矩阵分解 Cholesky分解
来源:互联网 发布:我们来了网络播出时间 编辑:程序博客网 时间:2024/04/27 20:00
Cholesky分解法又叫平方根法,是求解对称正定线性方程组最常用的方法之一。对于一般矩阵,为了消除LU分
解的局限性和误差的过分积累,采用了选主元的方法,但对于对称正定矩阵而言,选主元是不必要的。
定理:若对称正定,则存在一个对角元为正数的下三角矩阵,使得成立。
Cholesky分解的条件(这里针对复数矩阵)
一、Hermitian matrix(埃尔米特矩阵):矩阵中的元素共轭对称(复数域的定义,类比于实数对称矩阵)。
Hermitian意味着对于任意向量x和y,(x*)Ay共轭相等
二、Positive-definite:正定(矩阵域,类比于正实数的一种定义)。正定矩阵A意味着,对于任何向量x,(x^T)Ax总是大于零(复数域是(x*)Ax>0)
Cholesky分解的形式
可记作A = L L*。其中L是下三角矩阵。L*是L的共轭转置矩阵。
可以证明,只要A满足以上两个条件,L是唯一确定的,而且L的对角元素肯定是正数。反过来也对,即存在L把A分解的话,A满足以上两个条件。
如果A是半正定的(semi-definite),也可以分解,不过这时候L就不唯一了。
特别的,如果A是实数对称矩阵,那么L的元素肯定也是实数。
另外,满足以上两个条件意味着A矩阵的特征值都为正实数,因为Ax = lamda * x,
(x*)Ax = lamda * (x*)x > 0, lamda > 0
假设现在要求解线性方程组,其中为对称正定矩阵,那么可通过下面步骤求解
(1)求的Cholesky分解,得到
(2)求解,得到
(3)求解,得到
现在的关键问题是对进行Cholesky分解。假设
通过比较两边的关系,首先由,再由
这样便得到了矩阵的第一列元素,假定已经算出了的前列元素,通过
可以得到
进一步再由
最终得到
这样便通过的前列求出了第列,一直递推下去即可求出,这种方法称为平方根法。
代码:
用上述的方法需要进行开方,这有可能损失精度和增加运算量,为了避免开方,Cholesky分解有个改进的版本分解。
参考资料:http://class.htu.cn/nla/cha1/sect3.htm
转自:http://blog.csdn.net/acdreamers/article/details/44656847
http://blog.csdn.net/zhouliyang1990/article/details/21952485
- 矩阵分解 Cholesky分解
- 矩阵分解 Cholesky分解(Cholesky decomposition)
- 正定矩阵的Cholesky分解
- 正定矩阵的Cholesky分解
- Cholesky分解
- Cholesky分解
- Cholesky分解
- Cholesky分解
- cholesky分解
- Cholesky分解
- 矩阵分解——三角分解(Cholesky 分解)
- Cholesky Decomposition (Cholesky分解)
- Matlab与线性代数--矩阵的Cholesky分解
- 基于Cholesky分解的正定矩阵求逆矩阵
- cholesky分解的实现
- LU分解、LDLT分解和Cholesky分解
- 使用 uBLAS 进行实对称正定矩阵的 Cholesky 分解
- 求解线性方程组之Cholesky分解
- ubuntu下php5.6安装
- 代码设置RelativeLayout相对位置设置
- QT 乱码问题
- 关于MySQL版本与HIbernate版本不匹配的问题,注意事项!!
- Lua中如何防止sql注入
- 矩阵分解 Cholesky分解
- acticle
- SprigBoot核心注解详解及核心配置大全(持续更新)
- Java分治法实现最大子数组
- C++ 将数学表达式构建成图
- Gitlab源码许可切换致DCO
- allegro学习笔记
- java redis之jredis操作
- 23种设计模式代码实战