科学网

 找回密码
  注册

tag 标签: 矩阵乘法

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

线性代数(2)_讲“矩阵乘法”
cambaluc 2020-3-17 23:08
矩阵的乘法,是线性代数课中重要的内容,在熟练掌握其计算方法的基础上,还要明白其意义。 1 、关于计算方法,一般教材上说的很清楚了,这里我画了一幅图,好象是在一本研究地震动的书上看到,称作“福尔克图”,很容易让初学者记忆和掌握矩阵乘法运算。矩阵 A 乘 B 得 C ,如图把 B 放在 A 的右上方,这样即能判断 A 和 B 能否相乘,也容易写出 C 的各元素,因先给学生简单讲了向量内积,所以 C 的 i 行 j 列的元素,就是 A 的 i 行向量和 B 的 j 列向量的内积。 对于学过 C 语言的学生,也可介绍矩阵乘法的程序,这是巩固 C 语言中循环语句和数组的最好的示例了。 Matlab 和 Python 的 numpy 、 scipy 中也提供了很方便的矩阵乘法运算方式。 import numpy as np from numpy import matrix as M mx1=np.matrix(((1,2,3),(4,5,6),(7,8,9))) mx2=np.matrix('1,4,5;3,2,1;2,2,1') print(mx1@mx2) print(mx1*mx2) E=M('1,2,3;4,5,6;7,8,9') print(E@mx2) 编写并行计算,最好也从练习矩阵乘法开始。如下的连接提供了用 Fortran+MPI 进行并行计算的示例。 http://blog.sciencenet.cn/blog-797552-681003.html 矩阵的乘法,本质上代表线性变换,所以实际应用很广泛。 2 、矩阵乘一向量,可以从多个角度来理解和看待,这正体现了数学的抽象中的简捷和直观。 简述如下: (1) 、下图有两种解释,一是把红色的向量变换为绿色的向量,二是把空间进行了变换,绿色的以单位正交基下的空间变成了蓝色的空间,向量在各自空间中的坐标没变。 (2) 、下图, A 的两个向量,数乘 x1 , x2 ,再相加,线性组合成另一向量。 (3) 、对于线性方程组也可如下图理解,求直线交点,或求平面、超平面的交点。 3 、矩阵乘矩阵,意义也很多,如可理解为两个线性变换的乘,或对一组向量 ( 或点集 ) 所组成的矩阵进行变换,如下是对几个点组成的图形,乘不同的矩阵实现变换。 ( 1 )乘对角阵 ,进行伸缩。 (2) 乘 2 阶方阵 ,伸缩和剪切。 (3)下图 乘 ,θ =3.14159/6 ,实现了旋转。 (4)下 图右上角的平移,是把点坐标,扩展为 ’ ,用 3 阶矩阵 乘实现的。 (5) 信号处理,如下图的信号,可以构造一个三对角方阵,对角线元素为 1/3 ,对信号向量实现平滑,即蓝色的信号变为红色的。 (6) 在实际应用中,还可以构造各种矩阵对所处理的对象进行变换,如有个例题如下: 书上也没说有啥意义,其实由向量 X 构造的矩阵 H 是个反射阵,很有用的。 矩阵乘法是最基础的运算,掌握好才能更好地理解涉及矩阵运算、线性变换、矩阵分解等。
个人分类: 数学|4571 次阅读|1 个评论
请学者开导:卷积与矩阵的乘法是否存在类似之处?
热度 2 zhangxw 2014-9-22 12:17
请学者开导:卷积与矩阵的乘法是否存在类似之处? 张学文, 2014.9.22 内容:如题。 说明:如果把两个函数修改为离散化的若干个离散点的值组成的矩阵,这两个函数的卷积是否与两个矩阵的乘积运算类似?
个人分类: 一般科技.2.|4733 次阅读|7 个评论
矩阵乘法需要O(n^3)的时间,不能再减少
热度 4 zlyang 2013-9-18 09:52
矩阵乘法需要 O(n^3) 的时间,不能再减少 牛津大学计算中心主任、英国皇家学会院士、美国工业与应用数学会( SIAM )主席 Nick Trfethen 教授 2012 年 11 月的《 SIAM News 》上撰文链接内容以短小篇幅简明地阐述了数值线性代数方向两个未解之谜: 1. 如何快速求逆矩阵 2. 高斯消元法在实际应用中的稳定性。 第一个问题的原文如下: The first problem is, can an n × n linear system of equations Ax = b be solved in O ( n 2+ ε ) operations, where ε is arbitrarily small? In other words, could there be a “fast matrix inverse,” like the fast Fourier transform? 实际上,矩阵乘法的计算复杂性下限问题早就被我国学者解决。本人的看法如下: 对于两个 n 阶 方阵,假如所有这些元素之间是“相互独立”的,则定义所包含的 n 个乘法的结果也是 “相互独立”的。即 n 3 的乘法是必须的。由于加法形成lg n 的进位位, “相互独立元素”的方阵乘法,必须的信息量是 O ( n ^3 × lg n ) 。换言之, 随机有理方阵乘法的信息量下界: O ( n ^3 × lg n ) ,不存在比它更小的精确计算方法。 现有所谓 O ( n 2+ ε ) 的矩阵乘法,都是以降低计算精度(误差增大)为代价的。这些复杂性降低的核心技术:把多个乘法合并在一起计算。对于有限位数的数字计算机,这必然导致误差的增大。 1990 年陈道琦、谢友才、应文隆在科学通报发表的《关于矩阵乘法的一个最佳算法》,只用一次乘法。该文对我的发现具有直接的启发。 参考文献: Nick Trefethen. The Smart Money’s on Numerical Analysts . SIAM News, Volume 45, Number 9, November 2012. 美国 SIAM 主席、皇家学会院士提的两个数值代数问题( 1 ) . http://www.mysanco.com/wenda/index.php?class=discussaction=question_itemquestionid=1097 陈道琦,谢友才,应文隆 . 关于矩阵乘法的一个最佳算法 . 科学通报 , 1990, 35(3 ): 161-161. 后记: (1) 听说“矩阵乘法”和“矩阵求逆”不是一个问题,还真不清楚是怎么回事。高斯消元法?克莱姆?逆矩阵?还有别的吗?“2. 高斯消元法在实际应用中的稳定性”和“矩阵求逆”的关系是什么? (2) “高斯消元法在实际应用中的稳定性”应该是除法里分母的绝对值比0明显大。数值计算稳定性的核心成因包括:(1)计算使用有限的字长(有效数字位数),(2)除法里分母接近0(涉及矩阵时表现为矩阵的奇异性)。小绝对值的分母(特别是无理数分母)导致较大(亦即较长)的分式计算结果。当有效数字位数有限时,造成截断位数引起的误差,这是数值计算不稳定的核心原因。一般加法、减法的结果的有效数字位数变化慢(相对于乘法、除法),所以乘法、除法计算引起的有效数字位数的快速增加(结合有限的有效数字位数计算),造成了数值计算的不稳定性。 (3) 当然,这并不是说所有的数值计算稳定性都来源于“有效数字位数”的丢失。至少目前不能肯定这点(有效数字位数的丢失)。 ______________ 相关资料 ______________ Weisstein, Eric W. Strassen Formulas. From MathWorld --A Wolfram Web Resource. http://mathworld.wolfram.com/StrassenFormulas.html Unfortunately, Strassen's algorithm is not numerically well-behaved. It is only weakly stable, i.e., the computed result satisfies the inequality where u is the unit roundoff error, while the corresponding strong stability inequality (obtained by replacing matrix norms with absolute values of the matrix elements) does not hold. 相关链接: 俗解Chaitin定理 http://bbs.sciencenet.cn/home.php?mod=spaceuid=107667do=blogid=478066 数学证明的长度:与公理系统能力负相关 http://bbs.sciencenet.cn/blog-107667-729907.html
个人分类: 基础数学-逻辑-物理|25501 次阅读|26 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-2 02:59

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部