矩阵分解---Cholesky分解

最新推荐文章于 2023-01-27 16:57:38 发布

wanghu213

最新推荐文章于 2023-01-27 16:57:38 发布

阅读量2.8k

点赞数 1

分类专栏：矩阵分解文章标签：矩阵分解 Cholesky分解矩阵求逆 LDL

本文链接：https://blog.csdn.net/wanghu213/article/details/83962410

版权

矩阵分解专栏收录该内容

2 篇文章 0 订阅

订阅专栏

矩阵分解是将矩阵拆解成多个矩阵的乘积，常见的分解方法有三角分解法、QR分解法、奇异值分解法。
三角分解法是将原方阵分解成一个上三角矩阵和一个下三角矩阵，这种分解方法叫做LU分解法。
进一步，如果待分解的矩阵A是正定的，则A可以唯一的分解为

$A= LL^{T}$

其中L是下三角矩阵。下面以三维矩阵进行简单说明：

$A= LL^{T}=\begin{bmatrix} L_{11} &0 &0 \\ L_{21} &L_{22}^{} & 0\\ L_{31}&L_{32} &L_{33} \end{bmatrix}\begin{bmatrix} L_{11} &L_{21} &L_{31} \\ 0& L_{22} &L_{32} \\ 0& 0 & L_{33} \end{bmatrix}=\begin{bmatrix} L_{11}^{2} & &(symmetric) \\ L_{21}L_{11}&L_{21}^{2}+L_{22}^{2} & \\ L_{31}L_{11}& L_{31}L_{21}+L_{32}L_{22} & L_{31}^{2}+L_{32}^{2}+L_{33}^{2} \end{bmatrix}=\begin{bmatrix} A_{11} &A_{12} &A_{13} \\ A_{21}&A_{22} &A_{23} \\ A_{31}&A_{32} &A_{33} \end{bmatrix}$

由上式可以得到

$L=\begin{bmatrix} \sqrt{A_{11}} &0 & 0\\ \frac{A_{21}}{L_{11}}&\sqrt{A_{22}-L_{21}^{2}} &0 \\ \frac{A_{31}}{L_{11}}& \frac{A_{32}-L_{31}L_{21}}{L_{22}} & \sqrt{A_{33}-L_{31}^{2}-L_{32}^{2}} \end{bmatrix}$

进一步进行多维扩展得到实数矩阵分解的表达式为

$L_{j,j}=\sqrt{A_{j,j}-\sum_{k=1}^{j-1}L_{j,k}^{2}}$ $L_{i,j}=\frac{\left ( A_{i,j}-\sum_{k=1}^{j-1}L_{i,k}L_{j,k} \right )}{L_{j,j}} for{\color{Red} i>j}$

对于复数矩阵可以得到类似的公式

$L_{j,j}=\sqrt{A_{j,j}-\sum_{k=1}^{j-1}L_{j,k}^{2}}$ $L_{i,j}=\frac{\left ( A_{i,j}-\sum_{k=1}^{j-1}L_{i,k}L_{j,k}^{*} \right )}{L_{j,j}} for{\color{Red} i>j}$

上式过程叫做Cholesky分解，由公式可知，该方法存在开根号的操作，在硬件实现中复杂度较高。一般采用LDL分解法来规避这个问题。