BunchKaufman-class
位于 Matrix
包(package)。 说明
类 BunchKaufman
和 pBunchKaufman
表示 实对称矩阵 的 Bunch-Kaufman 分解,具有一般形式
其中 和 是对称的,由 和 、 或 对角块组成的块对角矩阵; 是 row-permuted 单位上三角矩阵的乘积,每个单位上三角矩阵在对角线上方有 1 或 2 列的非零项; 是 row-permuted 单位下三角矩阵的乘积,每个单位下三角矩阵在对角线下方有 1 或 2 列非零条目。
这些类将 BunchKaufman
) 或 ( pBunchKaufman
) 的密集格式的向量,它们各自是稀疏的,后者给出“packed”表示。 或 因子的非零条目存储为长度为 (
插槽
Dim
,Dimnames
-
从虚拟类
MatrixFactorization
继承。 uplo
-
一个字符串,
"U"
或"L"
,指示使用因式分解对称矩阵的哪个三角形(上或下)来计算因式分解,以及如何对x
槽进行分区。 x
-
长度为
n*n
(BunchKaufman
) 或n*(n+1)/2
(pBunchKaufman
) 的数值向量,其中n=Dim[1]
。表示的细节由 LAPACK 例程dsytrf
和dsptrf
的手册指定。 perm
-
长度为
n=Dim[1]
的整数向量,指定行和列交换,如 LAPACK 例程dsytrf
和dsptrf
手册中所述。
扩展
直接类 BunchKaufmanFactorization
。类 MatrixFactorization
,按类 BunchKaufmanFactorization
,距离 2。
实例化
对象可以通过 new("BunchKaufman", ...)
或 new("pBunchKaufman", ...)
形式的调用直接生成,但它们更通常作为继承自 dsyMatrix
或 dspMatrix
的 x
的 BunchKaufman(x)
值获取。
方法
coerce
-
signature(from = "BunchKaufman", to = "dtrMatrix")
:返回dtrMatrix
,可用于检查因式分解的内部表示;看注释'。 coerce
-
signature(from = "pBunchKaufman", to = "dtpMatrix")
:返回dtpMatrix
,可用于检查因式分解的内部表示;看注释'。 determinant
-
signature(from = "p?BunchKaufman", logarithm = "logical")
:计算因式分解矩阵 的行列式或其对数。 expand1
-
signature(x = "p?BunchKaufman")
:参见expand1-methods
。 expand2
-
signature(x = "p?BunchKaufman")
:参见expand2-methods
。 solve
-
signature(a = "p?BunchKaufman", b = .)
:参见solve-methods
。
注意
在 Matrix
< 1.6-0
中,类 BunchKaufman
扩展 dtrMatrix
和类 pBunchKaufman
扩展 dtpMatrix
,反映了分解的内部表示本质上是三角形的事实:有 “parameters” 和这些可以系统地排列形成 三角矩阵。 Matrix
1.6-0
删除了这些扩展,以便不再从 dtrMatrix
和 dtpMatrix
继承方法。此类方法的可用性给人一种错误的印象,即 BunchKaufman
和 pBunchKaufman
代表一个(奇异)矩阵,而实际上它们代表一组有序的矩阵因子。
强制 as(., "dtrMatrix")
和 as(., "dtpMatrix")
是为了解这些注意事项的用户提供的。
例子
showClass("BunchKaufman")
set.seed(1)
n <- 6L
(A <- forceSymmetric(Matrix(rnorm(n * n), n, n)))
## With dimnames, to see that they are propagated :
dimnames(A) <- rep.int(list(paste0("x", seq_len(n))), 2L)
(bk.A <- BunchKaufman(A))
str(e.bk.A <- expand2(bk.A, complete = FALSE), max.level = 2L)
str(E.bk.A <- expand2(bk.A, complete = TRUE), max.level = 2L)
## Underlying LAPACK representation
(m.bk.A <- as(bk.A, "dtrMatrix"))
stopifnot(identical(as(m.bk.A, "matrix"), `dim<-`(bk.A@x, bk.A@Dim)))
## Number of factors is 2*b+1, b <= n, which can be nontrivial ...
(b <- (length(E.bk.A) - 1L) %/% 2L)
ae1 <- function(a, b, ...) all.equal(as(a, "matrix"), as(b, "matrix"), ...)
ae2 <- function(a, b, ...) ae1(unname(a), unname(b), ...)
## A ~ U DU U', U := prod(Pk Uk) in floating point
stopifnot(exprs = {
identical(names(e.bk.A), c("U", "DU", "U."))
identical(e.bk.A[["U" ]], Reduce(`%*%`, E.bk.A[seq_len(b)]))
identical(e.bk.A[["U."]], t(e.bk.A[["U"]]))
ae1(A, with(e.bk.A, U %*% DU %*% U.))
})
## Factorization handled as factorized matrix
b <- rnorm(n)
stopifnot(identical(det(A), det(bk.A)),
identical(solve(A, b), solve(bk.A, b)))
参考
The LAPACK source code, including documentation; see https://netlib.org/lapack/double/dsytrf.f and https://netlib.org/lapack/double/dsptrf.f.
Golub, G. H., & Van Loan, C. F. (2013). Matrix computations (4th ed.). Johns Hopkins University Press. doi:10.56021/9781421407944
也可以看看
类 dsyMatrix
及其打包对应项。
通用函数 BunchKaufman
、 expand1
和 expand2
。
相关用法
- R BunchKaufman-methods Bunch-Kaufman 分解方法
- R dtrMatrix-class 三角形稠密数值矩阵
- R facmul-methods 乘以矩阵因式分解的因数
- R solve-methods 函数求解矩阵包中的方法
- R updown-methods 更新和降级稀疏 Cholesky 分解
- R bdiag 构建分块对角矩阵
- R printSpMatrix 灵活格式化和打印稀疏矩阵
- R symmetricMatrix-class 包矩阵中对称矩阵的虚拟类
- R all.equal-methods 函数 all.equal() 的矩阵封装方法
- R boolmatmult-methods 布尔算术矩阵乘积:%&% 和方法
- R ltrMatrix-class 三角密集逻辑矩阵
- R Hilbert 生成希尔伯特矩阵
- R nearPD 最近正定矩阵
- R lsyMatrix-class 对称密集逻辑矩阵
- R CHMfactor-class 稀疏 Cholesky 分解
- R symmpart-methods 矩阵的对称部分和偏斜(对称)部分
- R sparseMatrix 从非零项构建一般稀疏矩阵
- R dgCMatrix-class 压缩、稀疏、面向列的数值矩阵
- R Cholesky-methods Cholesky 分解方法
- R Subassign-methods “[<-”的方法 - 分配给“矩阵”的子集
- R ldenseMatrix-class 密集逻辑矩阵的虚拟类“ldenseMatrix”
- R norm-methods 矩阵范数
- R ngeMatrix-class 一般密集非零模式矩阵的“ngeMatrix”类
- R CAex 阿尔伯斯的示例矩阵与“困难”特征分解
- R diagonalMatrix-class 对角矩阵的“diagonalMatrix”类
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Dense Bunch-Kaufman Factorizations。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。