问题标签 [linear-algebra]

我有一组在图形上下文中绘制矢量的 Java2D 调用。我希望图像的大小翻倍，然后旋转 90 度。

我正在使用以下代码来执行此操作：

这会旋转和缩放，但是，比例并没有按照我想要的方式应用。就好像它在缩放之前旋转，从而使图像在错误的轴上变宽。

有一个更好的方法吗？

我是闪电战++新手。到目前为止，一切都很好，但我有点困惑为什么下面代码中的注释行无法编译

我在 Debian/Lenny (g++ 4.3.2, Blitz 0.9)。这是代码：

我确实喜欢被约束，所以很高兴知道是否有办法让它工作（到目前为止，Blitz++ 的经验表明，这可能只是选择正确的包括... ）。

计算矩阵的特征值有多昂贵？

最佳算法的复杂度是多少？

如果我有一个 1000 x 1000 的矩阵，实际需要多长时间？我认为如果矩阵稀疏会有帮助吗？

是否存在特征值计算不会终止的情况？

在R中，我可以计算特征值，如下面的玩具示例所示：

有谁知道它使用什么算法？

是否有任何其他（开源）包可以计算特征值？

我想对增强矩阵和向量类型执行逐元素函数，例如对每个元素取对数，对每个元素求幂，应用特殊函数，例如 gamma 和 digamma 等（类似于 matlab 对应用的这些函数的处理到矩阵和向量。）

我想为每个所需的功能编写一个强力的辅助函数就足够了，但这似乎很浪费。

同样，boost wiki 提供了一些代码来矢量化标准函数，但这似乎相当复杂。

有人建议使用 valarray，但我想避免在数据类型之间进行转换，因为我需要 ublas 数据类型用于其他操作（矩阵乘积、稀疏矩阵等）

任何帮助是极大的赞赏。

我有矩阵系统：

A x B = C

A由和由. a_ _ 两者和都是未知的，但我有部分信息（我有一些值，但不是全部）并且被挑选得足够小，以至于系统预计会受到过度约束。不需要过度约束 in 中的所有行或列。nBnbABCnAB

我正在寻找最小二乘 线性回归之类的东西来找到最适合这个系统的东西（注意：我知道不会有一个唯一的解决方案，但我想要的只是最好的解决方案之一）

举个具体的例子；所有 a 和 b 都是未知的，所有 c 都是已知的，而 ? 被忽略。我想找到 一个仅考虑已知 c 的最小二乘解决方案。

请注意，如果 B 仅被修剪为 b11 和 b21 并且未知的第 4 行被剔除，那么这几乎是一个标准的最小二乘线性回归问题。

给定一组具有 x,y 坐标的数百万个点，选择什么算法可以快速找到距某个位置最近的 1000 个点？这里的“快速”是指家用计算机上大约 100 毫秒。

蛮力意味着进行数百万次乘法然后对它们进行排序。虽然即使是一个简单的 Python 应用程序也可以在不到一分钟的时间内完成，但对于交互式应用程序来说仍然太长了。

这些点的边界框是已知的，因此可以将空间划分为一个简单的网格。然而，这些点的分布有些不均匀，所以我怀疑大多数网格方块会是空的，然后突然其中一些会包含大部分点。

编辑：不一定要准确，实际上可能非常不准确。例如，如果前 1000 名实际上只是前 2000 名中的一些随机点，那将不是什么大问题。

编辑：点集很少改变。

这是我需要做的-

我有这个等式-

轴 = y

其中 A 是一个有理 m*n 矩阵 (m<=n)，x 和 y 是正确大小的向量。我知道A和y，我不知道x等于什么。我也知道在 Ax 正好等于 y 的地方没有 x。我想找到向量 x' 使得 Ax' 尽可能接近 y。这意味着 (Ax' - y) 尽可能接近 (0,0,0,...0)。

我知道我需要使用 lstsq 函数： http ://www.scipy.org/doc/numpy_api_docs/numpy.linalg.linalg.html#lstsq

或 svd 函数： http ://www.scipy.org/doc/numpy_api_docs/numpy.linalg.linalg.html#svd

我根本看不懂文档。有人可以告诉我如何使用这些功能来解决我的问题。

非常感谢！！！

我正在做一个幕后 3d 模拟，同时在我的 2d 等距引擎中渲染世界。我以前从未做过等距引擎，而且我的矩阵数学一般都生锈了，所以我遇到了问题。

我有一个投影矩阵，它最简单的形式是：

几个标志被翻转了，因为我的引擎坐标系在左上角是 0,0，+X 在右/东，+Z 在南。

现在，它的反面是：

现在，这些矩阵大部分都有效。

例如

WC： 500,0,500 =屏幕： -1.44、350、500（X 和 Y 正确）

WC： 0,0,500 =屏幕： -355、175、500 （X 和 Y 再次正确）

但是，现在如果你需要走另一条路，你不再有那个方便的 Z 值，所以

屏幕： -1.44、350、0 = WC： -2、-402.97、0（所以，垃圾。）

还有更多——一旦我不再拥有那个 Z 值，我就无法从屏幕坐标中检索世界坐标。

这里有什么解决方法？

编辑

我应该指出，取消项目的目的是为鼠标拾取获得光线..

似乎只是我对自己所做的事情的误解让我在这里搞砸了。

我想知道是否有办法提高计算斜率的准确性。（这是几个月前在这里提出的）。

似乎通过改变：

至

可能是一个改进。建议？

编辑：我追求的是精度，而不是效率。

就像标题说的那样，我需要为我的正定矩阵A形成cholesky LDL分解（就像普通的cholesky，但是L的一个对角线，D是对角矩阵）。我在 Lapack 中发现只有一个函数可以做到这一点，但它说矩阵 A 必须是三对角矩阵。在一些免费的子程序库（如 lapack）中是否有某种功能可以做到这一点？