超级会员免费看
本文介绍了线性方程组的解法，重点讲解了LU、LDLT、Cholesky、QR和SVD五种矩阵分解方法。LU分解适用于数值分析，LDLT适合对称矩阵，Cholesky分解高效且适用于正定矩阵，QR分解常用于最小二乘问题，而SVD在信息压缩和广义逆矩阵计算中广泛应用。
矩阵分解是将矩阵拆解为数个矩阵的乘积，可分为三角分解、满秩分解、QR分解、Jordan分解和SVD（奇异值）分解、非负矩阵分解等，常见的有三种：1)三角分解(Triangular Factorization)，2)QR 分解法 (QR Factorization)，3)奇异值分解 (Singular Value Decomposition)。
1. LU分解
三角分解(LU分解)：是矩阵分解的一种，可以将一个矩阵分解为一个单位下三角矩阵和一个上三角矩阵的乘积（有时是它们和一个置换矩阵的乘积）。LU分解主要应用在数值分析中，用来解线性方程、求反矩阵或计算行列式。
2. LDLT分解法
实际问题中，当求解方程组的系数矩阵是对称矩阵时，则用下面介绍的LDLT分解法可以简化程序设计并减少计算量。
从定理可知，当矩阵A的各阶顺序主子式不为零时，A
订阅专栏 解锁全文
301
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
