问题标签 [qr-decomposition]

我尝试使用Eigen进行QR分解，但是从以下两种方法得到的结果不同，请帮助我找出错误！谢谢。

我正在手动尝试计算回归系数，而不是对数据使用任何默认值http://people.sc.fsu.edu/~jburkardt/datasets/regression/x31.txt

这是我的代码，它可以正确生成满足 A=QR 的 Q&R。但我无法找到系数作为 Q & R 产生问题的维度。任何专家可以在这里帮助我吗？当我有适当的问答时，如何找到系数会出错？

避免数组分配有利于性能。但是，我还没有理解执行矩阵 QR 分解的最有效方法是什么A。（注意：需要 Q 和 R 矩阵）

简单地使用 Q, R = qr(A) 可能不是最好的主意，因为它同时分配了 Q 和 R，两者都可以重新分配。

该功能qrfact允许以打包格式存储分解。但是，之后我仍然会写： F = qrfact(A); Q = F[:Q]; R = F[:R] 再次为Qand分配新数组R。最后，文档还建议了该qrfact!函数，该函数通过覆盖输入 A 来节省空间，而不是创建一个副本。但是，如果一个人使用F = qrfact!(A) 了被覆盖的东西，在某种意义上说它不是orA是没有用的，这是一个人（特别是我）需要的。QR

所以我的两个问题是：

1. 如果您只关心矩阵Q并且R重新分配它们没有问题，那么执行 QR 分解的最佳/最有效方法是什么。

2. A调用时矩阵中实际写的是什么qrfact!(A)？

我有三个关于张量分解的问题。

1. 张量分解（分解）的情况（或应用）是什么？
2. 这在未来成为主流技术的可能性有多大？
3. 你如何使用它？

我目前正在 R 中构建一个应用程序来计算 QR 矩阵分解、QR 非负矩阵分解和计算 ICA。目前我正在处理第一个任务。我收到以下错误：

代码：

我对 R 很陌生。请提出可能是哪个问题。

我正在尝试解决 A*x = b 其中 A 具有复杂值且密集的问题。

我使用 cuSolverDN 库中的 cusolverDnCgeqrf() 方法对一组线性方程组进行 QR 分解。但是，我想多次这样做以加快处理速度。

这种方法有“批处理”版本吗？或者我可以使用另一个 CUDA 库吗？

我无法解决我认为应该是一个相当简单的问题。基本问题是我想修改 Eigen PermutationMatrix 但我不知道如何。

我正在X使用 C++ Eigen 库对一些矩阵进行 QR 分解。我在秩不足的矩阵上做这个，我需要一个特定的输出。具体来说，我需要

R^{-1} * t(R^{-1})

问题是 usingEigen::ColPivHouseholderQR返回一个置换版本的R. 这很容易解决X满级时的问题，但我想要最快的解决方案来解决等级不足的情况。让我演示一下：

所以基本问题是我想修改 Pmat 以便它只置换我从中提取的 R_inv 的 r 列PQR.matrixQR()。我的基本问题是我不知道如何使用 Eigen PermutationMatrix 修改工作，因为它似乎没有任何普通矩阵的方法或属性。

一种可能的解决方案如下：当我相乘时Pmat * MatrixXd::Identity(p, p)，我得到一个有用的矩阵。

例如，我得到类似的东西：

如果 p = 4 和 r = 3，那么我会喜欢这个子视图，在其中我删除前 r 列右侧的所有列，然后删除所有为 0 的行：

所以我可以做到以下几点：

但这似乎很昂贵，并且没有利用 Pmat 已经知道应该删除哪些 Pmat 行的事实。我猜有一种更简单的方法可以使用 Pmat。

有什么方法可以轻松修改 Eigen PermutationMatrix 以仅考虑未放置在第一个r位置之外的列？

任何帮助或提示将不胜感激。

我想出了另一个解决方案，它可能需要更少的计算。

对此感到困惑：我正在计算以下矩阵 X 的 QR 分解，我希望通过计算乘积 QR 来返回 X。好吧，该产品给出了“几乎”X，但是第 1 列和第 2 列倒置了……这怎么可能？

我有一个关于将 matlab 函数转换为 R 的问题，我希望有人能提供帮助。

matlab 和 R 中使用的标准 QR 分解称为 qr()。据我了解，用两种语言执行 qr 分解的标准方法是：

Matlab： [Q,R] = qr(A)满足 QR=A

回复：

两者都为我提供了相同的结果，不幸的是，这不是我所需要的。我需要的是这个：

Matlab： [Q,R,e] = qr(A,0)产生经济尺寸分解，其中 e 是置换向量，因此 A(:,e) = Q*R。

R：没有线索

我尝试将[Q,R,E] = qr(A)与

变量 Q 和 E 的结果似乎相同（但 R 不同）。因此，根据定义的输入/输出，会有不同的结果（这是有道理的）。

所以我的问题是： R中有没有一种方法可以在Matlab中模仿这个 [Q,R,e]=qr(A,0) ？

我曾尝试深入研究 matlab 函数，但它导致了漫长而曲折的无尽函数定义之路，我希望有更好的解决方案。

任何帮助将不胜感激，如果我遗漏了一些明显的东西，我深表歉意。

我有以下算法实现

vetnorm_r我的问题是在每次迭代（可能在每次重新启动时）获取一个包含所有残差范数（作为输出）的向量（可能是矩阵）。我不知道如何构建这个向量或矩阵。

% 输入 A REAL 非对称正定矩阵 % x REAL 初始猜测向量 % b REAL 右手边向量 % M REAL 预处理器矩阵 % restart INTEGER 重新启动之间的迭代次数 % maxit INTEGER 最大迭代次数 % tol REAL 容错 % % 输出 x实数解向量 % 误差 实数误差范数 % iter INTEGER 执行的迭代次数 % flag INTEGER: 0 = 找到公差的解 % 1 = 给定 maxit 没有收敛

感谢您的任何回复