算法的时间复杂度_多个矩阵计算复杂度怎么算

1 算法时间复杂度

https://blog.csdn.net/qq_17534301/article/details/82872357

算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)= O(f(n))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度，是一种“渐进表示法”。其中f(n)是问题规模n的某个函数。

算法时间复杂度一般用大O记法。

1.1 推导大O阶的方法

• 用常数1取代运行时间中的所有加法常数；
• 在修改后的运行次数函数中，只保留最高阶项；
• 如果最高阶项存在且不是1，则去除与这个项相乘的常数；
• 得到的最后结果就是大O阶。

1.1.1 常数阶

一般是指所有的加法常数，没有循环项等，如下面这段代码：

d = [5000 50];
q = [3 3];
sigmar = 0.01;sigmac = 0.01;
C = randn(d(1),q(1));
R = randn(d(2),q(2));
1
2
3
4
5

以上5条语句全是赋值语句，代表所有的加法常数，因此上述这段代码的计算复杂度用O(1)表示即可。

1.1.2 线性阶

线性阶一般涉及非嵌套循环，线性阶就是随着问题规模n的扩大，对应计算次数呈直线增长。

n = 100;
x = zeros(1,n);
for i = 1:n
    x(i) = rand(1);
end
1
2
3
4
5

上述这段代码中，由于循环的次数为n，故此段代码的时间复杂度为O(n)。

1.1.3 平方阶

n = 100;
y = zeros(n,n);
for i = 1:n   % 该循环的时间频度为n
    for j = 1:n  % 该循环的时间频度为n^2
        y(i,j) = rand(1); %时间频度为n^2
    end
end
1
2
3
4
5
6
7

外层循环每执行1次，内层循环就需要执行n次，因此总体需要执行$n^2$次，故这段代码的时间复杂度为$O(n^2)$。

1.1.4 函数调用的时间复杂度分析

首先要计算调用的该函数的时间复杂度是多少，计算总体的时间复杂度。

1.1.5 时间复杂度耗费时间的大小排序

常用的时间复杂度所耗费的时间从小到大依次是：
O(1) < O(logn) < (n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

2 矩阵计算的时间复杂度

下面两个链接是转载的关于矩阵计算复杂度的例子：
https://blog.csdn.net/qq_23174517/article/details/97243408

https://blog.csdn.net/ztf312/article/details/106692868?utm_medium=distribute.pc_relevant.none-task-blog-title-2&spm=1001.2101.3001.4242

2.1 普通矩阵乘法的计算复杂度

两个普通矩阵相乘，如：
$$A_{n\times m}{B}_{m\times p}=C_{n\times p}$$
（1）用遍历算法则有两层循环，需要遍历n行和p列，而两层循环体的内部则是m个元素的乘积之和，因此时间频度为$T(n)=n+np+npm$，因此时间复杂度为$O(npm)$;
（2）或者根据矩阵C来理解也可。矩阵C共有$n\times p$个元素，每个元素是由A的一行和B的一列来计算的，每个元素的计算复杂度为$n$，故矩阵C的计算复杂度为$O(npm)$

$$A_{n\times m}{B}_{m\times n}=C_{n\times n}$$
当$p=n$时,矩阵C的计算复杂度为$O(n^{2}m)$。

三个普通矩阵相乘，如：
$$A_{n\times m}{B}_{m\times n}{C}_{n\times p}=D_{n\times p}$$
根据两个矩阵相乘的计算复杂度算法，矩阵AB =E的计算复杂度为$O(n^{2}m)$,矩阵EC=D的计算复杂度为$O(n^{2}p)$,故三个矩阵相乘的总体时间复杂度应该为两者之和，但根据推导大O阶原则要只保留最高阶项，所以，总体时间复杂度为$O(n^2\max (m,p))$。

2.2 协方差矩阵的时间复杂度

向量的协方差公式如下：

矩阵的协方差与向量的协方差定义相似：

计算协方差矩阵的时间复杂度如下：

• 将矩阵X看做是n个c向量的组合，每个c向量具有m个元素；
• 矩阵的列协方差矩阵就是按照向量的协方差来计算的；矩阵的列协方差矩阵的每一个元素是由两个列向量的协方差，由于每个列向量有m个元素，故计算量为m；
• 列协方差矩阵中共有n行n列，所以需要做$n^2$次协方差计算。

综上所述，上述矩阵X由列组成的协方差矩阵的时间复杂度为$O(n^{2}m)$，和矩阵运算的复杂度是一样的，其实也可以通过矩阵来求解协方差矩阵$X^{\prime }X/(m-1)$，计算复杂度是一样的。