[英]Is there a matlab built-in that calculates the quadratic form (x'*A*x)?
非常簡單的問題:給定N×N對稱矩陣A和N向量x,是否有內置的Matlab函數來計算x'*A*x
? 即,代替y = x'*A*x
,是否存在函數quadraticform
st y = quadraticform(A, x)
?
顯然我可以做y = x'*A*x
,但我需要表現,似乎應該有辦法利用
A
是對稱的 如果沒有單一的內置函數,是否有比x'*A*x
更快的方法? 或者,Matlab解析器是否足夠智能以優化x'*A*x
? 如果是這樣,你能指點我在文件中的一個地方驗證這個事實嗎?
我找不到這樣的內置函數,我知道為什么。
y=x'*A*x
可以寫成n^2
項A(i,j)*x(i)*x(j)
,其中i
和j
從1
到n
(其中A
是a) nxn
矩陣)。 A
是對稱的:對於所有i
和j
A(i,j) = A(j,i)
。 由於對稱性,每個項在總和中出現兩次,除了那些i
等於j
。 所以我們有n*(n+1)/2
不同的術語。 每個都有兩個浮點乘法,所以一個朴素的方法總共需要n*(n+1)
乘法。 很容易看出, x'*A*x
的朴素計算,即計算z=A*x
,然后計算y=x'*z
,也需要n*(n+1)
乘法。 然而,有一種更快的方法來求和我們的n*(n+1)/2
不同的項:對於每個i
,我們可以分解x(i)
,這意味着只有n*(n-1)/2+3*n
乘法就足夠了。 但這並沒有真正幫助: y=x'*A*x
的計算運行時間仍為O(n^2)
。
因此,我認為二次形式的計算不能比O(n^2)
更快地完成,並且因為這也可以通過公式y=x'*A*x
,所以沒有特殊的優勢。 “二次型”功能。
===更新===
我在C中寫了函數“quadraticform”,作為Matlab擴展:
// y = quadraticform(A, x)
#include "mex.h"
/* Input Arguments */
#define A_in prhs[0]
#define x_in prhs[1]
/* Output Arguments */
#define y_out plhs[0]
void mexFunction(int nlhs, mxArray *plhs[], int nrhs, const mxArray *prhs[])
{
mwSize mA, nA, n, mx, nx;
double *A, *x;
double z, y;
int i, j, k;
if (nrhs != 2) {
mexErrMsgTxt("Two input arguments required.");
} else if (nlhs > 1) {
mexErrMsgTxt("Too many output arguments.");
}
mA = mxGetM(A_in);
nA = mxGetN(A_in);
if (mA != nA)
mexErrMsgTxt("The first input argument must be a quadratic matrix.");
n = mA;
mx = mxGetM(x_in);
nx = mxGetN(x_in);
if (mx != n || nx != 1)
mexErrMsgTxt("The second input argument must be a column vector of proper size.");
A = mxGetPr(A_in);
x = mxGetPr(x_in);
y = 0.0;
k = 0;
for (i = 0; i < n; ++i)
{
z = 0.0;
for (j = 0; j < i; ++j)
z += A[k + j] * x[j];
z *= x[i];
y += A[k + i] * x[i] * x[i] + z + z;
k += n;
}
y_out = mxCreateDoubleScalar(y);
}
我將此代碼保存為“quadraticform.c”,並使用Matlab編譯:
mex -O quadraticform.c
我寫了一個簡單的性能測試這一功能與X” 的 X比較:
clear all; close all; clc;
sizes = int32(logspace(2, 3, 25));
nsizes = length(sizes);
etimes = zeros(nsizes, 2); % Matlab vs. C
nrepeats = 100;
h = waitbar(0, 'Please wait...');
for i = 1 : nrepeats
for j = 1 : nsizes
n = sizes(j);
A = randn(n);
A = (A + A') / 2;
x = randn(n, 1);
if randn > 0
start = tic;
y1 = x' * A * x;
etimes(j, 1) = etimes(j, 1) + toc(start);
start = tic;
y2 = quadraticform(A, x);
etimes(j, 2) = etimes(j, 2) + toc(start);
else
start = tic;
y2 = quadraticform(A, x);
etimes(j, 2) = etimes(j, 2) + toc(start);
start = tic;
y1 = x' * A * x;
etimes(j, 1) = etimes(j, 1) + toc(start);
end;
if abs((y1 - y2) / y2) > 1e-10
error('"x'' * A * x" is not equal to "quadraticform(A, x)"');
end;
waitbar(((i - 1) * nsizes + j) / (nrepeats * nsizes), h);
end;
end;
close(h);
clear A x y;
etimes = etimes / nrepeats;
n = double(sizes);
n2 = n .^ 2.0;
i = nsizes - 2 : nsizes;
n2_1 = mean(etimes(i, 1)) * n2 / mean(n2(i));
n2_2 = mean(etimes(i, 2)) * n2 / mean(n2(i));
figure;
loglog(n, etimes(:, 1), 'r.-', 'LineSmoothing', 'on');
hold on;
loglog(n, etimes(:, 2), 'g.-', 'LineSmoothing', 'on');
loglog(n, n2_1, 'k-', 'LineSmoothing', 'on');
loglog(n, n2_2, 'k-', 'LineSmoothing', 'on');
axis([n(1) n(end) 1e-4 1e-2]);
xlabel('Matrix size, n');
ylabel('Running time (a.u.)');
legend('x'' * A * x', 'quadraticform(A, x)', 'O(n^2)', 'Location', 'NorthWest');
W = 16 / 2.54; H = 12 / 2.54; dpi = 100;
set(gcf, 'PaperPosition', [0, 0, W, H]);
set(gcf, 'PaperSize', [W, H]);
print(gcf, sprintf('-r%d',dpi), '-dpng', 'quadraticformtest.png');
結果非常有趣。 x'*A*x
和quadraticform(A,x)
的運行時間收斂到O(n^2)
,但前者的因子較小:
MATLAB足夠聰明地識別和優化某些復合矩陣表達式,我相信(盡管我無法確定)二次型是它確實做出的優化之一。
但是,它不是MathWorks傾向於記錄的東西,因為a)它通常只在函數內優化,而不是在腳本中,在命令行或調試中優化b)它可能只在某些情況下工作,例如真實nonsparse A c)它可能會在不同版本之間發生變化,因此它們不希望您依賴它.d)它是使MATLAB如此優秀的專有事物之一。
要確認,您可以嘗試將y=x'*A*x
與B=A*x; y=x'*B
B=A*x; y=x'*B
您還可以嘗試使用feature('accel','off')
,這將關閉大部分優化功能。
最后,如果您聯系MathWorks支持,您可以讓其中一位開發人員確認是否正在進行優化。
我不確定這是否適用於您的情況,但我遇到了類似的情況,我想計算許多平方和。 在修補代數之后,我意識到我像數學家一樣接近這個而不是像計算機工程師那樣:
如果行X
是你的數據點,那么第i的行Q
之下將是個求和我 :
Q = sum(X.^2 * A)
希望有所幫助!
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.