矩阵分解---LDL分解

最新推荐文章于 2024-05-23 23:34:23 发布

wanghu213

最新推荐文章于 2024-05-23 23:34:23 发布

阅读量1.4w

点赞数 4

分类专栏：矩阵分解文章标签：矩阵分解 LDL分解

本文链接：https://blog.csdn.net/wanghu213/article/details/83963950

版权

矩阵分解专栏收录该内容

2 篇文章 0 订阅

订阅专栏

若一个矩阵A是正定的，那么该矩阵也可以唯一分解为

$A=LDL^{T}$

其中L是对角元素都为1的下三角矩阵，D是对角元素都为正数的对角矩阵。还是以三维矩阵进行简单说明

$A=LDL^{T}=\begin{bmatrix} 1 &0 &0 \\ L_{21}&1 &0 \\ L_{31}& L_{32} & 1 \end{bmatrix}\begin{bmatrix} D_{1} & 0 & 0\\ 0&D_{2} &0 \\ 0&0 & D_{3} \end{bmatrix}\begin{bmatrix} 1 & L_{21} & L_{31}\\ 0& 1 &L_{32} \\ 0& 0 & 1 \end{bmatrix}=\begin{bmatrix} D_{1} & &(symmetric) \\ L_{21}D_{1}& L_{21}^{2}D_{1}+D_{2} & \\ L_{31}D_{1}&L_{31}L_{21}D_{1}+L_{32}D_{2} &L_{31}^{2}D_{1}+L_{32}^{2}D_{2}+D_{3} \end{bmatrix}$

接着按照Cholesky分解推导的思路可以得到下面两个公式，如果待分解的矩阵A是实数，那么

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

如果待分解的矩阵A是复数，那么

$D_{j}=A_{jj}-\sum_{k=1}^{j-1}L_{jk}L_{jk}^{*}D_{k}$ $L_{i,j}=\frac{\left ( A_{ij}-\sum_{k=1}^{j-1}L_{ik}L_{jk}^{*}D_{k} \right )}{D_{j}} for{\color{Red} i>j}$

由上式可以观察到不存在开根号的操作，所以也叫做“改进的平方根分解法”。
为了方便硬件实现，对上面公式进行进一步优化，引入中间变量

$u_{ij}=L_{ij}D_{j}$

将上面公式改写为

$D_{j}=A_{jj}-\sum_{m=1}^{j-1}u_{jm}L_{jm}^{*},1\leq j\leq n$ $u_{ij}=A_{ij}-\sum_{m=1}^{j-1}u_{im}L_{jm}^{*},j+1\leq i\leq n$ $L_{ij}=\frac{u_{ij}}{D_{j}},j+1\leq i\leq n$

wanghu213

关注

4
点赞
踩
29

收藏

觉得还不错? 一键收藏
1
评论
矩阵分解---LDL分解

若一个矩阵A是正定的，那么该矩阵也可以唯一分解为其中L是对角元素都为1的下三角矩阵，D是对角元素都为正数的对角矩阵。还是以三维矩阵进行简单说明接着按照Cholesky分解推导的思路可以得到下面两个公式，如果待分解的矩阵A是实数，那么如果待分解的矩阵A是复数，那么由上式可以观察到不存在开根号的操作，所以也叫做“改进的平方根分解法”。为了方便硬件实现，对上面公式进行进...
复制链接

扫一扫