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与广义逆矩阵

6. Jordan 分解

参考文章：

---------我只是搬运工，汇总在此

1.LU分解

假定我们能把矩阵A写成下列两个矩阵相乘的形式：A=LU，其中L为下三角矩阵，U为上三角矩阵。这样我们可以把线性方程组Ax= b写成

Ax= (LU)x = L(Ux) = b。令Ux = y，则原线性方程组Ax = b可首先求解向量y 使Ly = b，然后求解 Ux = y，从而达到求解线性方程组Ax= b的目的。

2. LDLT分解法

实际问题中，当求解方程组的系数矩阵是对称矩阵时，则用下面介绍的LDLT分解法可以简化程序设计并减少计算量。

从定理可知，当矩阵A的各阶顺序主子式不为零时，A有唯一的Doolittle分解A= LU。矩阵U的对角线元素Uii 不等于0，将矩阵U的每行依次提出，

定理：若对称矩阵A的各阶顺序主子式不为零时，则A可以唯一分解为A= LDLT，这里

LT为L的转置矩阵。

当A有LDLT分解时，利用矩阵运算法则及相等原理易得计算ljk和dk的公式为

3. Cholesky分解

Cholesky分解是一种分解矩阵的方法, 在线形代数中有重要的应用。Cholesky分解把矩阵分解为一个下三角矩阵以及它的共轭转置矩阵的乘积（那实数界来类比的话，此分解就好像求平方根）。与一般的矩阵分解求解方程的方法比较，Cholesky分解效率很高。

Cholesky分解的条件

一、Hermitianmatrix：矩阵中的元素共轭对称（复数域的定义，类比于实数对称矩阵）。Hermitiank意味着对于任意向量x和y，(x*)Ay共轭相等

二、Positive-definite：正定（矩阵域，类比于正实数的一种定义）。正定矩阵A意味着，对于任何向量x，(x^T)Ax总是大于零(复数域是(x*)Ax>0)

Cholesky分解的形式

可记作A = L L*。其中L是下三角矩阵。L*是L的共轭转置矩阵。

可以证明，只要A满足以上两个条件，L是唯一确定的，而且L的对角元素肯定是正数。反过来也对，即存在L把A分解的话，A满足以上两个条件。

Hermitianmatrix：矩阵中的元素共轭对称（复数域的定义，类比于实数对称矩阵）。Hermitiank意味着对于任意向量x和y，(x*)Ay共轭相等
Positive-definite：正定（矩阵域，类比于正实数的一种定义）。正定矩阵A意味着，对于任何向量x，(x^T)Ax总是大于零(复数域是(x*)Ax>0)

如果A是半正定的（semi-definite），也可以分解，不过这时候L就不唯一了。

特别的，如果A是实数对称矩阵，那么L的元素肯定也是实数。

另外，满足以上两个条件意味着A矩阵的特征值都为正实数，因为Ax = lamda * x,

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

4. QR分解

矩阵的QR分解是指，可以将矩阵A分级成一个正交阵Q和一个上三角矩阵R的乘积。实际中，QR分解经常被用来解线性最小二乘问题

。

对于非方阵的m∗n(m≥n)m∗n(m≥n)阶矩阵A也可能存在QR分解。这时Q为m*m阶的正交矩阵，R为m*n阶上三角矩阵。这时的QR分解不是完整的(方阵)，因此称为约化QR分解(对于列满秩矩阵A必存在约化QR分解)。同时也可以通过扩充矩阵A为方阵或者对矩阵R补零，可以得到完全QR分解。

5.SVD分解

对任意矩阵，都能被奇异值分解为

其中是的正交矩阵，是的正交矩阵，是由个沿对角线从大到小排列的奇异值

组成的方阵，就是矩阵的秩。奇异值分解是一种正交矩阵分解法。

更多解释参考4.

SVD分解常用在信息压缩，以及求广义逆：

5.1 SVD与广义逆矩阵

在认识矩阵的广义逆之前，先来回顾一下方阵的逆。

对于一个的方阵，如果存在一个矩阵，使得，那么方阵的逆为。

那么对于非方阵来说情况又是怎样的？比如对于的矩阵，它的逆是怎样计算的？这就是我将要讨论的广义逆矩阵。矩阵的广义逆由Moore在1920年提出，后来在1955年经过Penrose发展得到如下定义对任意复数矩阵，如果存在的矩阵，满足

则称为的一个Moore-Penrose逆，简称广义逆，记为。并把上面四个方程叫做Moore-Penrose 方程，简称M-P方程。

由于M-P的四个方程都各有一定的解释，并且应用起来各有方便之处，所以出于不同的目的，常常考虑满足

部分方程的，叫做弱逆，弱逆不唯一。为了引用方便，下面给出广义逆矩阵的定义

对于的矩阵，若存在的矩阵，满足M-P方程中的全部或者其中的一部分，则称为

的广义逆矩阵。

实际上有结论：如果满足M-P方程中的全部四个条件，那么得到的矩阵是唯一的，如果只满足部分条件，

那么得到的矩阵不唯一。也就是说一个矩阵的Moore-Penrose逆是唯一的。

而广义逆的计算可以利用的SVD分解得到，假设矩阵的SVD分解为

那么，不难验证

有了广义逆矩阵，那么就可以用来求解线性方程组，假设现在已经知道了矩阵的广义逆，

如果矩阵的秩是，则其唯一解是，如果秩小于，则有无穷多组解，其中最小范数解仍然是

，通常我们关心的也就是这个解。

6. Jordan 分解

但运行速度从快到慢为：
LU分解 > Qr分解 > 求逆

参考文章：

https://blog.csdn.net/zhouliyang1990/article/details/21952485
https://blog.csdn.net/qq_30981697/article/details/71545519
https://blog.csdn.net/renhaofan/article/details/80740697
https://blog.csdn.net/billbliss/article/details/78579308
https://blog.csdn.net/xuehuafeiwu123/article/details/53321730

几种矩阵分解算法： LU分解，Cholesky分解，QR分解，SVD分解，Jordan分解相关推荐

crout分解计算例题_矩阵与数值计算（2）——矩阵三角分解LU、PALU、Cholesky三角分解、QR分解...
前言矩阵分解是设计算法的主要技巧,通过分解可以将复杂问题转化为几个简单问题求解,通常完成这一转化任务的主要技巧就是矩阵分解.例如,我们知道上三角矩阵和下三角矩阵是容易求解的,或者对角矩阵是最理想的求 ...
三阶矩阵的lu分解详细步骤_快速入门矩阵运算——开源库Eigen
矩阵是数学中一个重要的工具,广泛应用于各种场景下的数值分析,例如,数字信号处理,图像处理等.我们如何在程序中使用矩阵进行运算呢?本文将为大家介绍一个开源的矩阵运算工具--Eigen. Eigen is ...
怎样用matlab做矩阵的LU分解,矩阵LU分解程序实现（Matlab）
n=4;%确定需要LU分解的矩阵维数 %A=zeros(n,n); L=eye(n,n);P=eye(n,n);U=zeros(n,n);%初始化矩阵 tempU=zeros(1,n);tempP=z ...
矩阵的LU分解初步：一个对角线上元素非零的方阵
上一篇我们对下三角矩阵的求解给出了一个方便的求解,利用消元代入可以在Θ(N2)\Theta(N^2)Θ(N2) 的时间内完成,对于上三角矩阵,我们仍然可以利用类似的方法在相同的时间内求解. 对于一个非 ...
常见的几种矩阵分解方式
项目github地址:bitcarmanlee easy-algorithm-interview-and-practice 欢迎大家star,留言,一起学习进步 1.三角分解(LU分解) 矩阵的LU分 ...
MIT线性代数笔记四矩阵的LU分解
文章目录 1. 矩阵的LU分解 2. 消元法所需运算量 3. 行互换 Row exchanges 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的 LLL矩阵,使得矩阵 AAA可以转变为 ...
两矩阵相乘的秩的性质_MIT—线性代数笔记04 矩阵的LU分解
第04讲矩阵的LU分解 Factorization into A=LU 04 A的LU分解v.youku.com 本节的主要目的是从矩阵的角度理解高斯消元法,最后找到所谓的L矩阵,使得矩阵A可以转 ...
施密特正交化c语言,C语言实现矩阵的LU分解、施密特正交化、Givens分解、Householder分解...
<C语言实现矩阵的LU分解.施密特正交化.Givens分解.Householder分解>由会员分享,可在线阅读,更多相关<C语言实现矩阵的LU分解.施密特正交化.Givens分解.H ...
matlab将矩阵分解成lu,10行代码实现矩阵的LU分解（matlab）
最近由于数值分析实验课要求,需要通过matlab实现矩阵的LU分解.但是看了很多网友写的程序,基本上都是通过循环嵌套循环来实现矩阵的LU分解.略感琐碎,因此最近两天便一直在思考能否利用矩阵的乘v法,来 ...

几种矩阵分解算法： LU分解，Cholesky分解，QR分解，SVD分解，Jordan分解

1.LU分解

2. LDLT分解法

3. Cholesky分解

4. QR分解

5.SVD分解

5.1 SVD与广义逆矩阵

6. Jordan 分解

参考文章：

几种矩阵分解算法： LU分解，Cholesky分解，QR分解，SVD分解，Jordan分解相关推荐

最新文章

热门文章