【发布时间】：2017-05-29 01:17:14
【问题描述】：
避免数组分配有利于性能。但是，我还没有理解对矩阵A 执行 QR 分解的最有效方法是什么。 （注意：Q 和 R 矩阵都需要）
只需使用
Q, R = qr(A)
可能不是最好的主意，因为它同时分配了 Q 和 R，两者都可以重新分配。
函数qrfact 允许一个store factorization in a packed format。但是，我还是会在之后写：
F = qrfact(A); Q = F[:Q]; R = F[:R]
再次为Q 和R 分配新数组。最后，文档还建议使用qrfact! 函数，即saves space by overwriting the input A, instead of creating a copy。但是，如果使用F = qrfact!(A)
被覆盖的A 没有有用，因为它不是Q 或R，这是一个人（特别是我）需要的。
所以我的两个问题是：
如果您只关心矩阵
Q和R并且重新分配它们没有问题，那么执行 QR 分解的最佳/最有效方法是什么。当调用
qrfact!(A)时，矩阵A中实际写的是什么？
【问题讨论】：
-
事后为什么需要
Q = F[:Q]; R = F[:R]？你不能直接使用F[:Q]吗？ -
Julia 文档中有对存储方法的引用。具体来说，这个paper 被链接到。但事实上，你会想看看这个julia code
-
@MichaelK.Borregaard 使用
Q或F[:Q]对我来说并不重要。问题是如何避免从F[:Q]完成分配（如果有的话）。 -
哦该死，不幸的是我需要对
F[:Q]矩阵进行操作，因为我需要更改某些列上的符号（qr-decomposition 以查找 lyapunov 指数） -
我有一些 严重 怀疑分配数组的成本（实际上是 O(1)）在涉及执行 O(n^3) 的算法中甚至可以检测到QR分解。您是否分析了您的代码并确认您确实需要避免这些分配？
标签： performance julia linear-algebra qr-decomposition