幾種矩陣分解算法: LU分解,Cholesky分解,QR分解,SVD分解,Jordan分解


(226條消息) 幾種矩陣分解算法: LU分解,Cholesky分解,QR分解,SVD分解,Jordan分解_mucai1的專欄-CSDN博客_矩陣的qr分解

(226條消息) 基於QR分解與Jacobi方法的SVD分解_chenaiyanmie的博客-CSDN博客_jacobi分解

 

目錄

1.LU分解

2. LDLT分解法

3. Cholesky分解的形式

4. QR分解

5.SVD分解

5.1 SVD與廣義逆矩陣

6. Jordan 分解

參考文章:


                                                                                                                                                        ---------我只是搬運工,匯總在此

1.LU分解

       假定我們能把矩陣A寫成下列兩個矩陣相乘的形式:A=LU,其中L為下三角矩陣,U為上三角矩陣。這樣我們可以把線性方程組Ax= b寫成

      Ax= (LU)x = L(Ux) = b。令Ux = y,則原線性方程組Ax = b可首先求解向量y 使Ly = b,然后求解 Ux = y,從而達到求解線性方程組Ax= b的目的。

 

2. LDLT分解法

實際問題中,當求解方程組的系數矩陣是對稱矩陣時,則用下面介紹的LDLT分解法可以簡化程序設計並減少計算量。

從定理可知,當矩陣A的各階順序主子式不為零時,A有唯一的Doolittle分解A= LU。矩陣U的對角線元素Uii 不等於0,將矩陣U的每行依次提出,

定理:若對稱矩陣A的各階順序主子式不為零時,則A可以唯一分解為A= LDLT,這里

LT為L的轉置矩陣。

當A有LDLT分解時,利用矩陣運算法則及相等原理易得計算ljk和dk的公式為

3. Cholesky分解

 

Cholesky分解是一種分解矩陣的方法, 在線形代數中有重要的應用。Cholesky分解把矩陣分解為一個下三角矩陣以及它的共軛轉置矩陣的乘積(那實數界來類比的話,此分解就好像求平方根)。與一般的矩陣分解求解方程的方法比較,Cholesky分解效率很高。

Cholesky分解的條件

一、Hermitianmatrix:矩陣中的元素共軛對稱(復數域的定義,類比於實數對稱矩陣)。Hermitiank意味着對於任意向量x和y,(x*)Ay共軛相等

二、Positive-definite:正定(矩陣域,類比於正實數的一種定義)。正定矩陣A意味着,對於任何向量x,(x^T)Ax總是大於零(復數域是(x*)Ax>0)

Cholesky分解的形式

可記作A = L L*。其中L是下三角矩陣。L*是L的共軛轉置矩陣。

可以證明,只要A滿足以上兩個條件,L是唯一確定的,而且L的對角元素肯定是正數。反過來也對,即存在L把A分解的話,A滿足以上兩個條件。

  •     Hermitianmatrix:矩陣中的元素共軛對稱(復數域的定義,類比於實數對稱矩陣)。Hermitiank意味着對於任意向量x和y,(x*)Ay共軛相等
  •    Positive-definite:正定(矩陣域,類比於正實數的一種定義)。正定矩陣A意味着,對於任何向量x,(x^T)Ax總是大於零(復數域是(x*)Ax>0)

如果A是半正定的(semi-definite),也可以分解,不過這時候L就不唯一了。

特別的,如果A是實數對稱矩陣,那么L的元素肯定也是實數。

另外,滿足以上兩個條件意味着A矩陣的特征值都為正實數,因為Ax = lamda * x,

(x*)Ax = lamda * (x*)x > 0, lamda > 0

4. QR分解

  • 矩陣的QR分解是指,可以將矩陣A分級成一個正交陣Q和一個上三角矩陣R的乘積。實際中,QR分解經常被用來解線性最小二乘問題

è¿éåå¾çæè¿°

  • 對於非方陣的m∗n(m≥n)m∗n(m≥n)階矩陣A也可能存在QR分解。這時Q為m*m階的正交矩陣,R為m*n階上三角矩陣。這時的QR分解不是完整的(方陣),因此稱為約化QR分解(對於列滿秩矩陣A必存在約化QR分解)。同時也可以通過擴充矩陣A為方陣或者對矩陣R補零,可以得到完全QR分解。

5.SVD分解

 對任意矩陣,都能被奇異值分解為

   

   其中的正交矩陣,的正交矩陣,是由個沿對角線從大到小排列的奇異值

   組成的方陣,就是矩陣的秩。奇異值分解是一種正交矩陣分解法。

    更多解釋參考4.

   SVD分解常用在信息壓縮,以及求廣義逆:

5.1 SVD與廣義逆矩陣

       在認識矩陣的廣義逆之前,先來回顧一下方陣的逆。

       對於一個的方陣,如果存在一個矩陣,使得,那么方陣的逆為

       那么對於非方陣來說情況又是怎樣的? 比如對於的矩陣,它的逆是怎樣計算的?這就是我將要    討論的廣義逆矩陣。   矩陣的廣義逆由Moore在1920年提出,后來在1955年經過Penrose發展得到如下定義    對任意復數矩陣,如果存在的矩陣,滿足

   

   則稱的一個Moore-Penrose逆,簡稱廣義逆,記為。並把上面四個方程叫做Moore-Penrose    方程,簡稱M-P方程。 

   由於M-P的四個方程都各有一定的解釋,並且應用起來各有方便之處,所以出於不同的目的,常常考慮滿足

   部分方程的,叫做弱逆,弱逆不唯一。為了引用方便,下面給出廣義逆矩陣的定義

   對於的矩陣,若存在的矩陣,滿足M-P方程中的全部或者其中的一部分,則稱

   的廣義逆矩陣。

   實際上有結論:如果滿足M-P方程中的全部四個條件,那么得到的矩陣是唯一的,如果只滿足部分條件,

   那么得到的矩陣不唯一。也就是說一個矩陣的Moore-Penrose逆是唯一的。

   而廣義逆的計算可以利用的SVD分解得到,假設矩陣的SVD分解為

   

   那么,不難驗證

   

   有了廣義逆矩陣,那么就可以用來求解線性方程組,假設現在已經知道了矩陣的廣義逆

   如果矩陣的秩是,則其唯一解是,如果秩小於,則有無窮多組解,其中最小范數解仍然是

   ,通常我們關心的也就是這個解。

 

6. Jordan 分解

 

但運行速度從快到慢為: 
LU分解 > Qr分解 > 求逆

參考文章:

    1. https://blog.csdn.net/zhouliyang1990/article/details/21952485
    2. https://blog.csdn.net/qq_30981697/article/details/71545519
    3. https://blog.csdn.net/renhaofan/article/details/80740697
    4. https://blog.csdn.net/billbliss/article/details/78579308
    5. https://blog.csdn.net/xuehuafeiwu123/article/details/53321730


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM