【线代笔记】2.6 Elimination=Factorization A=LU - A的LU分解

最新推荐文章于 2022-09-06 10:21:27 发布

倦时眠

最新推荐文章于 2022-09-06 10:21:27 发布

阅读量781

点赞数 4

分类专栏：线性代数文章标签：线性代数

本文链接：https://blog.csdn.net/xvvoly/article/details/104564262

版权

线性代数专栏收录该内容

10 篇文章 11 订阅

订阅专栏

2.6 Elimination=Factorization A=LU - A的LU分解

许多线性代数的核心观点，在仔细审视之后容易发现，其实都是一个矩阵的「因式分解」

原始的矩阵A通过一系列的变化可以变为2个或3个矩阵的点积，以下「因式分解」方法来自于消元

因式L与U都是三角矩阵，从消元得到的「因式分解」的结果为 $A = L U$

矩阵U是一个上三角矩阵，对角线上都是主元，消元的步骤就是从A到U

将这些步骤倒置，从U到A的过程，需要矩阵L来完成，其每一项的操作与U相反
$(E_{32}E_{31}E_{21})A=U\quad \text{becomes}\quad A=(E_{21}^{-1})(E_{31}^{-1})(E_{32}^{-1})U\quad \text{which is}\quad A=LU$

以上三个矩阵的逆的顺序与消元的顺序相反，三个逆矩阵的点积就是L，现在来深入理解一下其含义

Explanation and Examples - 解释与举例

我们假设消元过程中没有行交换的操作

每一个逆矩阵 $E^{-1}$ 都是一个下三角矩阵，它的非对角线元素 $l_{ij}$ 执行的操作与消元过程相反

在前几节笔记中提高过，消元矩阵E一般形如
$A=\left[\begin{array}{rrr}{1} & {0} & {0} \\{-2} & {1} & {0} \\{0} & {0} & {1}\end{array}\right]\left[\begin{array}{rrr}{2} & {4} & {-2} \\{4} & {9} & {-3} \\{-2} & {-3} & {7}\end{array}\right]=\left[\begin{array}{rrr}{2} & {4} & {-2} \\{0} & {1} & {1} \\{-2} & {-3} & {7}\end{array}\right]$

由此可知，消元矩阵的逆也是对角线上均为1的矩阵，因而所有逆矩阵的点积L的对角线的项也都为1，例如
$A=\left[\begin{array}{lll}2 & 1 & 0 \\1 & 2 & 1 \\0 & 1 & 2\end{array}\right]=\left[\begin{array}{ccc}1 & 0 & 0 \\\frac{1}{2} & 1 & 0 \\0 & \frac{2}{3} & 1\end{array}\right]\left[\begin{array}{lll}2 & 1 & 0 \\0 & \frac{3}{2} & 1 \\0 & 0 & \frac{4}{3}\end{array}\right]=L U$

在什么时候我们可以预测L和U中有zeros的存在，即一个或多个0

当A的某一行以zeros开头时，那L的那一行也是如此

因为该行的前若干个0说明此处不用消元
当A的某一列以zeros开头时，那U的那一列也是如此

因为该列的前若干个0的位置在消元中不会变化

A可以转化为LU的关键原因在于：

当我们进行这个消元过程的时候，从下一行减去上一个主元行的时候，减去的并不一定是原来A中的行，而对应的是U中的行，因为当上一个主元行已经经过了若干个消元的步骤，成为主元行之后，就变成了U中的行。

例如我们要得到矩阵U的第三行
$\text{Row 3 of U} =\text{Row 3 of A}-l_{31}\text{Row 1 of U}-l_{32}\text{Row 2 of U}$

重写上面的式子我们来看看逆过程是如何的
$\text{Row 3 of A} =l_{31}(\text{Row 1 of U})+l_{32}(\text{Row 2 of U})+1(\text{Row 3 of U})$

从LDU中得到更好的平衡

从上面的 $A = L U$ 的例子中可以看出U的对角线上均为主元，而相对于的L的对角线上均为1

因为我们将上三角矩阵U除以一个对角矩阵D，该对角矩阵包含了U的主元

这就产生了一个新的上三角矩阵U，其对角线上均为1
$\text { Split } U \text { into }\begin{bmatrix}d_1& & & \\&d_2& & &\\& & \ddots&\\& & & d_n\end{bmatrix}\begin{bmatrix}1 & u_{12}/d_1 & u_{12}/d_1&\cdot\\& 1 &u_{23}/d_2&\cdot\\& & \ddots&\vdots\\& & &1\end{bmatrix}$

因而矩阵A的三角分解可以表示为：
$\quad \text{or}\quad A=LDU$

$\left[\begin{array}{ll}1 & 0 \\3 & 1\end{array}\right]\left[\begin{array}{ll}2 & 8 \\0 & 5\end{array}\right] \quad \text { splits further into } \quad\left[\begin{array}{ll}1 & 0 \\3 & 1\end{array}\right]\left[\begin{array}{ll}2 & \\&5\end{array}\right]\left[\begin{array}{ll}1 & 4 \\0 & 1\end{array}\right]$