Cholesky分解是一种用于求解对称正定矩阵的线性代数方法，特别适合用于数值稳定性要求较高的计算问题。它将一个对称正定矩阵分解成一个下三角矩阵及其转置的乘积。这种方法常用于数值优化、机器学习和统计学中。
具体来说，如果有一个 (n times n) 的对称正定矩阵 (A)，那么 Cholesky 分解可以表示为：
[ A = LL^T ]
其中，(L) 是一个下三角矩阵，且 (L^T) 是 (L) 的转置矩阵。
Cholesky 分解算法
- 初始化一个 (n times n) 的零矩阵 (L)。
-
对于每个 (i) 从 1 到 (n):
- 计算 (L[i, i]):
[ L[i, i] = sqrt{A[i, i] – sum_{k=1}^{i-1} L[i, k]^2} ] - 对于每个 (j) 从 (i+1) 到 (n):
[ L[j, i] = frac{1}{L[i, i]} left( A[j, i] – sum_{k=1}^{i-1} L[j, k] L[i, k] right) ]
- 计算 (L[i, i]):
例子
假设有一个对称正定矩阵 (A):
[ A = begin{pmatrix}
4 & 12 & -16
12 & 37 & -43
-16 & -43 & 98
end{pmatrix} ]
Cholesky 分解步骤如下：
- 计算 (L[1, 1]):
[ L[1, 1] = sqrt{4} = 2 ] - 计算 (L[2, 1]):
[ L[2, 1] = frac{12}{2} = 6 ] - 计算 (L[3, 1]):
[ L[3, 1] = frac{-16}{2} = -8 ] - 计算 (L[2, 2]):
[ L[2, 2] = sqrt{37 – 6^2} = sqrt{1} = 1 ] - 计算 (L[3, 2]):
[ L[3, 2] = frac{-43 – (-8) cdot 6}{1} = 5 ] - 计算 (L[3, 3]):
[ L[3, 3] = sqrt{98 – (-8)^2 – 5^2} = sqrt{98 – 64 – 25} = sqrt{9} = 3 ]
最终得到 (L) 为：
[ L = begin{pmatrix}
2 & 0 & 0
6 & 1 & 0
-8 & 5 & 3
end{pmatrix} ]
通过 Cholesky 分解，矩阵 (A) 可以表示为 (L times L^T)。
应用
Cholesky分解常用于：
- 求解线性方程组 (Ax = b)
- 矩阵求逆
- 数值优化中的二次规划
- 机器学习中的高斯过程和贝叶斯优化
了解并掌握 Cholesky 分解，对处理大型数值计算问题非常有帮助。
发布者：luotuoemo，转转请注明出处：https://www.jintuiyun.com/190601.html
