এখানে দুটি পৃথক ইস্যু রয়েছে।
- প্রয়োগ করতে কীভাবে জন্য দক্ষ সলভার ব্যবহার করবেন ।একজন 1 / 2 খAx=bA1/2b
- নির্ধারককে কীভাবে গণনা করা যায়।
সংক্ষিপ্ত উত্তরগুলি হল 1) যৌক্তিক ম্যাট্রিক্স ফাংশন অনুমান ব্যবহার করুন এবং 2) আপনার না, তবে আপনাকে কোনওভাবেই দরকার নেই। আমি নীচে এই দুটি বিষয় সম্বোধন করছি।
ম্যাট্রিক্স বর্গমূলের আনুমানিকতা
এখানে ধারণা হ'ল স্কেলার ফাংশনগুলির জন্য একটি যৌক্তিক ফাংশন আনুমানিককরণকে ম্যাট্রিক্স ফাংশনগুলির জন্য যৌক্তিক ফাংশন অনুমানের মধ্যে রূপান্তর করা।
আমরা জানি যে এখানে বুদ্ধিমান ফাংশন রয়েছে যা বর্গমূলের ফাংশনটি প্রায় ভালভাবে অনুমান করতে পারে,
ইতিবাচক জন্য । প্রকৃতপক্ষে, অন্তর উচ্চতর নির্ভুলতা পাওয়ার জন্য আপনাকে সিরিজের পদ প্রয়োজন। উপযুক্ত ওজন ( ) এবং খুঁটি ( ) পেতে, কেবল অনলাইনে বা কোনও বইয়ে যুক্তিযুক্ত ফাংশনটি সন্ধান করুন।বিআই[এম,এম]ও(লগএম)
x−−√≈r(x):=a1x+b1+a2x+b2+⋯+aNx+bN,
bi[m,M]ai-biO(logMm)ai−bi
এখন আপনার ম্যাট্রিক্সে এই যুক্তিযুক্ত ফাংশনটি প্রয়োগ করার কথা বিবেচনা করুন:
r(A)=a1(A+b1I)−1+a2(A+b2I)−1+⋯+aN(A+bNI)−1.
প্রতিসাম্য বকেয়া , আমরা
যেখানে হ'ল এর একক মান পচন (SVD) । সুতরাং, যৌক্তিক ম্যাট্রিক্সের আনুমানিকতার গুণমান ইগেনভ্যালুগুলির স্থানে যৌক্তিক ফাংশন সান্নিধ্যের মানের সমতুল্য।Aএ=ইউΣউ∗এ
||A1/2−r(A)||2=||U(Σ1/2−r(Σ))U∗||2,=maxi|σi−−√−r(σi)|
A=UΣU∗A
অবস্থার সংখ্যা বাচক দ্বারা , আমরা আবেদন করতে পারেন সম্পাদন দ্বারা কোন পছন্দসই সহনশীলতা ফর্ম, এর ইতিবাচক স্থানান্তরিত গ্রাফ Laplacian সমাধান
κ একটি 1 / 2 খ হে ( লগ κ ) ( একটি + + খ আমি ) এক্স = খ ।AκA1/2bO(logκ)
(A+bI)x=b.
এই সমাধানগুলি আপনার পছন্দের গ্রাফ ল্যাপ্লাসিয়ান সলভারের সাহায্যে করা যেতে পারে — আমি মাল্টিগ্রিড টাইপের কৌশল পছন্দ করি তবে আপনি যে কাগজে উদ্ধৃত করেছেন তাতে খুব ভাল হওয়া উচিত। অতিরিক্ত কেবলমাত্র রূপান্তরকে সহায়তা করে।bI
এটি নিয়ে আলোচনার জন্য একটি দুর্দান্ত কাগজ, সেইসাথে আরও সাধারণ জটিল বিশ্লেষণ কৌশল যা অংকিত ম্যাট্রিকগুলিতে প্রযোজ্য , হ্যাল, হিগহাম, এবং ট্র্যাফেনের (২০০ cont কনট্যুর ইন্টিগ্রালগুলির দ্বারা কম্পিউটারের , , এবং সম্পর্কিত ম্যাট্রিক্স ফাংশন দেখুনAαlog(A) )।
নির্ধারক "গণনা"
নির্ধারক গণনা করা কঠিন। যতদূর আমি জানি, সবচেয়ে ভাল উপায় হল কিউআর অ্যালগরিদম ব্যবহার করে শুর পচন গণনা করা, তারপরে উপরের ত্রিভুজাকার ম্যাট্রিক্স এর তির্যকটি থেকে ইগেনভ্যালুগুলি পড়ুন । এটি সময় নেয়, যেখানে গ্রাফের নোডের সংখ্যা ।A=QUQ∗UO(n3)n
তবে নির্ধারক গণনা করা একটি স্বভাবতই অসুস্থ শর্তযুক্ত সমস্যা, সুতরাং আপনি যদি কখনও একটি কাগজ পড়েন যা একটি বৃহত ম্যাট্রিক্সের কম্পিউটিং নির্ধারকদের উপর নির্ভর করে তবে আপনার পদ্ধতিটি সম্পর্কে খুব সংশয়ী হওয়া উচিত।
ভাগ্যক্রমে, আপনার সম্ভবত সম্ভবত নির্ধারকের প্রয়োজন নেই। উদাহরণ স্বরূপ,
আমরা সনাক্ত করতে a একটি নিম্ন-স্তরের আপডেট হিসাবে দেখতে পারি,
যেখানে কার্যকর নিম্ন-র্যাঙ্ক আপডেটের র্যাঙ্ক, , স্থানীয় গাঁথুনির আসল বন্টন কীভাবে হয় তার স্থানীয় পরিমাপ; সাধারণত এটি ম্যাট্রিক্সের পুরো র্যাঙ্কের চেয়ে অনেক কম। প্রকৃতপক্ষে, যদি বড় হয়, তবে সত্যিকারের বিতরণটি স্থানীয়ভাবে এতটাই অ-গাউসিয়ান যে স্থানীয় গাউসীয় অনুমানগুলি ব্যবহার করে এই বিতরণকে নমুনা দেওয়ার চেষ্টা করার পুরো কৌশলটি নিয়ে প্রশ্ন করা উচিত।A−1x0Axp
A−1x0Axp=I+QDQ∗,
rr
এবং রেটমাইজড এসভিডি বা ল্যাঙ্কজোসের সাথে ম্যাট্রিক্স
থেকে বিভিন্ন ভেক্টর প্রয়োগ করে
নিম্ন-স্তরের উপাদানগুলি পাওয়া যেতে পারে , যার প্রতিটি প্রয়োগের জন্য একটি গ্রাফের প্রয়োজন ল্যাপ্লেসিয়ার দ্রবণ। সুতরাং এই নিম্ন স্তরের উপাদানগুলি পাওয়ার জন্য সামগ্রিক কাজ হ'ল ।QD
A−1x0Axp−I
O(r)O(rmax(n,E))
জানা , নির্ধারক অনুপাত তারপর
ডিট ( এ - 1 এক্স 0 এ এক্স পি ) = ডিট ( আই + কিউ ডি কিউ ∗ ) = এক্সপ্রেস ( আর ∑ i = 1 লগ ডি আই ) ।D=diag(d1,d2,…,dr)
det(A−1x0Axp)=det(I+QDQ∗)=exp(∑i=1rlogdi).
এই নিম্ন র্যাঙ্ক নির্ধারণকারী রেশন গণনা কৌশলগুলি মার্টিন, ইত্যাদি আল-এর দ্বারা ভূমিকম্পের বিপরীকরণের প্রয়োগের সাথে লার্জ-স্কেল স্ট্যাটিসটিকাল ইনভার্স সমস্যা সম্পর্কিত একটি স্টোকাস্টিক নিউটন এমসিএমসি পদ্ধতিতে পাওয়া যাবে । (2012)। এই কাগজটিতে এটি ধারাবাহিক সমস্যার ক্ষেত্রে প্রয়োগ করা হয়, সুতরাং "গ্রাফ" 3 ডি স্পেসে একটি গ্রিড এবং গ্রাফ ল্যাপল্যাসিয়ান হ'ল আসল ল্যাপ্লেসিয়ান ম্যাট্রিক্স। যাইহোক, সমস্ত কৌশলগুলি সাধারণ গ্রাফ ল্যাপল্যাকিয়ানদের ক্ষেত্রে প্রযোজ্য। এই কৌশলটি এখনই সাধারণ গ্রাফগুলিতে প্রয়োগ করার জন্য সম্ভবত অন্যান্য কাগজপত্র রয়েছে (এক্সটেনশনটি তুচ্ছ এবং মূলত যা আমি লিখেছিলাম)।