Как построить эту блочную трехдиагональную (разреженную) матрицу? - PullRequest
Новая
       28

Как построить эту блочную трехдиагональную (разреженную) матрицу?

0 голосов
/ 22 сентября 2018

Существует ли быстрый способ заполнения (разреженной) матрицы как таковой в R или C ++: 

A, B, 0, 0, 0
C, A, B, 0, 0
0, C, A, B, 0
0, 0, C, A, B
0, 0, 0, C, A

Где A, B, C - это матрицы 5x5, а 0 - этоматрица 5x5 нулей.

На самом деле, матрицы, которые я использую, - это сотни и тысячи строк по столбцам.В R я знаю, что можно использовать rbind и cbind, но это довольно утомительное и дорогое решение.

обновление: как использовать эту матрицу

Пусть приведенная выше матрица будет H.Учитывая два вектора x и s, мне нужно вычислить H %*% x + s = y.

1 Ответ

0 голосов
/ 22 сентября 2018

Как вы используете эту матрицу на самом деле важнее.Во многих случаях явное построение матрицы не требуется для последующих вычислений.Эти вопросы и ответы могут не относиться к вам: Как построить и сохранить эту большую нижнюю треугольную матрицу для умножения матрицы на вектор? , но она идеально подходит для иллюстрации моей точки.

Пусть приведенная выше матрица будет H.Учитывая два вектора x и s, мне нужно вычислить H %*% x + s = y.

Матрица используется только при умножении матрицы на вектор?Мы можем определенно пропустить формирование этой матрицы, поскольку умножение - это просто скользящее матричное векторное умножение между rbind(B, A, C) и x. 

## `nA` is the number of `A`-blocks on the main diagonal of `H`
MatVecMul <- function (A, B, C, nA, x, s) {
  ## input validation
  if (diff(dim(A))) stop("A is not a square matrix")
  if (diff(dim(B))) stop("B is not a square matrix")
  if (diff(dim(C))) stop("C is not a square matrix")
  if (dim(A)[1] != dim(B)[1]) stop("A and B does not have the same dimension")
  if (dim(A)[1] != dim(C)[1]) stop("A and C does not have the same dimension")
  if (length(x) != nA * M) stop("dimension dismatch between matrix and vector")
  if (length(x) %% length(s)) stop("length of 'x' does not divide length of 's'")
  ## initialization
  y <- numeric(length(x))
  ##########################
  # compute `y <- H %*% x` #
  ##########################
  ## first block column contains `rbind(A, C)`
  M <- dim(A)[1]
  ind_x <- 1:M
  y[1:(2 * M)] <- rbind(A, C) %*% x[ind_x]
  ind_x <- ind_x + M
  ## middle (nA - 2) block columns contain `rbind(B, A, C)`
  BAC <- rbind(B, A, C)
  ind_y <- 1:(3 * M)
  i <- 0
  while (i < (nA - 2)) {
    y[ind_y] <- y[ind_y] + BAC %*% x[ind_x]
    ind_x <- ind_x + M
    ind_y <- ind_y + M
    i <- i + 1
    }
  ## final block column contains `rbind(A, C)`
  ind_y <- ind_y[1:(2 * M)]
  y[ind_y] <- y[ind_y] + rbind(B, A) %*% x[ind_x]
  ## compute `y + s` and return
  y + s
  }

Вот воспроизводимый пример. 

set.seed(0)
M <- 5  ## dim of basic block
A <- matrix(runif(M * M), M)
B <- matrix(runif(M * M), M)
C <- matrix(runif(M * M), M)
nA <- 5
x <- runif(25)
s <- runif(25)

y <- MatVecMul(A, B, C, nA, x, s)

Чтобы убедиться, что вышеприведенный y вычислен правильно, нам нужно явно построить H.Существует много способов построения.

метод 1: использовать диагональную (разреженную) матрицу блока 

N <- nA * M  ## dimension of the final square matrix

library(Matrix)

## construct 3 block diagonal matrices
H1 <- bdiag(rep.int(list(A), nA))
H2 <- bdiag(rep.int(list(B), nA - 1))
H3 <- bdiag(rep.int(list(C), nA - 1))

## augment H2 and H3, then add them together with H1
H <- H1 +
     rbind(cbind(Matrix(0, nrow(H2), M), H2), Matrix(0, M, N)) + 
     cbind(rbind(Matrix(0, M, ncol(H3)), H3), Matrix(0, N, M))

## verification
range((H %*% x)@x + s - y)
#[1] -8.881784e-16  8.881784e-16

Мы видим, что MatVecMul является правильным.

метод 2: прямое заполнение

Этот метод основан на следующем наблюдении: 

B
-------------
A  B
C  A  B
   C  A  B
      C  A  B
         C  A
-------------
            C

Сначала легко построить прямоугольную матрицу,затем подмножество квадратной матрицы посередине. 

BAC <- rbind(B, A, C)

nA <- 5  ## number of basic block
N <- nA * M  ## dimension of the final square matrix
NR <- N + 2 * M  ## leading dimension of the rectangular matrix

## 1D index for the leading B-A-C block
BAC_ind1D <- c(outer(1:nrow(BAC), seq(from = 0, by = NR, length = M), "+"))
## 1D index for none-zero elements in the rectangular matrix
fill_ind1D <- outer(BAC_ind1D, seq(from = 0, by = M * (NR + 1), length = nA), "+")
## 2D index for none-zero elements in the rectangular matrix
fill_ind2D <- arrayInd(fill_ind1D, c(NR, N))

## construct "dgCMatrix" sparse matrix
library(Matrix)
Hsparse <- sparseMatrix(i = fill_ind2D[, 1], j = fill_ind2D[, 2], x = BAC)
Hsparse <- Hsparse[(M+1):(N+M), ]

## construct dense matrix
Hdense <- matrix(0, NR, N)
Hdense[fill_ind2D] <- BAC
Hdense <- Hdense[(M+1):(N+M), ]

## verification
range((Hsparse %*% x)@x + s - y)
#[1] -8.881784e-16  8.881784e-16

range(base::c(Hdense %*% x) + s - y)
#[1] -8.881784e-16  8.881784e-16

Еще раз, мы видим, что MatVecMul является правильным.

, реализующим MatVecMul с Rcpp

Очень просто преобразовать функцию R MatVecMul в функцию Rcpp.Я бы оставил вам эту задачу, так как вы использовали .

...