Articles of linear algebra

scipy.sparse.coo_matrix cómo encontrar rápidamente la columna de todos los ceros, rellenar con 1 y normalizar

Para una matriz, quiero buscar columnas con todos los ceros y rellenar con 1, y luego normalizar la matriz por columna. Sé cómo hacerlo con np.arrays [[0 0 0 0 0] [0 0 1 0 0] [1 0 0 1 0] [0 0 0 0 1] [1 0 0 0 0]] | V [[0 1 […]

Python: Multiplicando una lista de vectores por una lista de matrices como una sola operación de matriz

Tengo una lista de 100 vectores N-dimensional y una lista de 100 MxN matrices 100 MxN . Así que puede pensar en las dos estructuras de datos como una lista 100xN (o matriz numpy) y una lista 100xMxN (o matriz numpy). Lo que quiero hacer es tomar el producto puntual de cada vector y su […]

Python tensorflow l2 pérdida sobre eje

Estoy usando python 3 con tensorflow Tengo una matriz, cada fila es un vector, quiero obtener una matriz de distancia, es decir, una computadora que usa la pérdida de la norma l2 , cada valor en la matriz será una distancia entre dos vectores p.ej Dij = l2_distance(M(i,:), Mj(j,:)) Gracias edición: esto no es un […]

Diagonalización paralela de la matriz exacta con Python

¿Alguien está al tanto de una versión implementada (tal vez utilizando scipy / numpy) de diagonalización de matriz exacta paralela (equivalentemente, encontrar el sistema electrónico)? Si ayuda, mis matrices son simétricas y escasas. Odiaría pasar un día reinventando la rueda. EDITAR: Mis matrices son al menos 10,000×10,000 (pero, preferiblemente, al menos 20 veces más grandes). […]

calcular la media y la covarianza de una matriz grande (300000 x 70000)

Estoy usando Numpy y tratando de calcular la media y la covarianza de una matriz grande (300000 x 70000). Tengo memoria de tamaño de 32GB disponible. ¿Cuál es la mejor práctica para esta tarea en términos de eficiencia computacional y facilidad de implementación? Mi implementación actual es la siguiente: def compute_mean_variance(mat, chunk_size): row_count = mat.row_count […]

Producto tensor exterior rápido en cantidad.

Tengo dos matrices numpy: x of shape ((d1,…,d_m)) y of shape ((e_1,…e_n)) Me gustaría formar el producto tensor externo, que es la matriz numpy z of shape ((d1,…,d_m,e_1,…,e_n)) tal que z[i_1,…,i_n,i_{n+1}…,i_{m+n}] == x[i_1,…i_m]*y[i_{m+1},…,i_{m+n}] Tengo que realizar la multiplicación externa anterior varias veces, así que me gustaría acelerar esto lo más posible.

Scipy.linalg.eig () que proporciona diferentes vectores propios de eig () de GNU Octave

Quiero calcular los valores propios para un problema de valores propios generalizados con lambda * M * v = K * v, donde lambda es el valor propio, v es un vector propio, y M y K son matrices. Digamos que tenemos K = 1.8000 + 0.0000i -1.0970 + 0.9550i -1.0970 – 0.9550i 1.8000 + […]

Combina las expresiones de Einsum

Me gustaria evaluar E = np.einsum(‘ij,jk,kl->ijkl’,A,A,A) F = np.einsum(‘ijki->ijk’,E) donde A es una matriz (no más de 1000 por 1000 de tamaño). La computación E es lenta. Me gustaría acelerar esto calculando solo los elementos “diagonales” que almaceno en F. ¿Es posible combinar estas dos expresiones? / ¿Hay alguna forma mejor de acelerar este cálculo?

¿Invertir a la izquierda en adormecer o scipy?

Estoy tratando de obtener el inverso izquierdo de una matriz no cuadrada en python utilizando numpy o scipy. ¿Cómo puedo traducir el siguiente código de Matlab a Python? >> A = [0,1; 0,1; 1,0] A = 0 1 0 1 1 0 >> y = [2;2;1] y = 2 2 1 >> A\y ans = […]

¿Por qué los diferentes métodos para resolver Xc = y en python dan una solución diferente cuando no deberían?

Estaba tratando de resolver un sistema lineal Xc=y que era cuadrado. Los métodos que conozco para resolver esto son: usando inversa c= utilizando la eliminación de Gauss utilizando el pseudoinverso Por lo que puedo decir, parece que no coinciden con lo que pensé que sería la verdad fundamental. Primero genere los parámetros de verdad ajustando […]