线性代数和最小二乘
线性代数块
矩阵和线性代数库提供了三个包含线性代数块的大sublibraries;线性系统求解器,矩阵因子化和矩阵倒置。第四个库Matrix操作提供了与矩阵合作的其他基本块。
线性系统求解器
线性系统求解器库提供以下块,用于求解线性方程的系统X= b:
其中一些障碍为某些类别的问题提供了特殊的优势。例如,将cholesky求解器块改编成方形的隐性矩阵A,而向后替换块适合上三角矩阵A。
使用LU求解器块求解AX = B
在下面的EX_LUSOLVER_TUT模型,LU求解器块求解方程AX= b,哪里
并找到X成为矢量[-2 0 1]'
。
您可以通过使用矩阵倍增块来执行乘法A来验证解决方案X,如下所示EX_MATRIXMULTIPLY_TUT1模型。
矩阵因素化
矩阵因化库为考虑各种矩阵提供了以下块:
其中一些障碍为某些类别的问题提供了特殊的优势。例如,Cholesky分解块适合将赫米尔式阳性定期基质分解为三角形组件,而QR分解适合将矩形基质分解为单位和上三角组件。
使用LU分解块进入上下子膜的矩阵因子A矩阵
在下面的ex_lufactorization_tut模型,LU分解块因子A矩阵Ap进入上和下三角一键U和L,其中ap行等于输入矩阵A,其中
LU分解的较低输出,p
,是排列指数向量一种p通过互换第一行和第二行从A产生。
LU分解的上输出,鲁
,是一个包含两个子元因子U和L的复合基质,其乘积LU等于Ap。
您可以检查lu =一种p使用矩阵倍数块,如下所示EX_MATRIXMULTIPLY_TUT2模型。
矩阵倒置
矩阵倒置库提供以下块,用于倒置各种矩阵:
使用LU逆块找到矩阵的倒数
在下面的ex_luinverse_tut模型,LU逆块计算输入矩阵A的倒数,其中
然后形成产品一种-1A,如预期的那样产生订单3的身份矩阵。
如上所示,计算的逆为