矩阵分解 Cholesky分解

Cholesky分解法又叫平方根法,是求解对称正定线性方程组最常用的方法之一。对于一般矩阵,为了消除LU分

解的局限性和误差的过分积累,采用了选主元的方法,但对于对称正定矩阵而言,选主元是不必要的。

 

定理:若对称正定,则存在一个对角元为正数的下三角矩阵,使得成立。

 


Cholesky分解的条件(这里针对复数矩阵)

一、Hermitian matrix(埃尔米特矩阵):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)。

Hermitian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。

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



假设现在要求解线性方程组,其中为对称正定矩阵,那么可通过下面步骤求解

 

(1)求的Cholesky分解,得到

(2)求解,得到

(3)求解,得到

 

现在的关键问题是对进行Cholesky分解。假设

 

       

 

通过比较两边的关系,首先由,再由

 

       

 

这样便得到了矩阵的第一列元素,假定已经算出了的前列元素,通过

 

       

 

可以得到

 

       

 

进一步再由

 

                 

 

最终得到

 

       

 

这样便通过的前列求出了第列,一直递推下去即可求出,这种方法称为平方根法。

 

代码:

[cpp]  view plain  copy
  1. #include   
  2. #include   
  3. #include   
  4. #include   
  5. #include   
  6.    
  7. using namespace std;  
  8. const int N = 1005;  
  9. typedef double Type;  
  10.    
  11. Type A[N][N], L[N][N];  
  12.    
  13. /** 分解A得到A = L * L^T */  
  14. void Cholesky(Type A[][N], Type L[][N], int n)  
  15. {  
  16.     for(int k = 0; k < n; k++)  
  17.     {  
  18.         Type sum = 0;  
  19.         for(int i = 0; i < k; i++)  
  20.             sum += L[k][i] * L[k][i];  
  21.         sum = A[k][k] - sum;  
  22.         L[k][k] = sqrt(sum > 0 ? sum : 0);  
  23.         for(int i = k + 1; i < n; i++)  
  24.         {  
  25.             sum = 0;  
  26.             for(int j = 0; j < k; j++)  
  27.                 sum += L[i][j] * L[k][j];  
  28.             L[i][k] = (A[i][k] - sum) / L[k][k];  
  29.         }  
  30.         for(int j = 0; j < k; j++)  
  31.             L[j][k] = 0;  
  32.     }  
  33. }  
  34.    
  35. /** 回带过程 */  
  36. vector Solve(Type L[][N], vector X, int n)  
  37. {  
  38.     /** LY = B  => Y */  
  39.     for(int k = 0; k < n; k++)  
  40.     {  
  41.         for(int i = 0; i < k; i++)  
  42.             X[k] -= X[i] * L[k][i];  
  43.         X[k] /= L[k][k];  
  44.     }  
  45.     /** L^TX = Y => X */  
  46.     for(int k = n - 1; k >= 0; k--)  
  47.     {  
  48.         for(int i = k + 1; i < n; i++)  
  49.             X[k] -= X[i] * L[i][k];  
  50.         X[k] /= L[k][k];  
  51.     }  
  52.     return X;  
  53. }  
  54.    
  55. void Print(Type L[][N], const vector B, int n)  
  56. {  
  57.     for(int i = 0; i < n; i++)  
  58.     {  
  59.         for(int j = 0; j < n; j++)  
  60.             cout<" ";  
  61.         cout<
  62.     }  
  63.     cout<
  64.     vector X = Solve(L, B, n);  
  65.     vector::iterator it;  
  66.     for(it = X.begin(); it != X.end(); it++)  
  67.         cout<<*it<<" ";  
  68.     cout<
  69. }  
  70.    
  71. int main()  
  72. {  
  73.     int n;  
  74.     cin>>n;  
  75.     memset(L, 0, sizeof(L));  
  76.     for(int i = 0; i < n; i++)  
  77.     {  
  78.         for(int j = 0; j < n; j++)  
  79.             cin>>A[i][j];  
  80.     }  
  81.     vector B;  
  82.     for(int i = 0; i < n; i++)  
  83.     {  
  84.         Type y;  
  85.         cin>>y;  
  86.         B.push_back(y);  
  87.     }  
  88.     Cholesky(A, L, n);  
  89.     Print(L, B, n);  
  90.     return 0;  
  91. }  
  92.    
  93. /**data** 
  94. 4 
  95. 4 -2 4 2 
  96. -2 10 -2 -7 
  97. 4 -2 8 4 
  98. 2 -7 4 7 
  99. 8 2 16 6 
  100. */  


用上述的方法需要进行开方,这有可能损失精度和增加运算量,为了避免开方,Cholesky分解有个改进的版本分解

 

参考资料:http://class.htu.cn/nla/cha1/sect3.htm


转自:http://blog.csdn.net/acdreamers/article/details/44656847

http://blog.csdn.net/zhouliyang1990/article/details/21952485


你可能感兴趣的:(矩阵分解)