正定对称矩阵快速求解

作者：JHJ(jianghuijun211@gmail.com)
日期：2012/08/24

欢迎转载，请注明出处

 

关于正定稀疏矩阵的一种快速求解方法。对Cholesky分解的一种优化。四年前的论文，当时做语音信号处理时写的，现在分享给大家。具体内容见点这里。 

1.大型稀疏正定矩阵的cholesky分解

文[1]利用无向图来确定cholesky分解的下三角矩阵的非零结构图，提出了两种算法，即消去图和通过商图找顶点的可达集。本文主要利用有向图来确定cholesky分解的下三角矩阵的非零结构图，采用有向图算法可以进一步减小算法的时间和空间复杂度，提出利用动态规划思想确定顶点的终点集(即文[1]可达集的概念)以及有向图中的消去图算法。本文同时给出了这两种算法的数据结构，这种数据结构有利于大型稀疏矩阵的压缩。

1.1标准choleskey算法时间复杂度分析

本文介绍直接法求解对称正定线性方程组

Ax = b,                                                  (1.1)

其中A是N阶大型稀疏对称正定矩阵。应用cholesky分解求解(1.1)是一稳定有效的方法。Cholesky分解的MATLAB算法如下^[1]：

for j = 1 : n                                    1

     for i = j : n                                       2

            v(i) = aij                                              3

            for k = 1 : j – 1                         4

                   v(i) = v(i) - gjk *gik;          5

            end                                                 6

            gij = v(i) / ;                     7

     end                                                        8

end                                                      9

其中gij为对称正定矩阵A经过Cholesky分解得到的下三角矩阵L。

记s(i)为程序中第i行程序运行的次数。

(1.2)

所以Cholesky分解算法的时间复杂度为。

1.2理论上稀疏矩阵choleskey分解最小时间复杂度

标准choleskey分解计算了下三角矩阵L的主对角线及以下元素的所有值。但是若L为稀疏矩阵，如果我们能事先知道L中非零元素的位置，则我们只需要这些非零元值。显然，这可以很好的降低时间复杂度。

，则δ为矩阵的稀疏密度。

若我们只计算L中非零元的值，则我们可知，

 

对于第2个for循环，第j列有δ×(n-j＋1)个非零元素。

                              (1.3)

对于第3个for循环，由于第i行有i×δ个非零元素，如果我们只操作第j行的非零元素，则此循环平均次数为t/n。此时

                               (1.4)

比较式(1.2)、