凸优化有关的数值线性代数知识 3LU Cholesky和LDL因式分解
3LU Cholesky和因式分解
- LU因式分解
- Cholesky因式分解
- 因式分解
LU因式分解
每一个非奇异矩阵都可以因式分解成A=PLU,其中是排列矩阵,是单位下三角矩阵,是非奇异上三角矩阵。这种形式被成为A的LU因式分解。也可以写成。
计算LU因式分解的标准算法被称为Gauss部分主元消元法,或Gauss行变换消元法。不考虑A的结构,计算A的LU因式分解的成本是。
通过LU因式分解求解线性方程组
给定线性方程组Ax=b,其中A非奇异。
- LU因式分解:将A因式分解为A=PLU。
- 排列:求解(0次浮点运算)
- 前向代入:求解(次浮点运算)
- 后向代入:求解(次浮点运算)
一共需要次浮点运算。
如果考虑求解多个不同右边项的线性方程组,即,一共需要一次因式分解,m次解方程,共次浮点运算。
稀疏矩阵的LU因式分解
当A是稀疏矩阵时,起LU因式分解通常包含行列排列,即A被因式分解成,其中是排列矩阵,L是下三角矩阵,U是上三角矩阵。因式L和U的稀疏性取决于排列矩阵和,因此选择这些矩阵时在一定程度上要考虑因式的稀疏性。
计算稀疏的LU因式分解的成本是A的维数、非零元素的数量、稀疏模式以及所使用的具体算法这些因素的复杂函数。但通常会小于稠密的LU因式分解的计算成本。
Cholesky因式分解
如果是对称正定矩阵,那么它可以因式分解为,其中L是下三角非奇异矩阵,对角元素均为正数,这种分解被称为A的Cholesky因式分解,可以理解为对称LU分解。矩阵L,通常由A唯一确定,被称为Ade Cholesky因式。不考虑A的结构,计算A的Cholesky因式分解的成本是次浮点运算。
利用Cholesky因式分解求解正定方程组
考虑Ax=b,A是对称正定矩阵。
- Cholesky因式分解:将A因式分解为(次浮点运算)
- 前向代入:求解(次浮点运算)
- 后向代入:求解(次浮点运算)
一共需要次浮点运算。
稀疏矩阵的Cholesky因式分解
当A是对称正定稀疏矩阵时,通常可以因式分解为,其中P是排列矩阵,L是对角线元素为正数的下三角矩阵。
稀疏矩阵的Cholesky因式分解分为两部,(1)符号因式分解:首先由A的稀疏模式确定排列矩阵P,一旦选定P,即可确定L的稀疏模式。(2)数值因式分解:即计算L的非零元素。
稀疏矩阵的Cholesky因式分解的成本少于。其成本与A的维度、非零元素的个数,稀疏模式均相关。
因式分解
每个非奇异对称矩阵A都能分解为,其中P是排列矩阵,L是对角元素均为正数的下三角矩阵,D是块对角矩阵,对角块为和的非奇异矩阵。不考虑A的结构,计算因式分解的浮点运算次数为。
利用因式分解求解线性方程组
给定方程组Ax=b,其中A是非奇异对称矩阵。
- 因式分解:将A因式分解为(次浮点运算)
- 排列:求解(0次浮点运算)
- 前向代入:求解(次浮点运算)
- 求解块对角方程:求解(阶次为n次浮点运算)
- 后向代入:求解 (次浮点运算)
- 排列:求解(0次浮点运算)
稀疏矩阵的因式分解
在确定稀疏矩阵的因式分解时,排列矩阵P不只取决于A的稀疏模式,还依赖于A的非零元素的具体数值。但总的成本要小于。
凸优化有关的数值线性代数知识 3LU Cholesky和LDL因式分解相关推荐
- 机器学习之凸优化原理推导及相关知识总结
文章目录 目录 1.了解凸集和仿射集的基本概念. 2.知道几何体的向量表达. 3.了解超平面和半空间的概念. 4.了解分割超平面和支撑超平面的含义. 5.知道jensen不等式. 6.掌握知识:凸函数 ...
- 机器学习中的数学知识(part3)--凸优化
学习笔记,仅供参考,有错必究 文章目录 机器学习中的数学知识 凸优化 非凸优化 机器学习中的数学知识 凸优化 下面是实际问题中常见的凸集,记住它们对理解后面的算法非常有帮助. n n
- 凸优化 [Convex Optimization] — [美] 鲍德(Stephen Boyd),Lieven Vandenberghe 著,王书宁,许鋆,黄晓霖 译
<信息技术和电气工程学科国际知名教材中译本系列:凸优化>从理论.应用和算法三个方面系统地介绍凸优化内容. 凸优化在数学规划领域具有非常重要的地位.从应用角度看,现有算法和常规计算能力已足以 ...
- 凸优化_Stephen_Boyd_
AI 菌 由于凸优化在机器学习中还是很重要 链接:http://pan.baidu.com/s/1eS3vuLk 密码:3epx 理论部分由4章构成,不仅涵盖了凸优化的所有基本概念和主要结果,还详细介 ...
- 最优化模型:线性代数模型、凸优化模型及应用
最优化理论是应用数学的一个分支,该理论研究在约束条件下某个函数的最小值或最大值.这个领域的诞生可以追溯到高斯年轻时所解决的一个天文学问题.后来随着物理学,特别是力学的发展,一些自然现象可被描述为&qu ...
- 干货丨从基础知识到实际应用,一文了解「机器学习非凸优化技术」
文章来源:机器之心 优化作为一种研究领域在科技中有很多应用.随着数字计算机的发展和算力的大幅增长,优化对生活的影响也越来越大.今天,小到航班表大到医疗.物理.人工智能的发展,都依赖优化技术的进步. 在 ...
- 机器学习中的数学(七)--凸优化的基础知识
写在前面 <机器学习中的数学>系列主要列举了在机器学习中用到的较多的数学知识,包括微积分,线性代数,概率统计,信息论以及凸优化等等.本系列重在描述基本概念,并不在应用的方面的做深入的探讨, ...
- 凸优化“傻瓜”教程-----凸优化基础知识
目录 凸优化基础知识 1.AI问题是什么? 2.对于常见的优化问题,我们可以写成什么形式? 3.针对一般的优化问题,我们从哪几个方向思考? 4.什么样的问题是凸优化问题? 4.1凸优化问题需要同时满足 ...
- MATLAB中CVX工具箱解决凸优化问题的基本知识——语法、变量声明、目标函数、约束条件、cvx编程错误及解决方法
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言 一.语法 二.变量声明 三.目标函数 四.约束条件 五.函数 六.cvx特有的数学运算表达式 七.常见错误 八.进阶阅 ...
- 凸优化基础知识笔记-凸集、凸函数、凸优化问题
文章目录 1. 凸集 2. 凸函数 2.1. 凸函数的一阶条件 2.1. 凸函数例子 3. 凸优化问题 4. 对偶 4.1. Lagrange函数与Lagrange对偶 4.2. 共轭函数 4.3. ...
最新文章
- iOS swift2.3 迁移到3.0 遇到的一些问题
- 搭建LAMP环境示例
- c语言 指针 数组还能这么用 ?
- 济南市软件测试工程师的工资水平,软件测试工程师工资怎么样?高吗?
- 莫利定理的超直观演示!
- IntelliJ IDEA for Mac工件包(artifact)中 Web facet resources 的模块名称有误,如何修改?
- 交付量强劲增长 特斯拉营收却将出现7年来首次下滑
- 数据结构-图的应用-拓扑排序
- 数学竞赛辅导陈启浩pdf_高中数学一题多解经典题型汇编(一)
- java计算机毕业设计家庭安防系统MyBatis+系统+LW文档+源码+调试部署
- win7 手把手教你将win7背景色修改为浅绿保护色【包括资源管理器的背景】
- 【CPU占用高】software_reporter_tool.exe
- python 的 int() 函数
- 【winui3】轻量笔记本应用
- Python爬虫——个股的股价与成交量分析
- kafka partition java,kafka中partition数量与消费者对应关系以及Java实践
- 各种选址、点、路线、网要求
- 什么是Android?
- 【面试克星】【公式少代码少话多】Vins-Mono预积分相关知识点总结与概述
- 2021年焊工(技师)找解析及焊工(技师)考试试卷
热门文章
- 苹果的 Safari 浏览器13岁了
- CodeForces 292D Connected Components (并查集+YY)
- Android 通过Base64上传图片到服务器
- JSP丶新闻发布会系统
- 闲谈 Kubernetes 的主要特性和经验分享
- [转]Birdfont 2.10 发布,字体编辑器
- SpringMVC 统一异常处理
- 2018湘南学院计算机分数线,湘南学院录取分数线2021是多少分(附历年录取分数线)...
- ABC + DEF = GHI //递归思想的充分体现(重难点)
- 公众号开发 单独 给某个用户 推送消息_校区学生会微信公众平台征稿启事