我们正在努力恢复Google Play商店上的Unionpedia应用程序
传出传入
🌟我们简化了设计以优化导航!
Instagram Facebook X LinkedIn

雅可比旋转

指数 雅可比旋转

在数值线性代数中,雅可比旋转是 n 维内积空间的二维线性子空间的旋转 Qkℓ,在用做相似变换的时候,被选择来置零 n×n 实数对称矩阵 A 的非对角元素的对称对: \begin \end \to \begin \end 它是雅可比特征值算法的核心运算,它是数值上稳定的并适合用并行计算实现。 注意到只有 A 的行 k 和 ℓ 与列 k 和 ℓ 受到影响,并且 A′ 将保持对称。还有给 Qkℓ 的明显的矩阵很少被计算,转而计算辅助值,A 也有效率和数值上稳定的方式更新。但是,为了引用,我们写矩阵为 Q_.

目录

  1. 8 关系: 吉文斯旋转实数并行计算内积空间克罗内克δ旋转数值稳定性数值线性代数

  2. 数值线性代数

吉文斯旋转

在数值线性代数中,吉文斯旋转(Givens rotation)是在两个坐标轴所展开的平面中的旋转。吉文斯旋转得名于华莱士·吉文斯,他在 1950 年代工作于阿贡国家实验室时把它介入到数值分析中。.

查看 雅可比旋转和吉文斯旋转

实数

实数,是有理數和無理數的总称,前者如0、-4、81/7;后者如\sqrt、\pi等。实数可以直观地看作小數(有限或無限的),它們能把数轴「填滿」。但僅僅以枚舉的方式不能描述實數的全體。实数和虚数共同构成复数。 根据日常经验,有理數集在數軸上似乎是「稠密」的,于是古人一直认为用有理數即能滿足測量上的實際需要。以邊長為1公分的正方形為例,其對角線有多長?在規定的精度下(比如誤差小於0.001公分),總可以用有理數來表示足夠精確的測量結果(比如1.414公分)。但是,古希臘畢達哥拉斯學派的數學家發現,只使用有理數無法完全精確地表示這條對角線的長度,這徹底地打擊了他們的數學理念;他們原以為:.

查看 雅可比旋转和实数

并行计算

并行计算(parallel computing)一般是指许多指令得以同时进行的计算模式。在同時進行的前提下,可以將計算的過程分解成小部份,之後以並行方式來加以解決。 電腦軟體可以被分成數個運算步驟來執行。為了解決某個特定問題,軟體採用某個演算法,以一連串指令執行來完成。傳統上,這些指令都被送至單一的中央处理器,以循序方式執行完成。在這種處理方式下,單一時間中,只有單一指令被執行(processor level: 比较微处理器,CISC, 和RISC,即流水线Pipeline的概念,以及后来在Pipeline基础上以提高指令处理效率为目的的硬件及软件发展,比如branch-prediction, 比如forwarding,比如在每个运算单元前的指令堆栈,汇编程序员对programm code的顺序改写)。平行運算採用了多個運算單元,同時執行,以解決問題。.

查看 雅可比旋转和并行计算

内积空间

内积空间是数学中的线性代数裡的基本概念,是增添了一个额外的结构的向量空间。这个额外的结构叫做内积或标量积。内积将一对向量与一个标量连接起来,允许我们严格地谈论向量的“夹角”和“长度”,并进一步谈论向量的正交性。内积空间由欧几里得空间抽象而来(内积是点积的抽象),这是泛函分析讨论的课题。 内积空间有时也叫做准希尔伯特空间(pre-Hilbert space),因为由内积定义的距离完备化之后就会得到一个希尔伯特空间。 在早期的著作中,内积空间被称作--空间,但这个词现在已经被淘汰了。在将内积空间称为--空间的著作中,“内积空间”常指任意维(可数或不可数)的欧几里德空间。.

查看 雅可比旋转和内积空间

克罗内克δ

#重定向 克罗内克δ函数.

查看 雅可比旋转和克罗内克δ

旋转

旋转在几何和线性代数中是描述刚体围绕一个固定点的运动的在平面或空间中的变换。旋转不同于没有固定点的平移,和翻转变换的形体的反射。旋转和上面提及的变换是等距的,它们保留在任何两点之间的距离在变换之后不变。.

查看 雅可比旋转和旋转

数值稳定性

在数值分析中,数值稳定性是一种希望得到的数值算法特性。根据算法的不同,稳定性的精确定义也有所不同,但是都与算法的精确性与正确性相关。 理论上有些计算下可以用多种代数上等价的理想实数或者复数算法来实现,但是实际上由于不同的数值稳定性可能会得到不同的结果。数值稳定性的一项任务就是选择健壮即有良好数值稳定性的算法。.

查看 雅可比旋转和数值稳定性

数值线性代数

数值线性代数是一门研究在计算机上进行线性代数计算,特别是矩阵运算的算法的学科,是工程学和计算科学问题中的基本部分,这些问题包括图像处理、信号处理、金融工程学、材料科学模拟、结构生物学、数据挖掘、生物信息学、流体动力学和其他很多领域。这类软件多依赖於解决多种数值线性代数问题的先进算法的发展、分析和实现,在很大程度上是依靠矩阵在有限差分法和有限元法中的作用。 数值线性代数中的常见问题包括下列计算问题:LU分解、QR分解、奇异值分解、特征值。.

查看 雅可比旋转和数值线性代数

另见

数值线性代数