矩阵的Cholesky分解

首先来复习线性代数中几个重要的概念。

1）如果一个复矩阵A = A*（共轭转置），则A称为Hermitian矩阵。（注意，矩阵A转置后仍为其本身，显然A一定是方阵。）

2）关于正定矩阵的定义：

• Mn×n 是一个对称的实矩阵，对于任意的（由n个实数组成）的非零列向量z，都有 z^TMz > 0，则称M是正定的（positive definite）的。
• More generally，Mn×n 是一个Hermitian矩阵，对于任意的（由n个复数组成）的非零列向量z，都有 z^*Mz > 0，则称M是正定的。
  

实对称矩阵为正定矩阵的充要条件是的各顺序主子式都大于零。实二次型矩阵（注意二次型矩阵必然也是对称矩阵）为正定二次型的充要条件是的矩阵的特征值全大于零。

矩阵的Cholesky分解

如果矩阵A是正定的，那么它可以被（唯一地）分解为一个下三角矩阵L和其共轭转置L*的乘积，这就是所谓的“矩阵的Cholesky分解”。对于实矩阵而言，即 A =LL^T，其中L是一个下三角矩阵。下面是一个3×3的矩阵Cholesky分解的示意。

具体要如何来计算Cholesky分解的值呢？通过观察，结合矩阵乘法的规则，不难发现矩阵L对角线上的元素可以由如下规律算得：

推广后得到：

对于那些位于对角线以下的元素l_ik，其中i>k，则会有下面这样的计算规律：

仍然可以推广得到一个更加普适的公式：

在数学软件/工具中计算矩阵的Cholesky分解

当然了，在很多数学软件或工具中都已经内置了现成的函数，我们并不需要手动去执行那些繁琐的计算。下面来看一个具体的例子：

首先在R中来验证上面的Cholesky分解结果。注意函数chol返回的是一个上三角矩阵，如果要得到下三角矩阵只要对该结果做一下转置处理即可。

> m = matrix(c(4, 12, -16, 12, 37, -43, -16, -43, 98), nrow=3, ncol=3)
> m
     [,1] [,2] [,3]
[1,]    4   12  -16
[2,]   12   37  -43
[3,]  -16  -43   98
> chol(m)
     [,1] [,2] [,3]
[1,]    2    6   -8
[2,]    0    1    5
[3,]    0    0    3

最后再来看看在MATLAB中对矩阵进行Cholesky分解的演示。我们选择得到下三角矩阵的结果，刚好是上面R中计算的上三角矩阵的转置。

>> A = [4 12 -16
12 37 -43
-16 -43 98];
>> [L] = chol(A,'lower') 

L =

     2     0     0
     6     1     0
    -8     5     3

而且，你还可以验证原对称矩阵是正定的。如下可见，矩阵的三个特征值都是大于零的。

>> [v,d]=eig(A)

v =

    0.9634    0.2127   -0.1630
   -0.2648    0.8490   -0.4573
    0.0411    0.4838    0.8742


d =

    0.0188         0         0
         0   15.5040         0
         0         0  123.4772

最后一个问题，Cholesky分解在实际中有什么用？其中一个非常重要的应用就是解方程组 Ax = B，其中A是一个正定矩阵。因为A是一个正定矩阵，所以有A =LL^T，其中L是一个下三角矩阵。原方程组可以写成 LL^Tx = B。如果令 y = L^Tx ，则有Ly = B。注意到其中L是一个下三角矩阵，所以从下向上求解y是非常非常容易的！求解出y之后，在按照类似的方法求解y = L^Tx 中的 x，而其中L^T是一个上三角矩阵，所以最终求出 x 就也是非常非常容易的！

参考文献与其他推荐阅读材料

1）关于 Hermitian矩阵，可以参考《线性代数笔记（6）：内积空间（下） 》

2）关于二次型，可以参考《Hessian矩阵与多元函数极值 》

3）http://rosettacode.org/wiki/Cholesky_decomposition

（本文完）