格拉姆·施密特与 R

以下是执行第 1 页中的 Gram Schmidt 的 MATLAB 代码http://web.mit.edu/18.06/www/Essays/gramschmidtmat.pdf

由于我没有 MATLAB，我花了几个小时尝试用 R 执行此操作 这是我的R

f=function(x){

  m=nrow(x);
  n=ncol(x);
  Q=matrix(0,m,n);
  R=matrix(0,n,n);

  for(j in 1:n){
    v=x[,j,drop=FALSE];

    for(i in 1:j-1){
      R[i,j]=t(Q[,i,drop=FALSE])%*%x[,j,drop=FALSE];
      v=v-R[i,j]%*%Q[,i,drop=FALSE]
    }

    R[j,j]=max(svd(v)$d);
    Q[,j,,drop=FALSE]=v/R[j,j]}

    return(list(Q,R))
  }
}

它一直说有错误：

v=v-R[i,j]%*%Q[,i,drop=FALSE] 

or

R[j,j]=max(svd(v)$d);

我将 MATLAB 代码转换为 R 时做错了什么？？？

只是为了好玩，我添加了此代码的犰狳版本并对其进行了基准测试

犰狳代码：

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]

using namespace Rcpp;

//[[Rcpp::export]]
List grahm_schimdtCpp(arma::mat A) {
    int n = A.n_cols;
    int m = A.n_rows;
    arma::mat Q(m, n);
    Q.fill(0);
    arma::mat R(n, n);
    R.fill(0);  
    for (int j = 0; j < n; j++) {
    arma::vec v = A.col(j);
    if (j > 0) {
        for(int i = 0; i < j; i++) {
        R(i, j) = arma::as_scalar(Q.col(i).t() *  A.col(j));
        v = v - R(i, j) * Q.col(i);
        }
    }
    R(j, j) = arma::norm(v, 2);
    Q.col(j) = v / R(j, j);
    }
    return List::create(_["Q"] = Q,
                     _["R"] = R
    );
    }

R代码未优化（直接基于算法）

grahm_schimdtR <- function(A) {
    m <- nrow(A)
    n <- ncol(A)
    Q <- matrix(0, nrow = m, ncol = n)
    R <- matrix(0, nrow = n, ncol = n)
    for (j in 1:n) {
    v <- A[ , j, drop = FALSE]
        if (j > 1) {
    for(i in 1:(j-1)) {
            R[i, j] <- t(Q[,i,drop = FALSE]) %*% A[ , j, drop = FALSE]
            v <- v - R[i, j] * Q[ ,i]
    }
    }
    R[j, j] = norm(v, type = "2")
    Q[ ,j] = v / R[j, j]
    }

    list("Q" = Q, "R" = R)

}

R 中的本机 QR 分解

qrNative <- function(A) {
    qrdec <- qr(A)
    list(Q = qr.R(qrdec), R = qr.Q(qrdec))
}

我们将使用与原始文档中相同的矩阵来测试它（上面帖子中的链接）

A <- matrix(c(4, 3, -2, 1), ncol = 2)

all.equal(grahm_schimdtR(A)$Q %*% grahm_schimdtR(A)$R, A)
## [1] TRUE

all.equal(grahm_schimdtCpp(A)$Q %*% grahm_schimdtCpp(A)$R, A)
## [1] TRUE

all.equal(qrNative(A)$Q %*% qrNative(A)$R, A)
## [1] TRUE

现在让我们对其进行基准测试

require(rbenchmark)
set.seed(123)
A <- matrix(rnorm(10000), 100, 100)
benchmark(qrNative(A),
          grahm_schimdtR(A),
          grahm_schimdtCpp(A),
          order = "elapsed")
##                  test replications elapsed relative user.self
## 3 grahm_schimdtCpp(A)          100   0.272    1.000     0.272
## 1         qrNative(A)          100   1.013    3.724     1.144
## 2   grahm_schimdtR(A)          100  84.279  309.849    95.042
##   sys.self user.child sys.child
## 3    0.000          0         0
## 1    0.872          0         0
## 2   72.577          0         0

我真的很喜欢将代码移植到 Rcpp 中是多么容易......