Имея nxn-матрицу A_k и nx1-вектор x, есть ли какой-нибудь умный способ вычислить
с помощью Матлаба? x_i — элементы вектора x, поэтому J — сумма матриц. До сих пор я использовал цикл for, но мне было интересно, есть ли более разумный способ.
Имея nxn-матрицу A_k и nx1-вектор x, есть ли какой-нибудь умный способ вычислить
с помощью Матлаба? x_i — элементы вектора x, поэтому J — сумма матриц. До сих пор я использовал цикл for, но мне было интересно, есть ли более разумный способ.
Короткий ответ: вы можете использовать встроенную функцию Matlab polyvalm
a> для вычисления матричного полинома следующим образом:
x = x(end:-1:1); % flip the order of the elements
x(end+1) = 0; % append 0
J = polyvalm(x, A);
Длинный ответ: внутри Matlab используется цикл. Таким образом, вы не так много выиграли или работали еще хуже, если оптимизировали собственную реализацию (см. мою функцию calcJ_loopOptimised
):
% construct random input
n = 100;
A = rand(n);
x = rand(n, 1);
% calculate the result using different methods
Jbuiltin = calcJ_builtin(A, x);
Jloop = calcJ_loop(A, x);
JloopOptimised = calcJ_loopOptimised(A, x);
% check if the functions are mathematically equivalent (should be in the order of `eps`)
relativeError1 = max(max(abs(Jbuiltin - Jloop)))/max(max(Jbuiltin))
relativeError2 = max(max(abs(Jloop - JloopOptimised)))/max(max(Jloop))
% measure the execution time
t_loopOptimised = timeit(@() calcJ_loopOptimised(A, x))
t_builtin = timeit(@() calcJ_builtin(A, x))
t_loop = timeit(@() calcJ_loop(A, x))
% check if builtin function is faster
builtinFaster = t_builtin < t_loopOptimised
% calculate J using Matlab builtin function
function J = calcJ_builtin(A, x)
x = x(end:-1:1);
x(end+1) = 0;
J = polyvalm(x, A);
end
% naive loop implementation
function J = calcJ_loop(A, x)
n = size(A, 1);
J = zeros(n,n);
for i=1:n
J = J + A^i * x(i);
end
end
% optimised loop implementation (cache result of matrix power)
function J = calcJ_loopOptimised(A, x)
n = size(A, 1);
J = zeros(n,n);
A_ = eye(n);
for i=1:n
A_ = A_*A;
J = J + A_ * x(i);
end
end
Для n=100
я получаю следующее:
t_loopOptimised = 0.0077
t_builtin = 0.0084
t_loop = 0.0295
Для n=5
я получаю следующее:
t_loopOptimised = 7.4425e-06
t_builtin = 4.7399e-05
t_loop = 1.0496e-04
Обратите внимание, что мои тайминги несколько колеблются между разными запусками, но оптимизированный цикл почти всегда быстрее (до 6 раз для маленьких n
), чем встроенная функция.