我有一个大矩阵,n! x n !,我需要采取决定因素 . 对于n的每个排列,我都联想到了
-
长度为2n的向量(这很容易计算)
-
在2n个变量中的多项式(在n上递归计算的线性因子的乘积)
矩阵是向量处的多项式的评估矩阵(被认为是点) . 因此,矩阵的sigma,tau入口(由置换索引)是在tau的向量处评估的sigma的多项式 .
Example :对于 n=3
,如果 i
th多项式为 (x1 - 4)(x3 - 5)(x4 - 4)(x6 - 1)
且 j
th点为 (2,2,1,3,5,2)
,则矩阵的 (i,j)
条目将为 (2 - 4)(1 - 5)(3 - 4)(2 - 1) = -8
. 这里 n=3
,所以这些点在 R^(3!) = R^6
中,并且多项式具有 3!=6
变量 .
我的目标是确定矩阵是否是非奇异的 .
我现在的方法是:
-
函数
point
采用置换并输出向量 -
函数
poly
采用置换并输出多项式 -
函数
nextPerm
以字典顺序给出下一个排列
我的代码的删节伪代码版本是这样的:
B := [];
P := [];
w := [1,2,...,n];
while w <> NULL do
B := B append poly(w);
P := P append point(w);
w := nextPerm(w);
od;
// BUILD A MATRIX IN MAPLE
M := Matrix(n!, (i,j) -> eval(B[i],P[j]));
// COMPUTE DETERMINANT IN MAPLE
det := LinearAlgebra[Determinant]( M );
// TELL ME IF IT'S NONSINGULAR
if det = 0 then return false;
else return true; fi;
我正在使用内置函数 LinearAlgebra[Determinant]
在Maple中工作,但其他一切都是使用低级Maple函数的自定义构建函数(例如 seq
, convert
和 cat
) .
我的问题是,这需要太长时间,这意味着我可以耐心等待,但获得 n=8
需要数天 . 理想情况下,我希望能够到达 n=10
.
有没有人知道如何改善时间?我愿意用不同的语言工作,例如Matlab或C,但更愿意找到一种方法来加快Maple的速度 .
我意识到如果没有所有的血腥细节,这可能很难回答,但每个功能的代码,例如 point
和 poly
已经过优化,所以这里真正的问题是,如果有更快的方法通过动态构建矩阵或类似的东西来获取行列式 .
更新:这是我玩过的两个不起作用的想法:
- 我可以存储多项式(因为它们需要一段时间来计算,我不想重做,如果我可以帮助它)到长度为
n!
的向量中,并动态计算点,并将这些值插入到行列式的置换公式:
这里的问题是矩阵的大小是 O(N!)
,所以对于我的情况,这将是 O((n!)!)
. 当 n=10
, (n!)! = 3,628,800!
这是大到甚至考虑做的方式 .
- 使用LU分解计算行列式 . 幸运的是,我的矩阵的主对角线是非零的,所以这是可行的 . 由于这是矩阵大小的
O(N^3)
,因此更接近可行的O((n!)^3)
. 但问题是,它需要我存储整个矩阵,这会对内存造成严重压力,无需考虑运行时间 . 所以这也不起作用,至少不是没有更多的聪明 . 有任何想法吗?
2 回答
我不清楚你的问题是空间还是时间 . 显然这两个交易来回 . 如果您只想知道行列式是否为正,那么您肯定应该使用
LU
分解 . 原因是如果A = LU
与L
下三角形和U
上三角形,那么所以你只需要确定
L
或U
的任何主要对角线条目是否为0
.为了进一步简化,请使用Doolittle的算法,其中
l_ii = 1
. 如果算法在任何时候发生故障,矩阵都是单数的,所以你可以停下来 . 这是要点:关键是你可以同时计算
U
的i
和i
的i
列,你只需要知道前一行/列向前移动 . 这样您就可以尽可能地并行处理并根据需要进行存储 . 由于您可以根据需要计算条目a_ij
,因此需要存储两个长度为n
的向量,同时生成另外两个长度为n
的向量(U
行,L
列) . 该算法需要n^2
时间 . 您可能会找到更多技巧,但这取决于您的空间/时间权衡 .不确定我是否跟着你的问题;是(或它是否减少)以下?
你有两个向量n个数字,称之为
x
和c
,然后矩阵元素是k
的k
的产品,每个行/列对应于x
和c
的不同排序?如果是这样,那么我相信只要
x
或c
中存在重复值,矩阵就会是奇异的,因为矩阵将具有重复的行/列 . 尝试在一个较小的n
上使用不同的x
和c
来看一堆蒙特卡罗,以查看这种情况是否通常是非单数的 - 它对于6来说是真实的 - 对于10来说它是真的 .就蛮力而言,你的方法:
不是首发
可以更快地工作(对于
n=7
应该是几秒钟),但是你可能想要尝试SVD而不是LU,这会让你更好地了解矩阵的表现 .