如何在 MATLAB 中求解线性方程组 (A ⊗ B + C ⊗ D) x = b
而无需计算与 x
相乘的实际矩阵(⊗ 表示克罗内克产品)。即使 A
、B
、C
和 D
是稀疏
矩阵,天真的人方法,
x = (kron(A,B) + kron(C,D))\b
不适合内存并导致 MATLAB 对于大型矩阵(每个矩阵约 1000 x 1000 个元素)崩溃。
对此可以采取什么措施?
最佳答案
鉴于您的矩阵通常非常稀疏,张量积的最终结果不应占用那么多内存。这是由于中间计算需要大量内存而无法完成矢量化的情况之一,但使用循环(和部分矢量化)可能是可能的。
请注意,这是一种“总比没有好,但好不了多少”类型的解决方案。
我将使用 ndSparse
submission ,因为它可以更轻松地处理稀疏矩阵。
% Create some matrices
[A,B] = deal(sparse(1000,1000));
A(randperm(1000^2, 10000)) = randn(1E4, 1);
B(randperm(1000^2, 10000)) = randn(1E4, 1);
A = ndSparse(A); B = ndSparse(B);
% Kronecker tensor product, copied from kron.m
[ma,na] = size(A);
[mb,nb] = size(B);
A = reshape(A,[1 ma 1 na]);
B = reshape(B,[mb 1 nb 1]);
% K = reshape(A.*B,[ma*mb na*nb]); % This fails, too much memory.
K = ndSparse(sparse(mb*ma*nb*na,1),[mb, ma, nb, na]); % This works
从这里开始,可以根据可用内存继续操作:
% If there's plenty of memory (2D x 1D -> 3D):
for ind1 = 1:mb
K(ind1,:,:,:) = bsxfun(@times, A, B(ind1, :, :, :));
end
% If there's less memory (1D x 1D -> 2D):
for ind1 = 1:mb
for ind2 = 1:ma
K(ind1,ind2,:,:) = bsxfun(@times, A(:, ind2, :, :), B(ind1, :, :, :));
end
end
% If there's even less memory (1D x 0D -> 1D):
for ind1 = 1:mb
for ind2 = 1:ma
for ind3 = 1:nb
K(ind1,ind2,ind3,:) = bsxfun(@times, A(:, ind2, :, :), B(ind1, :, ind3, :));
end
end
end
% If there's absolutely no memory (0D x 0D -> 0D):
for ind1 = 1:mb
for ind2 = 1:ma
for ind3 = 1:nb
for ind4 = 1:na
K(ind1,ind2,ind3,ind4) = A(:, ind2, :, ind4) .* B(ind1, :, ind3, :);
end
end
end
end
K = sparse(reshape(K,[ma*mb na*nb])); % Final touch
所以这只是如何最终执行计算的理论演示,但不幸的是它的效率非常低,因为它必须一遍又一遍地调用类方法,而且它不能保证将有足够的内存来计算 \
运算符。
改进此问题的一种可能方法是以某种 block 方式调用matlab.internal.sparse.kronSparse
,并将中间结果存储在输出数组的正确位置,但这需要一些小心想法。
顺便说一句,我尝试使用 Ander 提到的 FEX 提交 ( KronProd
),但当您需要计算 kron(A,B) + kron(C,D)
时,它没有任何好处(尽管对于 kron(A,B)\b
情况来说这很神奇)。
关于matlab - 求解巨大的稀疏线性系统,其中 A 是 kron 乘积的结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56340347/