矩阵分解的作用

最新推荐文章于 2024-01-21 11:01:15 发布

chamomoe

最新推荐文章于 2024-01-21 11:01:15 发布

阅读量6.7k

点赞数 2

分类专栏：建图和定位

本文链接：https://blog.csdn.net/ziliwangmoe/article/details/86571645

版权

89 篇文章 31 订阅

订阅专栏

本篇文章时对下面材料的总结：

矩阵分解的定义：

矩阵分解主要有两个作用：

分解后的每个小矩阵能够更容易的求逆
- 加入我们有上面这样一个分解，这个叫LDU和LU分解。也就是分解为下三角，对角和上三角矩阵
- 被分解出来的三个小矩阵的逆都很容易求得，利用 $(AB)^{-1}=B^{-1}A^{-1}$ ，最后可以求得矩阵的逆是如下
分解后的每个小矩阵有特殊的物理意义
- 一个2×2的矩阵可以用来表示平面内的Affine变换，当我们把一个2×2矩阵分解成三个因子后。
- 上下三角矩阵表示对x和y轴做shear的变换。
- 对角矩阵表示对x，y轴做scale变换。
- 也就是任意平面上的Affine变换，可以分解上三步：先做x轴shear变换，再scale，再对y轴做shear
一个稀疏的矩阵分解为多个Dense的小矩阵
- 这个过程也是从一个大杂烩混合的表象中，提取一些内在关系的过程。Dense的小矩阵能够更有效率的存储信息。

怎么进行LU分解呢，假设要分解的矩阵是A

常用矩阵分解

关注