解线性方程组的直接方法--低阶稠密矩阵三角分解法--改进的平方根法matlab实现（转）

转自改进的平方根法
做了一些注释和修改了函数
适用于A为对称正定矩阵：A=LDL^T(L为单位下三角矩阵，D为对角矩阵，D的对角元素di>0)

function [L,D,x,y]=improvedSqareRoot(A,b)
n=length(A(:,1)); %求A矩阵第一列的长度，即矩阵维数
%% 判断输入的矩阵是不是符合要求
for k=1:n
    if (det(A(1:k,1:k)))<=0 %由于对称正定矩阵A，必有det(A)>0
        disp('A矩阵不是对称正定矩阵，请重新运行程序')
    end
end
%分解A，使A=L*D*L'
%% 初始化L（i,i) 
for i=1:n
    L(i,i)=1;
end
%% 初始化d(i) 和L(i,k)
for k=1:n
    temp_sum1=0;
    for j=1:k-1
        temp_sum1=temp_sum1+L(k,j)^2*d(j);
    end    
    d(k)=A(k,k)-temp_sum1;

    for i=k+1:n
        temp_sum2=0;
        for j=1:k-1
            temp_sum2=temp_sum2+L(i,j)*d(j)*L(k,j);
        end
        L(i,k)=(A(i,k)-temp_sum2)/d(k);
    end
end
%% 初始化t(i,j)
for k=1:n
    for i=k+1:n
        t(i,k)=L(i,k)*d(k);
    end
end

%% 转换
for k=2:n
    temp_sum3=0;
    for j=1:k-1
        temp_sum3=temp_sum3+t(k,j)*L(k,j);
    end
    d(k)=A(k,k)-temp_sum3;
    
    for i=k:n
        temp_sum4=0;
        for j=1:k-1
            temp_sum4=temp_sum4+t(i,j)*L(k,j);
        end
        t(i,k)=A(i,k)-temp_sum4;
    end
    L(i,k)=t(i,k)/d(k);
end

%% 分解Ax=b 为 Ly=b  L'x=inv(D)*y
%% 求y
for k=1:n
    temp_sum5=0;
    for j=1:k-1
        temp_sum5=temp_sum5+L(k,j)*y(j);
    end
    y(k)=b(k)-temp_sum5;
end
%% 求x
for k=n:-1:1
    temp_sum6=0;
    for j=k+1:n
        temp_sum6=temp_sum6+L(j,k)*x(j);
    end
    x(k)=y(k)/d(k)-temp_sum6;
end
D=diag(d)
end

测试数据：
A =[ 1.0000 -1.0000 1.0000
-1.0000 3.0000 -2.0000
1.0000 -2.0000 4.5000];
b =[ 4 -8 12];