使用numpy将下三角形半部分转换为对称矩阵
可以通过以下步骤实现：
- 导入numpy库：在代码中导入numpy库，以便使用其中的函数和方法。
import numpy as np- 创建下三角形矩阵：使用numpy的tril函数创建一个下三角形矩阵。
lower_triangle = np.tril([[1, 2, 3], [4, 5, 6], [7, 8, 9]])- 转换为对称矩阵：使用numpy的triu函数将下三角形矩阵转换为对称矩阵。
symmetric_matrix = lower_triangle + lower_triangle.T - np.diag(np.diag(lower_triangle))- 打印结果：使用print函数打印转换后的对称矩阵。
print(symmetric_matrix)完整代码如下：
import numpy as np
lower_triangle = np.tril([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
symmetric_matrix = lower_triangle + lower_triangle.T - np.diag(np.diag(lower_triangle))
print(symmetric_matrix)这段代码将会输出以下结果：
[[1 4 7]
[4 5 8]
[7 8 9]]这是一个对称矩阵，其中下三角形部分与上三角形部分相同。这种转换可以用于处理下三角形矩阵的数据，使其具有对称性，方便后续的计算和分析。
推荐的腾讯云相关产品：腾讯云计算服务（Tencent Cloud Computing Service）
产品介绍链接地址：https://cloud.tencent.com/product/cvm
相关·内容
2回答
你知道在numpy中有像hermitian矩阵类这样的东西吗？我想优化矩阵计算，比如
B=U*A* U.H
，其中A(因此，B)是厄米特的。在不指定的情况下，将计算B的所有矩阵元素。事实上，它应该能够在这里节省大约2倍的系数。我错过了什么吗？
我需要的方法应该取A的上/下三角形，U的完整矩阵，并返回B的上/下三角形。
浏览 1提问于2015-11-06得票数 2
1回答
我正在使用Eigen::SparseMatrix处理一个线性方程组的大型矩阵，目前我使用setFromTriplets()来设置它。
我的问题是，我不能发现是否有可能通过它有效地初始化对称矩阵。现在，我不得不在内存中保留它的上部和下部(在一个三元组列表中，这要糟糕得多，因为不仅有一个值本身，而且还有它的索引)。
如果该函数可以在遇到时立即复制非对角线元素，那就更好了。或者已经有这样的功能了？
另外，也许矩阵的一个属性是对称的，所以即使在初始化之后，它也只在内存中保留其中的一个部分，并且所有其他算法都会考虑这个属性？
浏览 22提问于2019-11-09得票数 0
回答已采纳
1回答
我使用jCUSPARSE (cuSparse库包装器)进行矩阵向量乘法，并且函数有问题。
cusparseDcsrmv(handle, cusparseOperation.CUSPARSE_OPERATION_NON_TRANSPOSE, matrixSize, matrixSize, alpha, descra, d_csrValA, d_rowPtrA, d_colIndA, x, beta, y);
如果我使用描述符初始化
cusparseSetMatType(descra, cusparseMatrixType.CUSPARSE_MATRIX_TYPE_GENERAL);
它的工作速
浏览 6提问于2011-11-02得票数 1
9回答
我需要知道矩阵是不是。我的矩阵是numpy矩阵。我希望在numpy库中找到任何相关的方法，但没有成功。我很感谢你的帮助。
浏览 7提问于2013-04-29得票数 71
回答已采纳
1回答
我当时正在创建一些邻接矩阵，却发现了一个奇怪的问题。
我有一个满是1s和0的矩阵。我想把它的转位乘以它(t(X) %*% X)，然后运行一些其他的东西。因为这个例程开始变得很慢，我把它转换成一个稀疏矩阵，它明显地更快了。
但是，当我将稀疏矩阵转换为稀疏格式时，稀疏矩阵的大小会增加一倍。
下面是一些遇到相同问题的通用示例
set.seed(666)
nr = 10000
nc = 1000
bb = matrix(rnorm(nc *nr), ncol = nc, nrow = nr)
bb = apply(bb, 2, function(x) x = as.numeric(x > 0)
浏览 5提问于2017-11-27得票数 3
回答已采纳
1回答
使用breeze 0.13，Scala 2.12.3
我想通过将下面的三角形复制到上面的三角形来创建一个对称矩阵。按照中的说明进行操作。可能我使用的函数不正确，但lowerTriangular函数似乎不能正常工作。副本就是
val myMtx = breeze.linalg.DenseMatrix((1,-8,-9) , (2,1,-7), (3,5,1))
//myMtx: breeze.linalg.DenseMatrix[Int] =
// 1 -8 -9
// 2 1 -7
// 3 5 1
复制下三角形(似乎不起作用)
breeze.linalg.lower
浏览 11提问于2017-12-15得票数 0
回答已采纳
1回答
我正在绘制不同大小的等边三角形，我很难使它们沿垂直轴对称。这里我画了两个三角形。左边的三角形(正确呈现)有坐标(0.0，0.0)，(-7.0，14.0)和(7.0，14.0)。另一方面，右边的三角形有坐标(0.0，0.0)，(-7.0，15.0)和(7.0，15.0)，沿垂直轴不对称。
📷
下面是我使用的矩阵：
glm::mat4 model_matrix = glm::translate(glm::mat4(1.0f), glm::vec3(90.0f, 90.0f, 0.0f));
glm::mat4 view_matrix = glm::mat4(1.0f);
glm::mat4 pro
浏览 0提问于2014-04-25得票数 2
回答已采纳
我有一个扁平列表(连接行)中对称矩阵的上三角形条目(包括对角线)，我想用它们填充整个矩阵，包括下三角形。做这件事最快的方法是什么？
这是我目前的方法。对于如此简单的操作，似乎有很多工作要做。
import numpy as np
def utri2mat(utri,ntotal):
iu1 = np.triu_indices(ntotal)
ret = np.zeros([ntotal,ntotal])
ret[iu1] = utri
ret = ret + ret.transpose() - np.diag(ret.diagonal())
return
浏览 0提问于2015-12-12得票数 2
3回答
我正在寻找一个项，可以用于矩阵的对角线等于零和上下三角形是对称的。
例如，如果我的矩阵大小为5乘5，则矩阵将如下所示：
0 1 2 3 4
1 0 5 6 7
2 5 0 8 9
3 6 8 0 10
4 7 9 10 0
这个矩阵有术语吗？
浏览 5提问于2017-07-07得票数 1
回答已采纳
2回答
因此，我试图使用CVXPY包(一个带有线性矩阵不等式约束的优化问题)在Python中实现一个简单的优化代码。代码如下所示。
我尝试使用Python3.6运行代码。
import cvxpy as cp
import numpy as np
import matplotlib.pyplot as plt
import control as cs
gamma = cp.Variable();
MAT1 = np.array([[1, gamma], [1+gamma, 3]])
constraints_2 = [MAT1 >> 0]
prob = cp.Problem(cp.Min
浏览 0提问于2019-06-02得票数 1
回答已采纳
1回答
我读到过在Numpy/Scipy中矩阵的Cholesky分解只有在它是正定的情况下才有效。实际上，下面的方法不起作用，因为矩阵是半正定的 np.linalg.cholesky([[1, 0], [0, 0]])
numpy.linalg.linalg.LinAlgError: Matrix is not positive definite 然而，我使用的是一个对称的半正定矩阵，Numpy对它进行了正确的分解： np.linalg.cholesky([[2, 6], [6, 18]])
array([[1.41421356e+00, 0.00000000e+00],
[4.2426
浏览 216提问于2019-03-11得票数 1
这是一个非常简单的脚本，生成一个有10000个点的二维高斯。np.cov估计的协方差矩阵似乎与生成的协方差矩阵相差甚远。解释是什么?有解决方案吗？ import numpy as np
import matplotlib.pyplot as plt
center=[0,0]
npoints=10000
data_covmat = np.array([[1,1],[1,0.5]])
lines=np.random.multivariate_normal(center,data_covmat,npoints)
print(f'2D gaussian centered at {cente
浏览 23提问于2020-01-05得票数 0
回答已采纳
2回答
我想用python以最快的方式计算一个内核矩阵:输入是一个矩阵X= n样本，n特征，输出应该是一个对称矩阵D=n样本，n样本
我现在使用的方法，即使是基于迭代器的，对for循环的处理似乎非常慢……有人能想出更好的办法吗？
谢谢
到目前为止我的方法是：
from itertools import combinations
def computeKernel(X,dlambda):
nsamples=X.shape[0]
D=numpy.zeros((nsamples,nsamples))
for el in combinations(range(nsamples),2):
浏览 1提问于2011-09-13得票数 1
考虑A是一个n×n矩阵。它不是一个特殊的矩阵，在最坏的情况下，它的所有条目都是非零的。我正在寻找一种使用矩阵向量运算来计算AA^T的方法。flops的总数是(2n-1)*(n(n+1))/2，因为对于像C=AA^T这样的对称矩阵，我所要做的就是计算对角线分项C(i，i)=A(i，:)^T * A(i，:)。我现在想要的是计算下三角形部分，当我完成后，我只是说上三角形部分和下三角形部分是一样的。问题是，我是否可以在矩阵-向量乘法中执行，或者它是否会迫使我执行不必要的乘法(如上面部分中的元素相乘)？很明显，标量计算可以工作，但我有兴趣知道矩阵-向量计算是否可以工作。
浏览 22提问于2021-07-07得票数 1
下面的代码计算实对称矩阵的特征值分解。然后，计算第一特征值相对于矩阵的梯度。这是三次完成的: 1)使用解析公式，2)使用TensorFlow，3)使用PyTorch。这会产生三种不同的结果。有人能给我解释一下这种行为吗？
import numpy as np
import torch
import tensorflow as tf
np.set_printoptions(precision=3)
np.random.seed(123)
# random matrix
matrix_np = np.random.randn(4, 4)
# make symmetric
matrix_np
浏览 4提问于2019-11-14得票数 3
1回答
大家好，我有个问题：
我有n个向量的数据集，每个向量都有D维。
我还有一个D*D大小的协方差矩阵，设为C。
我执行以下操作：
我从数据集中选择K个向量，并随机选择E维数。设M是所选dimensions.so上选定数据的样本协方差，M是E*E矩阵。
设P是C维数E的部分协方差矩阵，即。matlab中的C(E，E)
是以下矩阵的半正定？：
aM X= (1-a)P +
其中a是一个常数，如0.2。
在使用mvnrnd(均值，X)时，有时会出现以下错误: SIGMA必须是对称的半正定矩阵。
我的代码是：
%%%Dims are randomly choosen dim
浏览 5提问于2015-05-02得票数 0
目前，我正在尝试实现一些没有numpy的线性代数函数。
给定n×n矩阵(以列表形式存储)：
[
[a, b, c, d],
[e, f, g, h],
[i, j, k, l],
[m, n, o, p]
]
如果这样的矩阵是对称的(上面的矩阵等于下面的矩阵)，那么我如何确认它是不存在numpy的？：
[
[a, e, i, m],
[b, f, j, n],
[c, g, k, o],
[d, h, l, p]
]
例如,
[
[1, 2, 3],
[2, 3, 4],
[3, 4, 5]
]
和
[
[1, 7, 3],
[7, 4, 5],
[3, 5, 0]
浏览 1提问于2021-12-03得票数 0
回答已采纳
在Python3应用程序中，我使用NumPy计算对称实矩阵的特征值和特征向量。
下面是我的演示代码：
import numpy as np
a = np.random.rand(3,3) # generate a random array shaped (3,3)
a = (a + a.T)/2 # a becomes a random simmetric matrix
evalues1, evectors1 = np.linalg.eig(a)
evalues2, evectors2 = np.linalg.eigh(a)
除了符号外，我使用np.linalg.eig和np
浏览 0提问于2017-08-01得票数 29
回答已采纳
2回答
有没有一种有效的方法(使用numpy)来生成一个对称随机矩阵，其条目均匀分布在[0，1]中？
浏览 31提问于2019-06-15得票数 2
回答已采纳
我有矩阵A：
0 0 0 1 1
0 0 0 1
0 0 0 1
0 0 0 1
1 0 0 0
1 1 1 0
这个矩阵是明显对称的，所以A*A显然是一个正定矩阵。我试图计算它的平方根，但失败了。我做错了什么？
以下是代码：
#include <iostream>
#include <armadillo>
using namespace arma;
using namespace std;
int main(){
mat A(6,6);
for(int i=0;i<6;i++){ // this part just reads the ma
浏览 3提问于2017-01-26得票数 1
回答已采纳
我想确定给定的3x3矩阵是否为正半定矩阵。为此，我用YALMIP编写了以下SDP
v=0.2;
a=sdpvar(1);
b=sdpvar(1);
M=[1 a -v/4 ; b 1 0 ; -v/4 0 0.25];
x=sdpvar(1);
optimize([M+x*eye(3)>=0],x,sdpsettings('solver','sedumi'))
这个程序给我的错误是“双不可行，原始改进方向找到”。在区间(0,1]中，v的任何值都会发生这种情况。
考虑到这个问题是可处理的，我直接将矩阵对角化，得到三个特征值是以下多项式的三个根。
16*t^3
浏览 1提问于2016-07-18得票数 0
回答已采纳
2回答
我有个向量说
a = c(1,2,3,4,5,6)
我想把它们组织成一个上三角形矩阵(不考虑对角线元素，它们都是零)逐行。我的目标是得到以下矩阵：
[,1] [,2] [,3] [,4]
[1,] 0 1 2 3
[2,] 0 0 4 5
[3,] 0 0 0 6
[4,] 0 0 0 0
但是下面的方法是用这个向量替换对角线元素，但是按列赋值。例如,
b= matrix(0, 4, 4)
b[upper.tri(b, diag=FALSE)]=a
它将给我以下矩阵
[,1] [
浏览 4提问于2015-06-11得票数 12
回答已采纳
我对rfft2和irfft2在NumPy中的下列行为感到困惑。如果我从一个实矩阵开始，其中n是奇数，那么如果我取rfft2和irfft2，最后得到一个m (n-1)矩阵。由于irfft2是rfft2的逆，所以我希望得到一个m×n大小的矩阵。另外，矩阵中的值不是我开始的--参见下面的输出。
>>> import numpy as np
>>> x = np.ones((4, 3))
>>> ix = np.fft.rfft2(x)
>>> rx = np.fft.irfft2(ix)
>>> rx.shap
浏览 3提问于2021-06-07得票数 4
回答已采纳
3回答
我有一个非常简单的问题要问。
我在java中使用一个邻接矩阵(2D数组)来创建一个包含节点和边的小图。
我的问题是，当我指示程序使用简单的嵌套循环迭代邻接矩阵时，我遇到了边重叠的问题。更具体地说，当matrixi为true，matrixj也为true时，应用程序将尝试在节点i和j之间绘制两条边，这将是一种浪费和丑陋的外观。
我怎样才能克服这个问题呢？
浏览 0提问于2010-11-25得票数 1
回答已采纳
1回答
我目前正致力于对角化一个5000x5000 Hermitian矩阵，我发现当我在LinearAlgebra模中使用朱莉娅的LinearAlgebra函数，它同时产生特征值和特征向量时，我得到的特征向量与使用numpy的np.linalg.eigh函数解决问题的结果不同。我相信他们都使用BLAS，但我不知道他们还在使用什么不同的东西。
有没有其他人经历过这个/知道发生了什么？
浏览 1提问于2021-08-24得票数 2
7回答
用Numpy生成对称矩阵
、、、、
我正在尝试生成numpy中的对称矩阵。具体地说，这些矩阵将具有随机的位置条目，并且在每个条目中的内容可以是随机的。沿着主对角线，我们不关心在那里有什么enties，所以我也随机化了它们。
我采取的方法是首先生成一个nxn全零矩阵，然后简单地循环遍历矩阵的索引。然而，考虑到循环在python中相对昂贵，我想知道我是否可以在不使用python的for循环的情况下获得相同的东西。
numpy中有没有一些东西可以让我更有效地实现我的目标？
下面是我当前的代码：
import numpy as np
import random
def empty(x, y):
return x*0
b =
浏览 6提问于2012-05-30得票数 37
回答已采纳
1回答
我从一个均匀分布中提取一个相关矩阵：
corr = np.random.uniform(low=0.1, high=0.3, size=[20, 20])
并将主要对角线元素设置为
corr[np.diag_indices_from(corr)] = 1
然后，对相关矩阵进行对称化。
corr[np.triu_indices(n=20, k=1)] = corr.T[np.triu_indices(n=20, k=1)]
它产生一个完全正矩阵，即矩阵的所有值都是严格正的。
然而，根据numpy，矩阵不是正定的(半)定义。
np.all(np.linalg.eigvals(corr) >=
浏览 11提问于2022-09-20得票数 -2
回答已采纳
我有两个点列表作为numpy.ndarray，每一行都是一个点的坐标，如下所示：
a = np.array([[1,0,0],[0,1,0],[0,0,1]])
b = np.array([[1,1,0],[0,1,1],[1,0,1]])
这里我想要计算两个列表中所有点对之间的欧几里得距离，对于a中的每个点p_a，我想计算它与b中的每个点p_b之间的距离，所以结果是
d = np.array([[1,sqrt(3),1],[1,1,sqrt(3)],[sqrt(3),1,1]])
如何在numpy中使用矩阵乘法来计算距离矩阵？
浏览 50提问于2017-12-19得票数 3
回答已采纳
如何计算非方阵的Cholesky分解，用numpy计算马氏距离
def get_fitting_function(G):
print(G.shape) #(14L, 11L) --> 14 samples of dimension 11
g_mu = G.mean(axis=0)
#Cholesky decomposition uses half of the operations as LU
#and is numerically more stable.
L = np.linalg.cholesky(G)
def fitting_f
浏览 4提问于2014-05-15得票数 4
2回答
如何使用MATLAB生成一个随机的、可逆的、对称的、半正定的矩阵？
我找到了这段Python代码：
matrixSize = 10
A = random.rand(matrixSize,matrixSize)
B = numpy.dot(A,A.transpose())
但我不确定这是否会产生随机的半正定矩阵B。
浏览 2提问于2018-09-04得票数 1
1回答
N位矩阵的算法
、、、
给出了两个函数P1, P2，即输入n-bit x，并计算y1=A1*x, y2=A2*x。A1和A2是n*n位矩阵。这两个函数返回n位数组y1,y2.我们不知道关于这些矩阵的任何信息，但是知道A1和A2是相同的，除了一个插槽(i,j)。(i和j对我们来说是未知的)。我们可以调用P1和P2来获取不同的x值，然后比较这两个函数的输出。我想知道有多少电话我们可以找到i, j？
简而言之，我们的书写道：Log n calls。有什么暗示或想法吗？多亏了所有人。
编辑:有人说，起初，x是“1”的列矩阵。然后计算y1和y2，找出不同的行。然后x是一个矩阵，n/2 up元素是"1's“，n/
浏览 0提问于2014-10-17得票数 0
回答已采纳
1回答
从数值列表创建对称矩阵
、、、
我需要建立一个矩阵(以numpy数组的形式)，方法是接受长度为N的参数列表，并返回一个维数组( N+1 x N+1 )，其中非对角线是对称的，每个三角形都由给定的值组成。对角线等于0-对角线的行和.
我真的不喜欢实例化一个空数组，填充上三角形，然后用填充底部三角形创建一个新的矩阵。我想知道我是否可以用更少的行(同时仍然是可读的)来完成这个任务，同时也想知道是否可以让它变得更快。vals永远不会很大(很可能在2到100之间)，但是这个操作将被重复多次。
def make_sym_matrix(dim, vals):
my_matrix = np.zeros([dim,dim], dty
浏览 0提问于2015-10-09得票数 4
2回答
我使用numpy矩阵来表示有向图，如下所示：
0 0 0
1 0 1
1 0 0
给定这样一个矩阵，我想找出所有缺失的有向边，对于这些边，存在相反方向的有向边。
例如，在上面的矩阵中，对于节点1 (索引为0)，边1 -> 2和1 -> 3在这种意义上缺失，因为在另一个方向上存在边2 -> 1和3 -> 1。同样，也缺少边缘3 -> 2，因为存在边缘2 -> 3。
我的应用程序中的实际矩阵很大，例如数千个节点，寻找这样的边的算法必须很快。一种暴力的方法是检查每一对(给定矩阵的主对角线，它们是对称的)，并查看两者之间是否缺少一条边。
我想知道是否有更有效的方法(
浏览 1提问于2013-07-13得票数 0
回答已采纳
2回答
我目前正在C++中进行流体模拟，算法的一部分是求解稀疏线性方程组。为此，人们建议使用艾根图书馆。我决定用我写的这个简短的程序来测试它：
#include <Eigen/SparseCholesky>
#include <vector>
#include <iostream>
int main() {
std::vector<Eigen::Triplet<double>> triplets;
triplets.push_back(Eigen::Triplet<double>(0, 0, 1));
浏览 1提问于2018-09-04得票数 2
回答已采纳
2回答
问题是:我试图解一个二阶的形式的矩阵方程：
其中X(查找)和C(已知)的大小为nxn。(n为1000左右)。C是已知的对称协方差矩阵。(X也应该是对称的)
这是我的代码：
from sympy import solve
from sympy import Indexed, IndexedBase, Tuple
import numpy as np
X = IndexedBase('X',shape=(n,n))
eqs = Tuple(np.dot(X,X)-np.dot(C,X)-np.eye(n))
solve(eqs, X)
这样做对吗？我的密码需要很长时间。我正
浏览 6提问于2017-12-02得票数 1
回答已采纳
2回答
好的，假设我有一个矩阵：
matrix([[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4],
[0, 1, 2, 3, 4]])
在处理numpy矩阵时，是否可以很容易地获得对角线以下的面积？我环顾四周，什么也没找到。我可以做标准的for循环方式，但是这不会以某种方式使numpy提供的性能失效吗？
我正在计算统计量，比较模型的输出结果和实际结果。我目前得到的数据大约是10,000 x 10,000矩阵。我主要是尝试对这些元素进行求和。
有什么简单的
浏览 1提问于2010-02-28得票数 4
回答已采纳
1回答
我有这个代码
import numpy as np
from scipy.sparse import csr_matrix
q = csr_matrix([[1.], [0.]])
ones = np.ones((2, 1))
现在如何将1列添加到矩阵Q中以获得结果形状(2，2)？(矩阵Q是稀疏的，我不想更改csr的类型)
浏览 0提问于2016-06-20得票数 0
1回答
我在图中有一组MxM 对称矩阵变量，它的值是我想要优化的。
有什么办法来执行对称条件吗？
我考虑过在损失函数中添加一个术语来执行它，但这似乎有些尴尬和迂回。我所希望的是类似于tf.matmul(A,B,symmA=True)，其中只有一个三角形部分的A将被使用和学习。或者像tf.upperTriangularToFull(A)这样的东西，它会从三角形部分产生一个密集的矩阵。
浏览 2提问于2016-04-18得票数 11
1回答
具有numpy的对称矩阵
、、、
from random import *
N = 100
gamma = 0.7
connect = zeros((N,N))
for i in range(N):
for j in range(i+1):
if random() < gamma:
connect[i,j] = 1
connect[j,i] = 1
else:
connect[i,j] = 0
connect[j,i] = 0
我尝试做的是创建一个对称矩阵，填充0和1(概率为0.7的1
浏览 2提问于2011-06-01得票数 1
回答已采纳
例如，对于矩阵A，我们有 A.dot(A) = B 现在我有了B，想得到A。我试过np.sqrt(B)，但这只能得到每个数字的平方根是B，而不是A。我在网上搜索，但什么也没找到。 有没有办法在NumPy中得到A？ 例如 import numpy as np
ar = np.random.randint(low=1, high=5, size=(4,4))
ar2 = ar.dot(ar)
ar1 = np.sqrt(ar2) 然后我们会发现ar1和ar是不同的。如果我们现在知道ar2，我们如何得到ar呢？
浏览 6提问于2020-04-17得票数 0
回答已采纳
2回答
贴牌执行
、
我在寻找贴花信息时遇到了问题，所以这个问题可能会对其他人有所帮助。该实现用于前向呈现器。
有人能确认一下我的贴牌执行是否正确吗？
您定义一个任意维度的立方体，该立方体将定义公共空间中的投影体积。检查与定义的立方体的三角形相交，以接收投影将影响的三角形。
你剪下这些三角形并保存它们。
然后，使用矩阵技巧来计算保存的三角形的UV坐标，这些三角形将引用您所投射的纹理。
要做到这一点，您需要在公共空间中表示立方体的高度、宽度和深度的向量，从而使f.e。左下角是原点。
你把它放在一个矩阵中作为i，j，k个单位向量，设置立方体的平移，然后反求这个矩阵。
你把保存下来的三角形的顶点乘以这个矩阵，这样你就可以
浏览 0提问于2012-07-11得票数 13
我有一个正方形矩阵A(可以是任何大小)，我想把上面的三角形部分放在一个数组中，而不是中心对角线(k=0)下面的值。
A = array([[ 4, 0, 3],
[ 2, 4, -2],
[-2, -3, 7]])
使用numpy.triu(A)可以让我
A = array([[ 4, 0, 3],
[ 0, 4, -2],
[ 0, 0, 7]])
但是，从这里开始，我如何才能将上面的三角形元素复制到一个简单的数组中呢？例如：
[4, 0, 3, 4, -2, 7]
我只需要迭代并复制所
浏览 0提问于2013-12-18得票数 12
回答已采纳
1回答
几天来，我一直试图从一个非常大的协方差矩阵中计算出最近的正半定矩阵，以便能够从中取样。
我已经尝试了MATLAB的效果，但内存使用是疯狂的，它总是崩溃最终，没有错误消息或日志文件，直到我搜索。用于计算的函数可以在这里找到。优化函数以删除中间矩阵似乎减少了内存的使用，但它最终以同样的方式崩溃。
找到了这种计算的方法，并切换到Python，希望找到一些GPU库来加速计算，但是我似乎找不到一个最新的库，它支持使用numpy函数计算特征向量。这是我使用的函数：
import numpy as np
def get_near_psd(A):
C = (A + A.T)/2
eigval
浏览 14提问于2022-08-05得票数 0
1回答
我有一个矩阵A，形状(N, D, 4)。首先，我计算A转置，A_t。我想计算A_t乘以A的乘积。我希望得到的矩阵形状为(D, D)，矩阵的乘积就像4个分量的最后一个向量是一个数。(两个向量的点积是一个数字。)
import numpy as np
N = 15
D = 98
A = np.random.random((N, D, 4))
A_t = np.zeros((D, N, 4))
for i in range(N):
A_t[:, i] = A[i]
S = np.zeros((D, D))
for i in range(D):
row = A_t[i]
浏览 1提问于2020-02-25得票数 1
回答已采纳
3回答
在C++模拟中，我有一个n*n矩阵，它太大了，不能满足我的记忆，但是这个矩阵是对称的，我怎么能只生成一个三角形部件，而不让另一个三角形被内存所持有，这就应该清除掉一半的内存。我使用基本向量或特征库
浏览 1提问于2021-03-07得票数 0
回答已采纳
1回答
numpy数组子设置误差
、、、
我有一个类型为numpy稀疏矩阵的A1
scipy.sparse.dok.dok_matrix
带整数值。我试图用它来子集另一个类型的整数矩阵A2
numpy.matrixlib.defmatrix.matrix
通过
A2[A1>0]
它们都有形状(1,10000)。虽然它使用起来很好
A1[A1>0]
我得到以下错误：
>> A2[A1>0]
Traceback (most recent call last):
File "<ipython-input-250-19959d659dc5>", line 1, in <
浏览 5提问于2017-10-30得票数 0
回答已采纳
1回答
是否有一个简单的C++代码示例使用MKL稀疏矩阵向量乘法例程？我需要使用"mkl_zcsrsymv“将一个复杂的对称矩阵(存储在下三角形中)与一个复向量相乘，但是我找不到一个例子。无法编译复杂情况下的代码。
浏览 2提问于2017-05-23得票数 1
回答已采纳
3回答
求逆协方差矩阵的马氏距离
、、、
我正在写一个函数来计算两个向量之间的马氏距离。我知道这是使用方程a'*C^-1*b来实现的，其中a和b是向量，C是协方差矩阵。我的问题是，有没有一种有效的方法可以在不使用高斯-乔丹消元法的情况下找到矩阵的逆矩阵，或者没有办法绕过这一点？我正在寻找一种自己做这件事的方法，而不是使用任何预定义的函数。
我知道C是一个厄米特的，正定的矩阵，那么有什么方法可以让我在算法上利用这个事实呢？或者，有没有一些聪明的方法来计算马氏距离，而根本不计算协方差的逆？任何帮助都将不胜感激。
*编辑:上面的Mahalanobis距离公式不正确。它应该是x'*C^-1*x，其中x= (b-a)，b和a是我
浏览 2提问于2012-08-03得票数 10
回答已采纳
2回答
我需要测试矩阵是否对称。如果它是对称的，则函数需要返回0，如果不是，则返回1。对我来说，这段代码是有意义的，但我不理解弹出的错误。
IndexError Traceback (most recent call last)
<ipython-input-3-903eff7c516e> in <module>()
20 # here's the matrix I'm testing :
21
---> 22 isSymmetric(np.matrix(([(1,0,0)
浏览 1提问于2017-03-17得票数 1
回答已采纳
我正在处理Matlab，我有一个16x16矩阵，其中列值等于行值。
我想重塑它，这样我就只有一行只包含唯一的值(换句话说，我想要一行包含：
....6432 0 ....8148 20.
我尝试了B=reshape(矩阵，1，[])；它起作用了，但不幸的是它也给了我非唯一的值(它基本上是取每一行并粘贴在前一行的旁边)。
有办法这样做吗？谢谢!
浏览 1提问于2016-01-30得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
