4x4 矩阵相乘的朴素算法如下所示:
void matrix_mul(double out[4][4], double lhs[4][4], double rhs[4][4]) {
for (int i = 0; i < 4; ++i) {
for (int j = 0; j < 4; ++j) {
out[i][j] = 0.0;
for (int k = 0; k < 4; ++k) {
out[i][j] += lhs[i][k] * rhs[k][j];
}
}
}
}
显然,如果 out == lhs
或 out == rhs
(此处 ==
表示引用相等),此算法会给出虚假结果。是否有一个版本允许其中一种或两种情况不只是简单地复制矩阵?如有必要,我很乐意为每种情况提供不同的功能。
我找到了 this paper 但它讨论了 Strassen-Winograd 算法,这对我的小矩阵来说是过大的。 this的答案问题似乎表明,如果 out == lhs && out == rhs
(即,我们试图对矩阵进行平方),那么它就无法完成,但即使没有有说服力的证据或证明。
最佳答案
我对这个答案并不感到兴奋(我发布它主要是为了让“这显然无法完成”的人群安静下来),但我怀疑是否有可能用真正的 in-放置算法(O(1) 额外的存储字用于将两个 n x n 矩阵相乘)。我们称这两个矩阵相乘为 A 和 B。假设 A 和 B 没有别名。
如果 A 是上三角矩阵,则乘法问题将如下所示。
[a11 a12 a13 a14] [b11 b12 b13 b14]
[ 0 a22 a23 a24] [b21 b22 b23 b24]
[ 0 0 a33 a34] [b31 b32 b33 b34]
[ 0 0 0 a44] [b41 b42 b43 b44]
我们可以按如下方式将乘积计算为 B。将 B 的第一行乘以 a11
。将 B 的第二行添加到第一行的 a12
次。将 B 的第三行的 a13
次添加到第一行。将 a14
乘以 B 的第四行到第一行。
现在,我们已经用正确的产品覆盖了 B 的第一行。幸运的是,我们不再需要它了。将 B 的第二行乘以 a22
。将 a23
乘以 B 的第三行到第二行。 (你明白了。)
同样,如果 A 是单位下三角矩阵,则乘法问题将如下所示。
[ 1 0 0 0 ] [b11 b12 b13 b14]
[a21 1 0 0 ] [b21 b22 b23 b24]
[a31 a32 1 0 ] [b31 b32 b33 b34]
[a41 a42 a43 1 ] [b41 b42 b43 b44]
在B的第三行到第四行添加a43
次。将 B 的第二行添加到第四行的 a42
次。将 B 的第一行添加到第四行的 a41
次。将 a32
乘以 B 的第二行到第三行。 (你明白了。)
完整的算法是原地 LU 分解 A,将 U B 乘以 B,将 L B 乘以 B,然后原地 LU 分解 A(我不确定是否有人这样做过,但看起来很简单反转步骤)。有大约一百万个理由不在实践中实现这一点,其中两个原因是 A 可能不是 LU 可分解的,并且通常不会使用浮点运算准确地重构 A。
关于algorithm - 是否有一种算法可以就地乘方阵?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25450809/