问题标签 [symmetric]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
matlab - 为什么这段代码关闭了windows系统?
我使用以下代码从未加权和无向图中获取对称邻接矩阵。一旦,我运行它,Windows系统直接关闭
https://drive.google.com/open?id=0B6u8fZadKIp2TFc1c1FmNnJ3TTA
c++ - 如何在 Eigen C++ 中对称化稀疏矩阵?
我A
在 Eigen C++ 中有一个稀疏矩阵。现在我想将它对称到另一个稀疏矩阵Asym
:
我希望它会像这样简单:
但是由于明显的原因,它给出了以下断言失败错误:
我的问题是如何在 Eigen C++ 中巧妙地完成上述操作?
r - 求和后将 1xn + 1xn 矩阵重塑为对称
例如,我有两个尺寸为 1x5 的矩阵,我想在执行c = a+b
操作后将它们重塑为对称的 5x5 矩阵,然后添加diag(c) <- 1
比方说:
我正在寻找的结果是:
请帮助,并提前谢谢你
java - 如何验证 GMAC?
根据《分组密码操作模式建议书:Galois/Counter Mode (GCM) and GMAC》的第 5.2 节(两个 GCM 功能) ,它提到对于 GMAC 的情况,经过身份验证的加密和解密函数成为生成和解密的函数。验证非机密数据上的身份验证标签。
在网上和 JCA 参考页面上查看,我知道 GMAC 是这样生成的:
但是,我对 GMAC 验证有疑问。这是验证 GMAC 的正确方法吗?
哪里验证Gmac大小== 0?
这是带有输入和输出的完整代码:
python - 将数组从 np.triu_indices 转换为对称矩阵
我可以使用以下方法轻松地将对称矩阵转换为其三角形分量之一的数组/一维矩阵
(与 类似tril_indices
)
但是我怎样才能反转这个操作,即如何从给出的数组/一维矩阵中得到一个对称矩阵triu_indices
?
python - 在python中生成一个随机对称张量
我想生成一个关于轴的所有排列对称的随机(高斯)张量。最后,我希望所有条目具有相同的分布,所以像对所有排列求和和通过 sqrt(k!) 重新缩放这样的技巧,其中 k 是我的张量的顺序,是行不通的。例如:
我可以遍历所有坐标 (-1) 并适时重新缩放,但这很耗时。
您知道任何实现此功能的库吗?或者你知道任何快速的实施吗?
c++ - 使用数组填充对称矩阵
我正在尝试创建一个对称矩阵矩阵n x n
,并n*(n+1)/2
使用.boost
c++
到目前为止,我能够创建矩阵,并使用以下代码用随机值填充它
我要做的是使用数组中的值填充对称矩阵的上(或下)部分filler
。所以输出上对称矩阵应该是
关于如何做到这一点的任何想法?
matrix - 检查矩阵是否是对称 MIPS
我有以下练习。
检查以下矩阵是否对称。知道对于所有位置的矩阵当且仅当且仅当 A[i][j]==A[j][i] 时,该矩阵是对称的。A[4][4] = {1, 0, 1, 1, 0, 4, 0, 0, 1, 0, 3, 0, 1, 0, 1, 3};
我确实了解如何使用 C 来证明对称性,但是在 MIPS 中实现它时遇到了麻烦,因为我不明白如何使用 A [i] [j] == A [j] [i] 来翻译只是地址。问题是当 [i] [j] 到 [j] [i] 交换时,我无法识别地址遵循的模式。
r - R:将矩阵转换为对角线为 0 的对称矩阵
我有一个矩阵如下;
我需要得到对称矩阵如下,对角线为 0;
我用for循环试过了,当矩阵的大小很小的时候很好。但是对于大尺寸,这需要时间。在 R 中有什么有效的方法吗?
编辑:第一行在第二和第三列有 1,第一列在第三行有 1。但是要具有对称的第一列也需要在第二行中有 1 个。同样,每一行和每一列都应该考虑 1 来保持对称矩阵。
python - 点积 B^tDB 不返回对称数组
我正在尝试制作表达式的点积,它应该是对称的。
事实证明,事实并非如此。
B是一个 4D 数组,我必须将其最后两个维度转置为B ^t。
D是一个二维数组。(它是有限元方法程序员已知的刚度矩阵的表达式)
与第二个选择相关的numpy.dot
产品(这个想法来自这个主题:Numpy Matrix Multiplication U*B*UT Results in Non-symmetric Matrix)已经被使用并且问题仍然存在。numpy.transpose
numpy.einsum
在计算结束时,获得了乘积B ^t DB,当通过减去它的转置B ^t DB来验证它是否真的是对称的时,仍然有一个残差。
点积或爱因斯坦求和仅用于感兴趣的维度(最后一个)。
问题是:如何消除这些残留物?