Обчислювальна складність множення матриць


14

Я шукаю інформацію про обчислювальну складність матричного множення прямокутних матриць. У Вікіпедії зазначено, що складність множення на B R n × p є O ( m n p ) (множення шкільної книги).ARm×nBRn×pO(mnp)

У мене є випадок, коли і n набагато менші за p , і я сподівався отримати складнішу складність, ніж лінійний у p , за рахунок створення залежності від m і nmnppmn гіршою, ніж лінійна.

Будь-які ідеї?

Спасибі.

Примітка: причина, на яку я сподіваюся, що це стане можливою, - це добре відомий результат меншої кубічної залежності в якщо m = n = p (коли матриці - всі квадрати).pm=n=p


8
Складність (послідовного) алгоритму не може бути меншою за розмір його виводу. Для вашої проблеми чи можете ви представити вхід і вихід, використовуючи простір, підлінійний у p?
Колін МакКійлан

елементи переважно ненульові або часто нульові? тобто розріджена? що безумовно призводить до різних оптимізацій. також здається, що SVD [сингулярне розкладання значення] може бути доречним на основі поточної відповіді, що стосується наближень.
vzn

Відповіді:


13

Класична робота Копперсміта показує, що при деяких можна помножити матрицю n × n α на матрицю n α × n в арифметичних операціях ˜ O ( n 2 ) . Це найважливіший компонент недавнього знаменитого результату Райана Вільямса.α>0n×nαnα×nO~(n2)

Франсуа ле Голл недавно удосконалив роботу Coppersmith, і його документ щойно був прийнятий до FOCS 2012. Для того, щоб зрозуміти цю роботу, вам знадобляться певні знання з алгебраїчної теорії складності. Документ Вірджинії Вільямс містить деякі відповідні покажчики. Зокрема, робота Копперсміта повністю описана в книзі « Теорія алгебраїчної складності» .

Інша частина роботи орієнтована приблизно на множення матриць . Ви можете перевірити цю роботу Маген і Зузіас. Це корисно для обробки дійсно великих матриць, скажімо, множення матриці та матриці N × n , де N n .n×NN×nNn

Основний підхід полягає у вибірці матриць (це відповідає рандомізованому зменшенню розмірності) та множенню значно менших вибіркових матриць. Хитрість полягає в тому, щоб з’ясувати, коли і в якому сенсі це дає хороший наближення. На відміну від попередньої частини роботи, яка є абсолютно непрактичною, алгоритми вибірки практичні і навіть необхідні для обробки великої кількості даних.


Лише зауваження: відомо (з листопада 2010 р.), Що множення прямокутної матриці не потрібно для вирішення ACC SAT. (Що добре, тому що прямокутна матриця мульти "галактична" і складна.)
Райан Вільямс
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.