问题很简单,对于大小为
计算
这是最有效的方法吗?最低效的方法是什么?
n*n
的矩阵A
、B
、C
和D
以及长度为n
的向量x
,需要在Matlab中以最高效的方式找到E = DCBAx
,以及最低效的方式。计算
E
的最明显方法就是直接相乘。这是最有效的方法吗?最低效的方法是什么?
n*n
的矩阵A
、B
、C
和D
以及长度为n
的向量x
,需要在Matlab中以最高效的方式找到E = DCBAx
,以及最低效的方式。E
的最明显方法就是直接相乘。n = 1000;
A = rand(n, n);
B = rand(n, n);
C = rand(n, n);
D = rand(n, n);
x = rand(n, 1);
然后,我们可以为矩阵乘积定义一些函数句柄,在其中强制操作的顺序。
fun1 = @() D*C*B*A*x;
fun2 = @() (D*C*B*A)*x;
fun3 = @() (D*(C*(B*A)))*x;
fun4 = @() D*(C*(B*(A*x)));
使用timeit
进行简单的执行时间评估显示,fun1
、fun2
和fun3
的表现几乎相同,而fun4
则快了约100倍。这种行为的原因是,在前三种情况下,我们需要进行3个矩阵乘积和1个矩阵-向量乘积,而在最后一种情况下,只执行了4个矩阵-向量乘积。有趣的是,Matlab在评估fun1
时无法识别这种简单的优化。