Python将矩阵的乘法与稀疏矩阵的逆相加

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python将矩阵的乘法与稀疏矩阵的逆相加，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1060字，纯文字阅读大概需要2分钟。

内容图文

我正在尝试计算形式K = P * C.T * S ^ -1(卡尔曼滤波器的实现)的表达式

所有涉及的矩阵都是稀疏的,我当然希望避免计算实际的逆矩阵.

我试过用

import scipy.sparse.linalg as spln

self.K = self.P.dot(spln.spsolve(S.T, C).T)

问题是spsolve期望它的第二个参数是一个向量而不是一个矩阵.

编辑：
澄清,Matlab中的问题可以通过K = P *(C / S)来解决,所以我正在寻找的是一种类似于spsolve但可以接受矩阵作为其第二个参数的方法.这当然可以通过将C分成多个列向量c1..cn并解决它们中的每一个然后将它们重新组装成矩阵来完成,但我怀疑这样做既麻烦又低效.

EDIT2和3：
矩阵的尺寸通常约为P~10×10 ^ 6,S~100×100,C = 100×10 6. P对角线和S对称,C每行只有一个元素.
它将用于使用稀疏矩阵的卡尔曼滤波器的实现,参见

http://en.wikipedia.org/wiki/Kalman_filter#The_Kalman_filter

解决方法:

作为一种解决方法可以做到

import numpy as np
from scipy.sparse.linalg import splu

def spsolve2(a, b):
    a_lu = splu(a)
    out = np.empty((A.shape[1], b.shape[1]))
    for j in xrange(b.shape[1]):
        out[:,j] = a_lu.solve(b[:,j])
    return out

self.K = self.P.dot(spsolve2(S.T, C).T)

但是,是的,这是一个spsolve不接受矩阵的错误.

但是,由于你的S不是很大,你也可以使用密集逆.

内容总结

以上是互联网集市为您收集整理的Python将矩阵的乘法与稀疏矩阵的逆相加全部内容，希望文章能够帮你解决Python将矩阵的乘法与稀疏矩阵的逆相加所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端