我正在尝试实现一个代码来计算两个矩阵之和的逆。我的算法是递归的,我需要使用循环 for()
我试图在 R 中执行此操作,但我的代码非常慢。然后,我尝试使用 RcppArmadillo,但我的代码非常非常慢。我想我做错了什么。让我展示一下我的 R 代码。
mySolveR <- function(A,B){
ncol = dim(B)[1]
ZERO.B <- Matrix(0,ncol = ncol, nrow = ncol)
invCi <- A
for(i in 1:ncol){
ZERO.B[,i] <- B[,i]
gi <- 1/(1 + sum(diag(ZERO.B%*%invCi)))
invCi <- invCi - gi*(invCi%*%ZERO.B%*%invCi)
ZERO.B[,i] <- 0
}
return(invCi)}
现在我的 C++ 代码使用 RcppArmadillo。
src <- '
Rcpp::NumericMatrix Ac(A); // creates Rcpp matrix from SEXP
Rcpp::NumericMatrix Bc(B);
int n = Ac.nrow(), k = Ac.ncol();
arma::mat A(Ac.begin(), n, k, false); // reuses memory and avoids extra copy
arma::mat B(Bc.begin(), n, k, false);
arma::mat Z(n,k);
Z.zeros();
arma::mat invCi = A;
for( int i = 0 ; i < n ; i++){
Z.col(i) = B.col(i);
double gi = 1/(1 + trace(Z*invCi));
invCi = invCi - gi*(invCi*Z*invCi);
Z.zeros() ;
}
return wrap(invCi);'
我正在使用内联包来编译我的函数。
mySolveCpp <- cxxfunction(signature(A = "numeric", B = "numeric"),
src, plugin="RcppArmadillo")
现在考虑下面这个简单的例子,
A <- diag(5)
B <- matrix(c(1,-1,0,0,0, -1, 2, -1,0,0, 0,-1,2,-1,0,
0,0,-1,2,-1, 0,0,0,-1,1),5,5)
使用我的函数计算 A + B 的倒数
mySolveCpp(A,B)
mySolveR(A,B)
在这个小示例中,您可以看到我的函数运行良好。但我想将此算法应用于 15000 x 15000 左右的矩阵。在这种情况下,我的 R 代码不起作用,我的 C++ 代码非常慢,需要花费数小时来计算逆。我想知道是否可以改进我的 C++ 代码以处理大矩阵,如 15000 x 15000。
最好的
最佳答案
你试过 solve() 了吗?
A <- diag(5)
B <- matrix(c(1,-1,0,0,0, -1, 2, -1,0,0, 0,-1,2,-1,0,0,0,-1,2,-1, 0,0,0,-1,1),5,5)
solve(A+B)
对于稀疏矩阵对象:
As=Matrix(A)
Bs=Matrix(B)
solve(As+Bs)
5 x 5 Matrix of class "dsyMatrix"
[,1] [,2] [,3] [,4] [,5]
[1,] 0.61818182 0.23636364 0.09090909 0.03636364 0.01818182
[2,] 0.23636364 0.47272727 0.18181818 0.07272727 0.03636364
[3,] 0.09090909 0.18181818 0.45454545 0.18181818 0.09090909
[4,] 0.03636364 0.07272727 0.18181818 0.47272727 0.23636364
[5,] 0.01818182 0.03636364 0.09090909 0.23636364 0.61818182
关于c++ - 两个矩阵之和的逆,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25564682/