您是否尝试过 cardinal 的建议并探索了一些计算逆的替代方法？让我们考虑一个具体的例子：

library(MASS)

k   <- 2000
rho <- .3

S       <- matrix(rep(rho, k*k), nrow=k)
diag(S) <- 1

dat <- mvrnorm(10000, mu=rep(0,k), Sigma=S) ### be patient!

R <- cor(dat)

system.time(RI1 <- solve(R))
system.time(RI2 <- chol2inv(chol(R)))
system.time(RI3 <- qr.solve(R))

all.equal(RI1, RI2)
all.equal(RI1, RI3)

所以，这是一个相关矩阵的例子，我们想要逆矩阵。在我的笔记本电脑（Core-i5 2.50Ghz）上，需要 8-9 秒，需要 4 秒多一点，需要 17-18 秒（建议多次运行代码以获得稳定的结果）。$2000 \times 2000$solvechol2inv(chol())qr.solve()

因此，通过 Choleski 分解的逆运算速度大约是 的两倍solve。当然可能有更快的方法来做到这一点。我只是在这里探索了一些最明显的。正如评论中已经提到的，如果矩阵具有特殊的结构，那么可能可以利用它来提高速度。

如果您正在使用协方差矩阵或任何可以使用的正定矩阵，pd.solve则速度会更快。

以沃尔夫冈为例：

library(MASS)
library(mnormt)

k   <- 2000
rho <- .3

S       <- matrix(rep(rho, k*k), nrow=k)
diag(S) <- 1

dat <- mvrnorm(10000, mu=rep(0,k), Sigma=S) ### be patient!

R <- cor(dat)

system.time(RI1 <- solve(R))
system.time(RI2 <- chol2inv(chol(R)))
system.time(RI3 <- qr.solve(R))

> system.time(RI1 <- solve(R))
  usuário   sistema decorrido 
    13.21      0.03     13.76 
> system.time(RI2 <- chol2inv(chol(R)))
  usuário   sistema decorrido 
     5.62      0.05      5.80 
> system.time(RI3 <- qr.solve(R))
  usuário   sistema decorrido 
    20.42      0.09     21.10 
> system.time(RI4 <- pd.solve(R))
  usuário   sistema decorrido 
     5.53      0.00      5.61