小编che*_*tah的帖子

基于SVD实现计算酉矩阵行列式

我有一个真正的方阵X,我需要对其执行奇异值分解。现在,执行操作

\n

X=USV^T

\n

由于 U 和 V 是正交的,我们知道det(X)=\xc2\xb1det(S)det(S)是非负的,因为奇异值是非负的。

\n

U现在,我需要知道和的行列式的符号V(当然,这与知道行列式相同)。然而,这种天真的做法让我付出了代价2 O(N^3)

\n

我想知道是否有人知道一种方法

\n
    \n
  1. U将和 的行列式的符号推断为或Python 中类似库V的 SVD 实现的副积,而无需调用和。numpyscipydet(U)det(V)
  2. \n
  3. det(U)基于正交矩阵的事实,计算正交矩阵的行列式,该矩阵比 的默认实现更快U/V
  4. \n
\n

python optimization numpy scipy svd

7
推荐指数
0
解决办法
278
查看次数

标签 统计

numpy ×1

optimization ×1

python ×1

scipy ×1

svd ×1