搜索资源列表
2005102611013310480
- 最佳矩阵连乘 给定n个矩阵{A1,A2,…An},其中Ai与A i+1是可乘的,i=1,2…,n-1。考察这n个矩阵的连乘积A1A2…An。矩阵A和B可乘的条件是矩阵A的列数等于矩阵B的行数。若A是一个p×q矩阵,B是一个q×r矩阵,则其乘积C=AB是一个p×r矩阵,需要pqr次数乘。 由于矩阵乘法满足结合律,故计算矩阵的连乘积可以有许多不同的计算次序。例如,设3个矩阵{A1,A2,A3}的维数分别为10×100,100×5,和5×50。若按加括号方式((A1A2)A3)计算,3个矩阵连乘积
txm
- 本标准规定了QR码符号的要求。它规定了QR码模式2符号的特征,数据字符编码,符号格式,尺寸特征,纠错规则,参考译码算法,符号质量要求,以及可由用户选择的应用参数,在附录中给出了QR码模式1符号不同于模式2的特性。-This standard sets out the requirements of QR Code symbols. It provides a QR Code symbol Mode 2 characteristics, data character encoding, symbo
UCA_SMI
- QR分解SMI算法的目的正是要避免直接来解线性方程,而是将自相关矩阵分解,并利用Givens旋转实现数据矩阵的QR分解,最终将权矢量的求解问题转化为三角线性方程组的求解问题。-QR decomposition SMI algorithm, whose objective it is to avoid directly to solution of linear equations, but will auto-correlation matrix decomposition, and the u
QR_factorization
- These are the QR/RQ factorization techniques required for the Zero forcing detection technique for MIMO.
findlyap
- The alogrithm employed in this toolbox for determining Lyapunov exponents is according to the algorithms proposed in [1] A. Wolf, J. B. Swift, H. L. Swinney, and J. A. Vastano "Determining Lyapunov Exponents from a Time Series," Physica D, Vol. 1
numerical_analysis_QR_decomposition
- 本程序用带双步位移的QR分解法求一给定矩阵的全部特征值,并对其中的每一个实特征值求相应的特征向量,给出算法的设计方案和全部源程序,计算并输出如下内容:(1)矩阵经过拟上三角化后所得的矩阵;(2)对矩阵进行QR分解后所得的矩阵Q、R和RQ;(3)矩阵的全部特征值;(4)矩阵的相应于实特征值的特征向量。-The program uses two-step displacement with QR decomposition method find all the characteristics of
Decomposition_QR
- QR分解法是三种将矩阵分解的方式之一。这种方式,把矩阵分解成一个正交矩阵与一个上三角矩阵的积。QR 分解经常用来解线性最小二乘法问题。QR 分解也是特定特征值算法即QR算法的基础。-QR decomposition are the three ways of decomposition of the matrix. In this way, the matrix decomposition into an orthogonal matrix and an upper triangular mat
Polynomial-fitting
- 、对给定的若干组数据,按照指定的阶数,根据最小二乘原理分别利用正规方程方法 和QR 分解方法进行多项式拟合。 2、对给定的若干组数据,求经过这些点的插值多项式。-Given set of data, according to a specified order, according to the principle of least squares normal equations Polynomial fitting and the QR decomposition method.
Programs
- Gram-Schmidt QR分解 Householder QR 分解 Given-Rotation QR 分解 Fast Given-Rotation QR分解 Upper Hessenberg矩阵 -Gram-Schmidt QR decomposition Householder QR decomposition Given-Rotation QR decomposition Fast Given-Rotation QR decomposition Upper Hess
2010011016_e8_p1
- 1、对给定的若干组数据,按照指定的阶数,根据最小二乘原理分别利用正规方程方法和QR 分解方法进行多项式拟合。 2、对给定的若干组数据,求经过这些点的插值多项式。 -1, for a given number of sets of data, according to the order specified in accordance with the principle of least squares methods are the use of the normal equatio
problem9
- Descr iption 给定n个输入输出对,用给定的m次多项式拟合输入输出关系。当n大于多项式阶数m时,化为超定方程求解问题。这里采用最小二乘方法求解。问题建模如下: 1 化为矩阵形式: 2 其中 3 对上式求导,易得 4 利用对X的QR分解可以有效地降低上述运算的复杂度,并提高精度。请完成推导,并据此设计算法计算参数a*。 Input Descr iption 第一行输入n和m
parts
- part1用三次样条插值的三弯矩法 part2求非线性方程及方程组的根 part3用龙贝格和高斯法求积分 part4比较三次样条求导法与数值积分求导法 part5用指定方法求给定方程组的解 part6研究解线性方程方程组的迭代法收敛速度 part7求非线性方程及方程组的根 part8用QR算法求矩阵特征值 part8求非线性方程及方程组的根-Three moment Method part2 part1 cubic spline interpolation wit
given rotation and householder reflection
- Givens rotation and Householder reflection