Rank 1更新到Cholesky分解
R1 = cholupdate (R, x)
R1 = cholupdate (R, x,“+”)
R1 = cholupdate (R, x,“-”)
(R1, p) = cholupdate (R, x,“-”)
R1 = cholupdate (R, x)
在哪里R =胆固醇(A)
原来的Cholesky因子分解一个
的上三角Cholesky因子+ x * x '
,在那里x
是一个适当长度的列向量。cholupdate
只使用对角线和上三角形R
。下三角形R
将被忽略。
R1 = cholupdate (R, x,“+”)
就等于R1 = cholupdate (R, x)
。
R1 = cholupdate (R, x,“-”)
的Cholesky因子- x * x '
。当R不是一个有效的Cholesky因子,或者当过时的矩阵不是正定的,因此没有Cholesky因子分解时,错误消息报告。
(R1, p) = cholupdate (R, x,“-”)
不会返回错误消息。如果p
是0
,R1
Cholesky因子是多少- x * x '
。如果p
大于0
,R1
是原版的Cholesky因子吗一个
。如果p
是1
,cholupdate
失败是因为过时的矩阵不是正定的。如果p
是2
,cholupdate
失败,因为上面的三角形R
不是有效的Cholesky因子
A = pascal(4) A = 1 1 1 1 1 2 3 4 1 3 6 10 1 4 10 20 R = chol(A) R = 1 1 1 1 1 10 1 2 3 0 0 1 3 0 0 0 1 x = [0 0 0 1];
这被称为第一级更新一个
自排名(x * x ')
是1
:
A + x*x' ans =
1 1 1 1 2 3 4 1 3 6 10 1 4 10 21
而不是计算Cholesky因子R1 = chol(A + x*x')
,我们可以使用cholupdate
:
R1 = cholupdate(R,x) R1 =
1.0000 1.0000 1.0000 1.0000 1.0000 0 1.0000 2.0000 3.0000 00 1.0000 3.0000 000 1.4142
然后通过减法消除正的确定性(实际上使矩阵变得奇异)1
的最后一个元素一个
。过时的矩阵是:
A - x*x' ans = 1 1 1 1 1 2 3 4 1 3 6 10 1 4 10 19
比较胆固醇
与cholupdate
:
R1 = chol(A-x*x')使用chol矩阵的错误必须是正定的。R1 = cholupdate(R,x,'-')使用cholupdate矩阵的错误必须是正定的。
然而,减去0.5
的最后一个元素一个
得到一个正定矩阵,我们可以用cholupdate
计算其Cholesky因子:
X =[0 0 0 1/√(2)];R1 = cholupdate(R,x,'-') R1 = 1.0000 1.0000 1.0000 1.0000 0 1.0000 2.0000 3.0000 00 1.0000 0.7071
cholupdate
只适用于完整的矩阵。
cholupdate
使用来自LINPACK子例程的算法ZCHUD
和ZCHDD
。cholupdate
是有用的,因为从头计算新的Cholesky因子是一个
算法,而简单地以这种方式更新现有因子是一个
算法。
[1] Dongarra, j.j., J.R. Bunch, C.B. Moler和G.W. Stewart,《LINPACK用户指南》,SIAM,费城,1979年。