Questions tagged «linear-algebra»

线性代数处理向量空间和线性变换。

1
从奇偶校验L到CNOT电路的对数空间减少?
题。 Aaronson和Gottesman 在他们的论文《稳定器电路的改进仿真》中声称,仿真CNOT电路是⊕L完全的(在对数空间减少的情况下)。显然,它包含在⊕L中;硬度结果如何保持? 等效地:是否存在从模2的迭代矩阵乘积到模2的基本矩阵(实现行变换的可逆矩阵)的迭代乘积的对数空间缩减? 细节 甲控制非(或CNOT)操作是可逆的布尔运算,表单的 其中仅Ĵ 个 比特被改变,并且该位是通过将改变 X ħ模2,对任何不同位置ħ和Ĵ。如果我们解释 x = (x 1CNOTh,j(x1,…,xh,…,xj,…,xn)=(x1,…,xh,…,xj⊕xh,…,xn)CNOTh,j(x1,…,xh,…,xj,…,xn)=(x1,…,xh,…,xj⊕xh,…,xn) \mathsf{CNOT}_{\!h,j} (x_1\,, \;\ldots\;, x_h\,,\; \ldots\;, x_j\,, \;\ldots\;, x_n) \;\;=\;\; (x_1\,, \;\ldots\;, x_h\,,\; \ldots\;, x_j \oplus x_h\,, \;\ldots\;, x_n) xhxhx_h作为ℤ/2ℤ上的向量,它对应于基本行变换模2,我们可以用对角线为1且非对角线位置的矩阵表示。甲CNOT电路是然后加入由这种类型的一些基本矩阵的乘积的矩阵乘积。x=(x1,…,xn)x=(x1,…,xn)\mathbf x = (x_1\,, \;\ldots\;, x_n) 通过阿伦森和戈特斯曼纸张以上(其中,提到非常捎带到这个问题,是关于一类可以在模拟量子电路的 ⊕L)对计算复杂度的部分。在本节开始时,他们对⊕L的描述如下: [ L ]是对数不确定的图灵机可以解决的所有问题的类,当且仅当接受路径的总数为奇数时,才可以接受。但是还有另一种定义,对于非计算机科学家来说可能更直观。这是⊕L是类减少到模拟多项式大小CNOT电路的问题,即 一个电路完全不和CNOT门组成,作用于初始状态| 0 ...0⟩。(很容易证明这两个定义是等效的,但这首先需要我们解释一下通常的定义是什么!) 本文的目标读者包括大量的非计算机科学家,因此滑脱的愿望并非没有道理。我希望有人能够阐明这种等效性。 显然,这样的模拟矩阵的乘积,可以在执行⊕L作为用于评价(模2),这是一个完整的问题(下LOGSPACE减少)的迭代矩阵的产品的系数的一个特例⊕L。此外,由于CNOT矩阵仅执行基本行运算,因此任何可逆矩阵都可以分解为CNOT矩阵的乘积。但是:我不清楚如何通过对数空间归约法将甚至可逆矩阵mod 2分解为CNOT矩阵的乘积。(事实上​​,正如EmilJeřábek在评论中指出的那样,高斯消去法足以计算行列式mod …



1
算法向量问题
我在GF(2)域中有一个与向量有关的代数问题。令v1,v2,…,vmv1,v2,…,vmv_1, v_2, \ldots, v_m为维度(0,1)-向量nnn,并且m=nO(1)m=nO(1)m=n^{O(1)}。查找一个多项式时间算法,该算法可以找到维数相同的(0,1)-向量uuu,使得uuu不是v 1,v 2,… ,v中的任何(logn)O(1)(log⁡n)O(1)(\log n)^{O(1)}向量的和。v1,v2,…,vmv1,v2,…,vmv_1,v_2, \ldots, v_m。向量的添加是在字段GF(2)上,该字段具有两个元素0和1(0+1=0+1=10+1=0+1=10+1=0+1=1和0+0=1+1=00+0=1+1=00+0=1+1=0)。 通过简单的计数参数很容易看到这样的向量u的存在。我们可以在多项式时间内找到uuu吗?在指数时间内找到是微不足道的uuu。对于第一个正确的解决方案,我将发送200美元的支票奖励。

1
近似线性时间可解线性系统的情况
设一个正方形n×nn×nn\times n实矩阵AA{\bf A}和两个长度为n的向量xx{\bf x}和,使得A x = b。通过标准高斯消除法 求解x时,总的复杂度几乎为O (n 3)。然而,存在其中解决(或箱子ε -approximately求解)为X成本ø (Ñ 登录ρ Ñ ),诸如系统,其中甲bb{\bf b}nnnAx=b.Ax=b.{\bf A}{\bf x}={\bf b}.xx{\bf x}O(n3)O(n3)O(n^3)ϵϵ\epsilonxx{\bf x}O(nlogρn)O(nlogρ⁡n)O(n\log^\rho n)AA{\bf A} 是对称且对角占优势的矩阵(例如,拉普拉斯算子)[1]。 其他哪些线性系统系列(即矩阵)允许线性(或非平凡的poly(n))时间解?如果我们考虑有限域而不是实矩阵,那么那里是否存在允许近似线性时间解的矩阵族? [1] http://www.cs.yale.edu/homes/spielman/Research/linsolve.html

1
矩阵乘法
我正在搜索矩阵乘法,因此我首先访问Wiki矩阵乘法算法。在参考文献中,我找到了一篇声称使用算法的论文O(n2log(n))O(n2log(n))O(n^2 log(n)),我打算读一下文章,但它很复杂且将花费太多时间阅读它,但是如果有人阅读本文或了解此算法,这是真的吗?并且您是否了解此基本概念以进行一些描述。 在此先感谢您,我知道这是一个普遍的问题,但是,如果我发现这是个好方法,我将学习详细信息。

2
快速矩阵乘法的内存需求
假设我们要乘以乘以矩阵。慢矩阵乘法算法在时间运行,并使用内存。最快的矩阵乘法在时间,其中是线性代数常数,但是关于它的存储复杂度又知道什么呢?ø (Ñ 3)ø (Ñ 2)Ñ ω + Ö (1 ) ωn×nn×nn \times nO(n3)O(n3)O(n^3)O(n2)O(n2)O(n^2)nω+o(1)nω+o(1)n^{\omega + o(1)}ωω\omega 快速的矩阵乘法可能会消耗内存,这似乎是先验的。是否有任何保证可以在内存中完成?当前已知的矩阵乘法算法是否使用存储器? ø (Ñ 2)ø (Ñ 2)nωnωn^{\omega}Ø (ñ2)O(n2)O(n^2)Ø (ñ2)O(n2)O(n^2) (我实际上对矩形矩阵乘法很感兴趣,但我认为在那种情况下答案与在正方形情况下是相同的,并且对正方形情况进行了更好的研究。)

1
使用图拉普拉斯(逆)协方差从多元高斯抽样
我们从例如Koutis-Miller-Peng(基于Spielman&Teng的工作)知道,我们可以非常快速地求解矩阵A的线性系统Ax=bAx=bA x = b,这是一些具有非负边权重的稀疏图的图拉普拉斯矩阵。AAA 现在(第一个问题)考虑使用这些图拉普拉斯矩阵AAA中的一个作为零均值多元正态分布或的协方差或(第二个问题)逆协方差矩阵。。对于每种情况,我有两个问题:N(0,A)N(0,A)\mathcal{N}(\boldsymbol{0}, A)N(0,A−1)N(0,A−1)\mathcal{N}(\boldsymbol{0}, A^{-1}) 答:我们如何有效地从这种分布中抽取样本?(通常为绘制样本,我们计算Cholesky分解,绘制标准法线,然后将样本计算为)。A=LLTA=LLTA = LL^Ty∼N(0,I)y∼N(0,I)y \sim \mathcal{N}(\boldsymbol{0}, I)x=L−1yx=L−1yx = L^{-1} y B.我们如何有效地计算的行列式?AAA 请注意,通过Cholesky分解可以很容易地解决这两个问题,但是我没有立即看到如何比仅使用标准稀疏Cholesky算法更有效地提取,该算法不会使用上述参考文献中介绍的技术工作,并且对于稀疏但高树宽图将具有三次复杂度。LLL


1
二元矢量的在所有主要权力的在?
我有一组二进制矢量和目标矢量其是全矢量。Ñ nn小号= { s ^ 1,... ,s ^ Ñ } ⊆ { 0 ,1 } ķ ∖ { 1 ķ } 小号= { s1个,… ,sñ} ⊆ { 0 ,1 }ķ∖ { 1ķ}S = \{s_1, \ldots, s_n \} \subseteq \{0,1\}^k \setminus \{1^k\}吨= 1 ķt = 1ķt = 1^k 猜想:如果可以写成的元素的线性组合超过的所有素数方幂,然后可以写成的线性组合超过,即存在具有整数系数的线性组合,其总和以以上。t ŤtS 小号SZ …

1
数据库聚合如何形成一个monoid?
在cs.stackexchange上,我询问了github上的algebird scala库,推测他们为什么可能需要抽象的代数包。 github页面有一些线索: Monoid的实现用于有趣的近似算法,例如Bloom过滤器,HyperLogLog和CountMinSketch。这些使您可以像想数字一样思考这些复杂的操作,然后将它们加到hadoop或在线中以生成强大的统计信息和分析数据。 并在GitHub页面的另一部分中: 它最初是作为Scalding的Matrix API的一部分开发的,其中矩阵的值是Monoids,Groups或Rings的元素。随后,很明显,该代码在Scalding和Twitter的其他项目中具有更广泛的应用。 甚至Twitter的Oskar Boykin也赞叹道: 主要的答案是,通过利用半群结构,我们可以构建可以正确并行化的系统,而无需了解底层操作(用户有望实现关联性)。 通过使用Monoid,我们可以利用稀疏性(我们处理许多稀疏矩阵,其中在某些Monoid中几乎所有值都是零)。 通过使用Rings,我们可以对数字以外的东西进行矩阵乘法(有时我们做过)。 algebird项目本身(以及发行历史)非常清楚地解释了这里发生的事情:我们正在构建许多用于聚合大型数据集的算法,并且利用操作的结构使我们在系统方面取得了成功(这通常是尝试在1000个节点上生产算法时的痛点)。 为任何Semigroup / Monoid / Group / Ring解决一次系统问题,然后您可以插入任何算法,而无需考虑Memcache,Hadoop,Storm等。 怎么样Bloom filters/ hyperloglog/ countminsketch同样的数字? 数据库聚合如何具有单调结构? 这个半身像是什么样的?他们曾经有过小组组织吗? 参考文献会有所帮助。

1
在一般位置构造向量
让真正的 (ķ ≤ ñ)矩阵一个具有这样的特性的任何集合ķ列满秩。k × nk×nk\times nķ ≤ Ñk≤nk\le n一种A{\bf A}ķkk 问:是否有一种有效的方法来确定性地找到向量,使得增广矩阵A ' = [ A一种a{\bf a}保留与 A相同的属性:任何 k列均是完整列。A′=[Aa]A′=[Aa]{\bf A}' = [{\bf A}\;{\bf a}]AA{\bf A}kkk 相关说明:具有此属性的矩阵是 Reed-Solomon代码的生成器:添加保留其Vandermonde结构的列将保留rank属性。(n,k)(n,k)(n,k)

2
关于
编辑(作者塔拉·B):我仍然希望提及这一证明,因为我必须自己为自己的论文证明这一点。 我正在寻找本文中出现的定理4的证明: 刘和韦纳的无上下文语言交叉口的无限层次。 定理4:一种维仿射歧管是不表达为仿射歧管的有限联合其中的每一个是尺寸ñ - 1或更小。nnnn−1n−1n-1 有人知道参考证明吗? 如果流形是有限的,并且我们在元素上定义了自然顺序,那么关于晶格是否有任何类似的陈述? 了解该定理的一些背景: 定义:设为有理数的集合。一个子集中号⊆ Q Ñ是一个仿射歧如果(λ X + (1 - λ )Ý )∈ 中号时,,和。QQ\mathbb{Q}M⊆QnM⊆QnM\subseteq \mathbb{Q}^n(λx+(1−λ)y)∈M(λx+(1−λ)y)∈M(\lambda x+(1-\lambda)y)\in Mx∈Mx∈Mx\in My∈My∈My\in Mλ∈Qλ∈Q\lambda\in\mathbb{Q} 定义:如果对于一些,则仿射流形被认为与仿射流形平行。M′M′M'MMMM′=M+aM′=M+aM'=M+aa∈Qna∈Qna\in \mathbb{Q}^n 定理:每个非空仿射歧管平行于独特子空间。该由M⊆QnM⊆QnM\subseteq \mathbb{Q}^nKKKKKKK={x−y:x,y∈M}K={x−y:x,y∈M}K=\{x-y:x,y\in M\} 定义:该尺寸非空仿射歧管的平行于它的子空间的维数。

1
有限域上线性动力系统可达性的复杂性
设为有限域上的矩阵,并且,为空间向量。我对确定是否存在从而使的计算复杂性感兴趣,即在有限域上的线性动力系统的可达性问题中。AAAF2={0,1}F2={0,1}\mathbb{F}_2 = \{0,1\}xxxyyyFn2F2n\mathbb{F}_2^nt∈Nt∈Nt \in \mathbb{N}Atx=yAtx=yA^t x = y 问题显然在(猜测并通过重复平方来计算多项式时间内的)。我和我的同事们也能够证明 -相关问题的完全性,即确定是否存在使得,其中是分量不等式。NPNP\mathbf{NP}0≤t&lt;2n0≤t&lt;2n0 \le t < 2^nAtAtA^tNPNP\mathbf{NP}t∈Nt∈Nt \in \mathbb{N}Atx≥yAtx≥yA^t x \ge y≥≥\ge 这个问题似乎很自然,但是我在文献中找不到它的计算复杂性的参考,可能是因为我不知道确切的术语。您是否知道等式问题是 -complete还是实际上在?NPNP\mathbf{NP}PP\mathbf{P}

1
为什么对数秩猜想使用会超过实数?
在通信复杂性中,对数秩推测表明: Ç Ç (中号)= (对数ř ķ (中号))O (1 )CC(中号)=(日志⁡[Rķ(中号))Ø(1个)cc(M) = (\log rk(M))^{O(1)} 其中Ç Ç (中号)CC(中号)cc(M)是的通信复杂中号(x ,y)中号(X,ÿ)M(x,y)和ř ķ (中号)[Rķ(中号)rk(M)是的等级中号中号M在实数(作为基体)。 但是,当您仅使用等级方法来降低下限时,Ç Ç (中号)CC(中号)cc(M)您可以在方便的任何字段上使用[R ķ[Rķrk。为什么对数秩猜测限制为rk超过实数?是否可以在非零特征的场上为求解猜想[R ķ[Rķrk?如果没有,是不是感兴趣或即将有一些特别的东西[R ķ[Rķrk在[R[R\mathbb{R}?

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.