- LR 分解 (Doolittle 分解)
A = L R A=LR A=LR 其中,L 是单位下三角矩阵, R 是上三角矩阵
设 A 有 LR 分解:
比较矩阵两边元素,由第一行元素相等和第一列元素分别相等,可以得到:
按照第 1 行 + 第 1 列 → 第 2 行 + 第 2 列 →…的顺序类推可以得到:
对于 i = 1 , . . . , n i=1,...,n i=1,...,n,有
- LR 分解matlab程序
function[L_matrix,R_matrix] = LR_1(A_matrix)
[row_A,col_A] = size(A_matrix);
% 判断是否是非奇异方阵
if row_A ~= col_A
error('矩阵非方阵,无法进行LR分解');
end
if row_A ~= rank(A_matrix)
error('矩阵奇异,无法进行LR分解');
end
% 初始化
L_matrix = zeros(size(A_matrix));
R_matrix = zeros(size(A_matrix));
for j = 1:col_A
R_matrix(1,j) = A_matrix(1,j);
end
for i = 1:col_A
L_matrix(i,i) = 1;
end
for i = 2:row_A
L_matrix(i,1) = A_matrix(i,1) / A_matrix(1,1);
end
for i = 1:row_A
for j = i:row_A
sum = 0;
for k = 1:i-1
sum = sum + L_matrix(i,k) * R_matrix(k,j);
end
R_matrix(i,j) = A_matrix(i,j) - sum;
sum_1=0;
for k = 1:i-1
sum_1 = sum_1 + L_matrix(j,k) * R_matrix(k,i);
end
L_matrix(j,i) = (A_matrix(j,i) - sum_1) / R_matrix(i,i);
end
end
- 节约储存的LR分解
将 A 进行 LR 分解后,不再储存原来的 A ,直接将分解的 L 和 R 按照
这样的方式来存放,存放于矩阵 A 中,得到算法:
对于 i = 1 , . . . , n i=1,...,n i=1,...,n,有
function[A_matrix] = LR_2(A_matrix)
% 节省存储空间的 LR 分解算法
row_A = size(A_matrix,1);
for i = 1:row_A
T = det(A_matrix(1:i,1:i));
if T == 0
error('矩阵的顺序主子式为零,无法进行LR分解');
else
for j = i:row_A
sum = 0;
for k = 1:i-1
sum = sum+A_matrix(i,k) * A_matrix(k,j);
end
A_matrix(i,j) = A_matrix(i,j) - sum;
end
for j = i + 1:row_A
sum_1 = 0;
for k = 1:i-1
sum_1 = sum_1 + A_matrix(j,k) * A_matrix(k,i);
end
A_matrix(j,i) = (A_matrix(j,i) - sum_1) / A_matrix(i,i);
end
end
end
- LDR分解
A = L D R A=LDR A=LDR 其中,L 是单位下三角矩阵, D 是对角矩阵, R 是单位上三角矩阵
可以直接在 LR 分解的基础上进行, A = L R = L D D − 1 R = L D R ~ A=LR=LDD^{-1}R=LD\widetilde{R} A=LR=LDD−1R=LDR 其中, D 即为 LR 分解中的 R 的对角线元素组成的矩阵, D = d i a g ( r 11 , r 22 , . . . r n n ) D=diag(r_{11},r_{22},...r_{nn}) D=diag(r11,r22,...rnn)此时 R ~ \widetilde{R} R 为单位上三角矩阵 - LDR分解matlab代码
function[L_matrix,D_matrix,R_matrix] = LDR_1(A_matrix)
[row_A,col_A] = size(A_matrix);
% 判断是否是非奇异方阵
if row_A ~= col_A
error('矩阵非方阵,无法进行LR分解');
end
if row_A ~= rank(A_matrix)
error('矩阵奇异,无法进行LR分解');
end
% 初始化
L_matrix = zeros(size(A_matrix));
D_matrix = zeros(size(A_matrix));
R_matrix = zeros(size(A_matrix));
% 先进行LR分解
for j = 1:col_A
R_matrix(1,j) = A_matrix(1,j);
end
for i = 1:col_A
L_matrix(i,i) = 1;
end
for i = 2:row_A
L_matrix(i,1) = A_matrix(i,1) / A_matrix(1,1);
end
for i = 1:row_A
for j = i:row_A
sum = 0;
for k = 1:i-1
sum = sum + L_matrix(i,k) * R_matrix(k,j);
end
R_matrix(i,j) = A_matrix(i,j) - sum;
sum_1=0;
for k = 1:i-1
sum_1 = sum_1 + L_matrix(j,k) * R_matrix(k,i);
end
L_matrix(j,i) = (A_matrix(j,i) - sum_1) / R_matrix(i,i);
end
end
% 进行完LR分解之后,将R分解为D*R
for i = 1:row_A
D_matrix(i,i) = R_matrix(i,i);
end
for i = 1:row_A
for j = 1:row_A
if i <= j
R_matrix(i,j) = R_matrix(i,j) / D_matrix(i,i);
end
end
end
- 节约储存的LDR分解matlab代码
同样可以得到节约存储的LDR分解,将 L 放入原来 A 矩阵的下三角, D 放入对角线,R 放入上三角
function[A_matrix]=LDR_2(A_matrix)
% 节省存储空间的 LDR 分解算法
row_A = size(A_matrix,1);
% 先进行节省存储空间的LR分解
for i = 1:row_A
T = det(A_matrix(1:i,1:i));
if T == 0
error('矩阵的顺序主子式为零,无法进行LR分解');
else
for j = i:row_A
sum = 0;
for k = 1:i-1
sum = sum+A_matrix(i,k) * A_matrix(k,j);
end
A_matrix(i,j) = A_matrix(i,j) - sum;
end
for j = i + 1:row_A
sum_1 = 0;
for k = 1:i-1
sum_1 = sum_1 + A_matrix(j,k) * A_matrix(k,i);
end
A_matrix(j,i) = (A_matrix(j,i)-sum_1) / A_matrix(i,i);
end
end
end
% 进行完LR分解之后,将R分解为D*R,用节省存储空间的方式储存
for i = 1:row_A
for j = 1:row_A
if i < j
A_matrix(i,j) = A_matrix(i,j) / A_matrix(i,i);
j=j+1;
else
A_matrix(i,j) = A_matrix(i,j);
end
end
end
矩阵的分解还有很多很多,这里空白太小,我写不下了 0.0