Matlab 三维对象的多维数组:如何向量化内积
,我讨论了两个自定义函数,用于将3x3矩阵和3x1向量的数组相乘,从而保留了三维(矩阵)内积的结构,并使整个过程尽可能快速高效地计算 现在,我将这些函数推广到3x4矩阵和3x1向量的多维数组(NxN)。下面是我编写的函数,它们利用for循环 块标量 此函数应将(NxN矩阵)nv的ij元素(标量)乘以(nx3x3矩阵)的ij元素(3x3矩阵)。所以它本质上是一个矩阵与一个标量乘积的多维形式Matlab 三维对象的多维数组:如何向量化内积,matlab,matrix,multidimensional-array,vectorization,Matlab,Matrix,Multidimensional Array,Vectorization,,我讨论了两个自定义函数,用于将3x3矩阵和3x1向量的数组相乘,从而保留了三维(矩阵)内积的结构,并使整个过程尽可能快速高效地计算 现在,我将这些函数推广到3x4矩阵和3x1向量的多维数组(NxN)。下面是我编写的函数,它们利用for循环 块标量 此函数应将(NxN矩阵)nv的ij元素(标量)乘以(nx3x3矩阵)的ij元素(3x3矩阵)。所以它本质上是一个矩阵与一个标量乘积的多维形式 function [B] = BlockScalar(nv,A) N=size(nv,1);
function [B] = BlockScalar(nv,A)
N=size(nv,1);
B=zeros(N,N,3,3);
for i=1:N
for j=1:N
B(i,j,:,:)= nv(i,j).*A(i,j,:,:);
end
end
end
--------块标量示例
投入:
N=2;
A = shiftdim( repmat( eye(3,3), 1, 1, N, N ), 2 );
nv=[1 2; 3 4];
输出:
块标量(nv,A)
ans(:,:,1,1)=
ans(:,:,2,1)=
ans(:,:,3,1)=
ans(:,:,1,2)=
ans(:,:,2,2)=
ans(:,:,3,2)=
ans(:,:,1,3)=
ans(:,:,2,3)=
ans(:,:,3,3)=
区块矩阵
第二个函数目前不起作用,因为我正在努力实现A
的第ij个元素(是3x3矩阵)和包含u
的第ij个元素的3个分量的列向量之间的矩阵积A*u
。正如你们很容易看到的,我希望这是三维矩阵*向量积的多维推广
function [B] = BlockMatrix(A,u)
N = size(u,2);
B = zeros(N,N,3);
for i=1:N
for j=1:N
B(i,j,:)= reshape(reshape(A(i,j,:,:),[3,3])*reshape(u(i,j,:),[1 3]),size(u));
end
end
-------块矩阵示例
如果输入是广义单位矩阵(NxN元素,每个元素都是3x3单位矩阵)和由3x1向量构成的NxN矩阵:
N=2;
A = 4.*shiftdim( repmat( eye(3,3), 1, 1, N, N ), 2 );
c = ones(2,2);
V(1,1,:)=[1 2 3];
u = c.*V;
所需的输出显然是一个具有V(由3x1向量构成的NxN矩阵)结构的对象,其中每个元素是整形(A(i,j,:,:,,,[3])
和整形(V(i,j,:,,[13])
的矩阵积。即:
i=1;j=1;
reshape(B(i,j,:),[3,1])
ans =
4
8
12
对于任何i
和j
完整输出,完整性:
B(:,:,1)=
B(:,:,2)=
B(:,:,3)=
问题
我努力(0)使BlockMatrix工作;(1) 找到一种方法来正确地将其矢量化,(2)我甚至不确定矢量化的版本会更快
对于回答上述问题的任何帮助,我们将不胜感激。对于第一个功能:
B = bsxfun(@times, A, nv);
第二项:
B = sum(bsxfun(@times, A, reshape(u, [size(u,1) size(u,2) 1 size(u,3)])), 4);
评论不用于扩展讨论;这段对话已经结束。
0 0
0 0
0 0
0 0
0 0
0 0
1 2
3 4
function [B] = BlockMatrix(A,u)
N = size(u,2);
B = zeros(N,N,3);
for i=1:N
for j=1:N
B(i,j,:)= reshape(reshape(A(i,j,:,:),[3,3])*reshape(u(i,j,:),[1 3]),size(u));
end
end
N=2;
A = 4.*shiftdim( repmat( eye(3,3), 1, 1, N, N ), 2 );
c = ones(2,2);
V(1,1,:)=[1 2 3];
u = c.*V;
i=1;j=1;
reshape(B(i,j,:),[3,1])
ans =
4
8
12
4 4
4 4
8 8
8 8
12 12
12 12
B = bsxfun(@times, A, nv);
B = sum(bsxfun(@times, A, reshape(u, [size(u,1) size(u,2) 1 size(u,3)])), 4);