ldl

Блокируйте LDL-разложение для Эрмитовых неопределенных матриц

Синтаксис

L = ldl(A)
[L,D] = ldl(A)
[L,D,P] = ldl(A)
[L,D,p] = ldl(A,'vector')
[U,D,P] = ldl(A,'upper')
[U,D,p] = ldl(A,'upper','vector')
[L,D,P,S] = ldl(A)
[L,D,P,S] = LDL(A,THRESH)
[U,D,p,S] = LDL(A,THRESH,'upper','vector')

Описание

L = ldl(A) возвращает только переставленный нижний треугольный матричный L как в 2D выходной форме. Информация о перестановке потеряна, как диагональ блока факторный D. По умолчанию ссылки ldl только диагональ и более низкий треугольник A, и принимают, что верхний треугольник является комплексным сопряженным транспонированием более низкого треугольника. Поэтому [L,D,P] = ldl(TRIL(A)) и [L,D,P] = ldl(A) оба возвращают те же самые факторы. Отметьте, этот синтаксис не допустим для разреженного A.

[L,D] = ldl(A) хранит диагональ блока матричный D и переставленная нижняя треугольная матрица в L, таким образом что A = L*D*L'. Диагональ блока матричный D имеет блоки 2 на 2 и 1 на 1 на своей диагонали. Отметьте, этот синтаксис не допустим для разреженного A.

[L,D,P] = ldl(A) возвращает модуль нижний треугольный матричный L, диагональ блока D и матрица перестановок P, таким образом что P'*A*P = L*D*L'. Это эквивалентно [L,D,P] = ldl(A,'matrix').

[L,D,p] = ldl(A,'vector') возвращает информацию о перестановке как вектор, p, вместо матрицы. p вывод является вектором - строкой, таким образом что A(p,p) = L*D*L'.

[U,D,P] = ldl(A,'upper') ссылки только диагональный и верхний треугольник A и принимает, что более низкий треугольник является комплексным сопряженным транспонированием верхнего треугольника. Этот синтаксис возвращает модуль верхняя треугольная матрица U, таким образом, что P'*A*P = U'*D*U (принимающий, что A является Эрмитовым, и не только верхний треугольный). Точно так же [L,D,P] = ldl(A,'lower') дает поведение по умолчанию.

[U,D,p] = ldl(A,'upper','vector') возвращает информацию о перестановке как вектор, p, как делает [L,D,p] = ldl(A,'lower','vector'). A должен быть полной матрицей.

[L,D,P,S] = ldl(A) возвращает модуль нижний треугольный матричный L, диагональ блока D, матрица перестановок P, и масштабирующий матричный S, таким образом что P'*S*A*S*P = L*D*L'. Этот синтаксис только доступен для действительных разреженных матриц, и только на более низкий треугольник A ссылаются. ldl использует MA57 для разреженного действительного симметричного A.

[L,D,P,S] = LDL(A,THRESH) использование THRESH как допуск центра в MA57. THRESH должен быть двойным скаляром, лежащим в интервале [0, 0.5]. Значением по умолчанию для THRESH является 0.01. Используя меньшие значения THRESH может дать более быстрые времена факторизации и меньше записей, но может также привести к менее стабильной факторизации. Этот синтаксис доступен только для действительных разреженных матриц.

[U,D,p,S] = LDL(A,THRESH,'upper','vector') устанавливает допуск центра и возвращает верхний треугольный U и вектор перестановки p, как описано выше.

Примеры

Эти примеры иллюстрируют использование различных форм функции ldl, включая одну - 2D, и формы с тремя выводами и использования опций upper и vector. Затронутые темы:

Прежде, чем запустить любой из этих примеров, необходимо будет сгенерировать следующие положительные определенные и неопределенные Эрмитовы матрицы:

A = full(delsq(numgrid('L', 10)));
B = gallery('uniformdata',10,0);
M = [eye(10) B; B' zeros(10)]; 

Структура M здесь очень распространена в оптимизации и проблемах потока жидкости, и M на самом деле неопределенен. Обратите внимание на то, что положительный определенный матричный A должен быть полным, когда ldl не принимает разреженные аргументы.

Пример 1 - двух-Выходная Форма ldl

2D выходная форма ldl возвращает L и D, таким образом, что A-(L*D*L') является маленьким, L является переставленным нижним треугольным модулем, и D является диагональю блока 2-by-2. Обратите внимание также, что, потому что A положителен определенный, диагональ D все положительна:

[LA,DA] = ldl(A); 
fprintf(1, ...
'The factorization error ||A - LA*DA*LA''|| is %g\n', ...
norm(A - LA*DA*LA'));
neginds = find(diag(DA) < 0)

Учитывая a b, решите Ax=b с помощью LA, DA:

bA = sum(A,2);
x = LA'\(DA\(LA\bA));
fprintf(...
'The absolute error norm ||x - ones(size(bA))|| is %g\n', ...
norm(x - ones(size(bA)))); 

Пример 2 - Три Выходных Формы ldl

Три выходных формы возвращают матрицу перестановок также, так, чтобы L был на самом деле нижним треугольным модулем:

[Lm, Dm, Pm] = ldl(M);
fprintf(1, ...
'The error norm ||Pm''*M*Pm - Lm*Dm*Lm''|| is %g\n', ...
norm(Pm'*M*Pm - Lm*Dm*Lm'));
fprintf(1, ...
'The difference between Lm and tril(Lm) is %g\n', ...
norm(Lm - tril(Lm)));

Учитывая b, решите Mx=b с помощью Lm, Dm и Pm:

bM = sum(M,2);
x = Pm*(Lm'\(Dm\(Lm\(Pm'*bM))));
fprintf(...
'The absolute error norm ||x - ones(size(b))|| is %g\n', ...
norm(x - ones(size(bM)))); 

Пример 3 - структура D

D является матрицей диагонали блока с блоками 1 на 1 и блоками 2 на 2. Это делает его особым случаем трехдиагональной матрицы. Когда входная матрица положительна определенный, D является почти всегда диагональным (в зависимости от того, насколько определенный матрица). Когда матрица неопределенна однако, D может быть диагональным, или это может выразить блочную структуру. Например, с A как выше, DA является диагональным. Но если вы переключаете A только немного, вы заканчиваете с неопределенной матрицей, и затем можно вычислить D, который имеет блочную структуру.

figure; spy(DA); title('Structure of D from ldl(A)');
[Las, Das] = ldl(A - 4*eye(size(A)));
figure; spy(Das); 
title('Structure of D from ldl(A - 4*eye(size(A)))');

Пример 4 - Используя 'векторную' опцию

Как функция lu, ldl принимает аргумент, который определяет, возвращает ли функция вектор перестановки или матрицу перестановок. ldl возвращает последнего по умолчанию. Когда вы выбираете 'vector', функция выполняется быстрее и использует меньше памяти. Поэтому определение опции 'vector' рекомендуется. Другая вещь отметить состоит в том, что индексация обычно быстрее, чем умножение для этого вида операции:

[Lm, Dm, pm] = ldl(M, 'vector');
fprintf(1, 'The error norm ||M(pm,pm) - Lm*Dm*Lm''|| is %g\n', ...
  norm(M(pm,pm) - Lm*Dm*Lm'));

% Solve a system with this kind of factorization.
clear x;
x(pm,:) = Lm'\(Dm\(Lm\(bM(pm,:))));
fprintf('The absolute error norm ||x - ones(size(b))|| is %g\n', ...
  norm(x - ones(size(bM))));

Пример 5 - Используя 'верхнюю' опцию

Как функция chol, ldl принимает аргумент, который определяет, на какой треугольник входной матрицы ссылаются, и также возвращает ли ldl более низкое (L) или верхний (L') треугольный фактор. Для плотных матриц нет никаких действительных сбережений с использованием верхней треугольной версии вместо нижней треугольной версии:

Ml = tril(M);
[Lml, Dml, Pml] = ldl(Ml, 'lower'); % 'lower' is default behavior.
fprintf(1, ...
'The difference between Lml and Lm is %g\n', norm(Lml - Lm));
[Umu, Dmu, pmu] = ldl(triu(M), 'upper', 'vector');
fprintf(1, ...
'The difference between Umu and Lm'' is %g\n', norm(Umu - Lm'));

% Solve a system using this factorization.
clear x;
x(pm,:) = Umu\(Dmu\(Umu'\(bM(pmu,:))));
fprintf(...
'The absolute error norm ||x - ones(size(b))|| is %g\n', ...
norm(x - ones(size(bM))));

При определении и 'upper' и опций 'vector', 'upper' должен предшествовать 'vector' в списке аргументов.

Пример 6 - linsolve и Эрмитов неопределенный решатель

При использовании функции linsolve можно испытать лучшую производительность путем использования знания, что система имеет симметрическую матрицу. Матрицы, используемые в примерах выше, являются немного маленькими, чтобы видеть это так, для этого примера, сгенерировать большую матрицу. Матрица здесь симметрична положительный определенный, и ниже мы будем видеть, что с каждым битом знания о матрице, существует соответствующее ускорение. Таким образом, симметричный решатель быстрее, чем общий решатель, в то время как симметричный положительный определенный решатель быстрее, чем симметричный решатель:

Abig = full(delsq(numgrid('L', 30)));
bbig = sum(Abig, 2);
LSopts.POSDEF = false;
LSopts.SYM = false;
tic; linsolve(Abig, bbig, LSopts); toc;
LSopts.SYM = true;
tic; linsolve(Abig, bbig, LSopts); toc;
LSopts.POSDEF = true;
tic; linsolve(Abig, bbig, LSopts); toc;

Алгоритмы

ldl использует стандартные программы MA57 в Harwell Subroutine Library (HSL) для действительных разреженных матриц.

Ссылки

[1] Ashcraft, C., Р.Г. Граймс и Дж.Г. Льюис. “Точные Симметричные Неопределенные Решатели Линейных уравнений”. Издание 20 SIAM J. Matrix Anal. Appl. Номер 2, 1998, стр 513–561.

[2] Подновите, я. S. "MA57 — новый код для решения разреженных симметричных определенных и неопределенных систем". Технический отчет RAL TR-2002-024, Лаборатория Резерфорда Эпплтона, 2002.

Смотрите также

| |

Для просмотра документации необходимо авторизоваться на сайте