我有两个矩阵，第一个矩阵是从第二个数据创建的，用于转换第二个矩阵。我重复这个操作很多次。由于这两个矩阵的依赖性，我还没有找到一种方法来加速这里的操作。我会尝试用小矩阵大小向您展示我所说的内容。
Type mismatch: cannot convert from List<String> to ArrayList<String>假设我执行此操作数百万次，并且计算值在A中的位置取决于我希望在B中发生旋转的位置。因此，在每次迭代中，矩阵A和B不同，并且使用的值计算放在A中的新值是不同的。
有没有人知道加速此类代码的方法？考虑到矩阵乘法本质上是向量矩阵乘法，我希望创建一个组合A（展开到A是一个完整矩阵的点，或者足以充分利用MMM算法），但新值的数据依赖性使得好像我可能会陷入困境。我得到这样的东西：
[ 1 0 0 0 ] [ .11 .22 .33 .44 ]
[ 0 1 0 0 ] [ .65 .42 .01 .92 ]
[ 0 0 .51^2 .85^2 ] * [ .31 .15 .51 .85 ]
[ 0 0 .44^2 .23^2 ] [ .25 .78 .44 .23 ]
A B
其中A＆＃39;源于B＆＃39;，A＆＃39;＆＃39;来自B＆＃39;＆＃39;等等。
编辑：
澄清一下，第二轮可能是：
A * B = B'
A' * B' = B''
A'' * B'' = B'''
答案 0 :(得分：0)
这更像是一个数学问题，而不是一个编程问题，但是有一种方法可以加速你的计算。这个答案假设您正在乘以大型矩阵，但A是对单位矩阵的略微修改，仅在位置（i,i），（i,i+1），（{{ 1}}）和（i+1,i）正如您在评论中提到的那样。
请注意，左侧的i+1,i+1乘以矩阵B，其中A除了对角线上的1之外都有一行全零，相当于说{{1} } A的行等于B的i行。这意味着您可以立即在迭代中保存大量计算。
鉴于更新AB i具有这些不错的属性，我们有以下算法：
B' = A*B初始化为A。B'，此左侧是B矩阵。update = [A(i,:),A(i+1,:)]*B中：(2xn)。翻转每次更新= B'
如果您的大小[B'(i,:),B'(i+1,:)]真的很大，您可能希望通过利用两行O(2n^2)的行稀疏性来在这些小矩阵乘法中保存更多计算。您可以执行n乘A矩阵乘法，而不是执行(2xn)乘(nxn)矩阵乘法。
这个新算法将再次更新正确的两行(2x2)。但是，现在您的更新矩阵乘法必须是：
(2xn)翻转每次更新= B'
请注意，两种算法都没有明确存储所有update = [A(i ,i), A(i ,i+1)] * [B(i ,:)]
[A(i+1,i), A(i+1,i+1)] [B(i+1,:)]
，因此您将节省内存和计算。此外，如果以行主格式存储矩阵，前面的两种算法都将非常有效。
答案 1 :(得分：0)
将矩阵A[rows][num]乘以矩阵B[num][cols]时，结果矩阵C[rows][cols]中的每个元素都是
C[r][c] = A[r][0]*B[0][c] + ... + A[r][num-1]*B[num-1][c]
= sum( A[r][k] * B[k][c], k = 0 .. num-1 )
此处，A是除两行（r0和r1）之外的单位矩阵，每行包含两列（c0和{{1} }}）。由于行c1和r0否则为零，因此这些行上结果矩阵r1中的每个元素都是两个产品的总和：
C由于C[r0][i] = A[r0][c0] * B[c0][i] + A[r0][c1] * B[c1][i]
C[r1][i] = A[r1][c0] * B[c0][i] + A[r1][c1] * B[c1][i]
是一个单位矩阵，因此结果中的所有其他行与A矩阵中的相应行相同。
如果我们使用
B然后我们可以将更新循环描述为
a00 = A[r0][c0] a01 = A[r0][c1]
a10 = A[r1][c0] a11 = A[r1][c1]
如果我们在更新循环中使用两个临时变量（例如For i = 0 .. cols-1
C[r0][i] = a00 * B[c0][i] + a01 * B[c1][i]
C[r1][i] = a10 * B[c0][i] + a11 * B[c1][i]
End for
或c0 == r0，那么在我们计算c1 == r0处的元素之前，我们不会覆盖[r0][i]处的元素1}}），只使用[r1][i]矩阵就可以完成整个操作。
如果左矩阵B中的非同一性元素是矩阵A中的对应元素，并且我们进行了更新，则变得非常简单。在C99：
B上述操作的计算成本为#include <stdlib.h>
void update(const size_t n, double B[n][n], const size_t r, const size_t c)
{
const double a00 = B[r ][c ] * B[r ][c ];
const double a01 = B[r ][c+1] * B[r ][c+1];
const double a10 = B[r+1][c ] * B[r+1][c ];
const double a11 = B[r+1][c+1] * B[r+1][c+1];
size_t i;
for (i = 0; i < n; i++) {
const double b0i = B[c ][i];
const double b1i = B[c+1][i];
B[r ][i] = a00 * b0i + a01 * b1i;
B[r+1][i] = a10 * b0i + a11 * b1i;
}
}
乘法和4*n+4个（矩阵元素的加法），即 O（N）。
这种方法也适用于Givens和Jacobi旋转，除了不是使用给定矩阵计算四个元素，而是根据传递给函数的参数计算它们;而不是连续的行和列，需要传递两个单独的行和两个列参数。