我有一个问题。我有两个大小为 82248x20 的数组,如果我在 Matlab 中执行以下操作
A=X'*Y
它会给我 6.152847328855238e-18 作为第二个值。 如果我在 Python 中使用类似
test=scipy.io.loadmat('wohin.mat')
X=test['X']
Y=test['Y']
A=np.transpose(X)@Y
A=np.dot(np.transpose(X),Y)
A=np.matmul(np.transpose(X),Y)
我得到第二个值的值 1.9233746539892849e-16 如果我用
for i in range(0,82248):
t=t+np.transpose(Y)[0,i]*X[i,1]
第一行的第二个值是 3.3664996263355106e-15。那么我的误解或三种方法的区别在哪里。最后一个可能有一些舍入错误,但其他两个应该给我相同的结果吗?
请您参考如下方法:
X 和 Y 这两个矩阵是相同的矩阵,其列形成了看似正交基的列。因此,您应该期望 transpose(X)*Y 是一个单位矩阵。所有非对角线元素都应为零,并且仅由于舍入误差而不同于零。
就是说,您观察到的差异仅仅意味着矩阵乘法的各种实现在某些方面彼此不同。例如,求和的顺序会影响最终结果。
例子(MATLAB):
>> sum(X(:,1).*Y(:,2))
ans =
3.366499626335511e-15
>> sum(flipud(X(:,1)).*flipud(Y(:,2)))
ans =
3.366880519846534e-15
在这个例子中,我们手动计算两个大的正交向量的内积。通过翻转向量,结果应该不会改变,但是,由于舍入误差,我们得到的结果略有不同。
