot(Aw.T) Sym2 = (A*w).dot((A*w).T) diff = Sym1 - Sym2 diff.max（）是靠近机器精度非零，例如4.4E-16。这（从0

0热度

1回答

在scikits.talkbox中替换Levinson实现

模块scikits.talkbox包含Levinson-Durbin递归的一些C代码。不幸的是，这个代码在Python的最新版本中不起作用，我想用纯Python实现替换它。（速度不是问题，只要它的作品。）破碎的C函数的文档字符串都写着： Levinson-Durbin recursion, to efficiently solve symmetric linear systems with

1热度

1回答

缩小行梯形式的变换矩阵

我可以使用命令R = rref(C)在Matlab中计算矩阵C的缩减行梯形形式R. 但是，我也想跟踪所执行的步骤，即获得给出TC = R的变换矩阵T.当使用时，我知道该矩阵应该隐式计算高斯 - 约旦消除。有没有办法让T？也许是一种解决方法？在matlab documentation中，我找不到任何信息。在其他编程语言中是否有可能返回T的rref函数？

0热度

1回答

发生器总是返回相同的元件

我有读取作为代码： def xgauss(self): m, n = self.m, self.n M = self.copy() for k in range(n): for i in range(k + 1, m): yield M if not likezero(M[i][k]): lam = M[i