如何编写分母求和？R语言GOE矩阵相关函数实现疑问

1. 前期代码回顾 #

采样GOE随机矩阵及特征值/特征向量 #

n <- 2000

# 采样GOE随机矩阵
A <- matrix(rnorm(n*n, mean=0, sd=1), n, n) 
G <- (A + t(A))/sqrt(2*n)
ev <- eigen(G)
l <- ev$values
v <- ev$vectors

生成球面上均匀分布的随机向量 #

# 多元分布参数
mean <- rep(0, n) 
var <- diag(n)

# 设置随机种子保证结果可复现
set.seed(101)

# 模拟多元正态分布样本
initial <- mvrnorm(n=10, mu=mean, Sigma=var)

# 归一化得到球面上均匀分布的随机向量x_0
x_0 <- initial[1, ]/norm(initial[1, ], type="2") 

注：x_0是球面上均匀分布的随机向量，v的每一列是上述GOE矩阵的特征向量。

2. 目标函数实现 #

目标函数形式如下：

针对分母编写的疑问，这里给出高效实现方式（利用R矩阵运算特性，避免低效循环）：

# 提前计算x0与所有特征向量的内积，得到长度为n的向量
x0_v_inner <- x_0 %*% v

# 定义目标函数h1
h1 <- function(t) {
  # 计算分子：x0与第n个特征向量的内积绝对值 * exp(-2*l[n]*t)
  numerator <- abs(x0_v_inner[n]) * exp(-2*l[n]*t)
  # 计算分母的求和项：每个内积平方 * 对应指数项，再求和
  denom_sum <- sum( (x0_v_inner)^2 * exp(-2*l*t) )
  # 返回最终结果
  numerator / sqrt(denom_sum)
}

关键细节说明 #

• x_0 %*% v会一次性完成x₀与v所有列（特征向量）的内积计算，得到长度为n的向量，对于n=2000的场景，比循环遍历每个i效率高很多
• (x0_v_inner)^2 * exp(-2*l*t)是逐元素运算：每个内积的平方乘以对应特征值的指数项，再用sum()得到分母的求和结果
• 如果需要多次调用h1函数，把x0_v_inner的计算放在函数外可以避免重复运算，进一步提升效率

内容的提问来源于stack exchange，提问作者oliver