详解矩阵的LDU分解

本文介绍: 比如先看第一个方程，Lc=b，我们首先解c1，接着解c2，以此类推，所以这个过程也被称之为正向（forward）求解。一般来讲，矩阵的LU分解与LDU分解往往是不一样的，当然有些地方也会将其称之为LDV分解，只是换个符号而已，本质是一样的。其中，A为任意方阵，L为下三角矩阵且对角线处元素均为1，U为上三角矩阵。总共有两个三角系统，无论是上三角还是下三角矩阵，复杂性是一样的，只不过解的顺序不同而已。在这个例子中，系数矩阵中的元素只有1，-1和0，所以解起来会更加简单，之前解方程的复杂度为。

一. 矩阵分解

一. 矩阵分解

其实我们可以把一个线性系统（Linear System）看成两个三角系统（Triangular Systems），本文章将解释为什么可以这么看待解线性方程组，以及这样理解到底有什么好处。我们知道高斯消元法其实跟矩阵的三角分解有关，如下：

A=LU

其中，A为任意方阵，L为下三角矩阵且对角线处元素均为1，U为上三角矩阵。注意此处的上三角矩阵U的对角线处元素不一定为1.

利用矩阵L和U，可以直接求解Ax=b，该方程也被称之为线性系统。借助矩阵L，也就是正向消元（forward elimination），可以把b变成c。

借助矩阵U，也就是逆向替换（back substitution），可以从c来解x。那么对于任意解方程，我们可以将其标准化为两步，这两部就不需要直接利用A，如下：

观察第二个方程，两边同时乘以矩阵L，可得：

LUx=Lc

不要忘记A=LU，且Lc=b，也就可得：

Ax=b

说明以上变换是有效的。该方程的思路从理论上是行得通的。

我们都知道三角不等式是很容易解的，相关的elimination code也很容易设计。至于怎么解，我们接着往下看。

二. 解方程

根据以上讨论，我们可以把解方程分成两步。

（1）分解，factor

将矩阵A分解，找到对应的矩阵L与U。

（2）解方程，solve

综合利用L,U和b，确定最终的结果x。

从计算复杂度性的角度来讲，解三角系统的步骤只需要 $n^2/2$ 步，因为三角矩阵就只有 $n^2/2$ 个元素，该复杂度性应该比较好理解。

总共有两个三角系统，无论是上三角还是下三角矩阵，复杂性是一样的，只不过解的顺序不同而已。也就是一共 $n^2$ 步操作即可求解两个三角系统。如果有印象的小伙伴会发现，如果直接从A入手的话，解方程复杂度为：

$frac{n^3}{3}$

这也就是通常我们所说的，在不外加任何优化算法的前提下，解线性方程组的计算复杂度为：

$O(n^3)$

三. 例题说明

假定有一个矩阵A，需要解的方程中b=(1,1,1,1)，详细的方程如下：

按照以上讨论，我们已知矩阵A和向量b，目标是求解未知向量x。我们的思路是先将其分成Lc=b，接着求解Ux=c。

首先第一步列方程可得：

很容易解该方程，可得对应的c为：

接着列出第二个方程，可得：

求解该方程可得x为：

在这个例子中，系数矩阵中的元素只有1，-1和0，所以解起来会更加简单，之前解方程的复杂度为 $n^2$ ，那么现在复杂度则只有2n。比如先看第一个方程，Lc=b，我们首先解c1，接着解c2，以此类推，所以这个过程也被称之为正向（forward）求解。

接着解第二个方程Ux=c，是首先解x4，接着解x3，这也就是所谓的逆向求解（backward）。

四. 矩阵的LDU分解

在以上的分析中，其实有一个小问题，我们发现矩阵L和U地位不是均等的。换句话说，矩阵L的对角线处元素均为1，但是矩阵U并不满足此条件。矩阵U对角线处的值均为主元（pivots）。

那么我们能不能让矩阵U的对角线处元素也为1呢？

直接把矩阵U初以主元矩阵D，也就是继续做如下分解：

注意以上是以矩阵每行来理解的，也就是每行均除以对应的di，每个元素都要相应缩减。

当然在我们刚才举的例子中，该矩阵的主元di=1，也就是矩阵D是单位阵：

D=I

但这只是其中的一个例子，在刚才的例题中LU分解与LDU分解的结果是一样的，但仅仅是个例。

一般来讲，矩阵的LU分解与LDU分解往往是不一样的，当然有些地方也会将其称之为LDV分解，只是换个符号而已，本质是一样的。

结合以上，我们可以总结矩阵完整的三角分解（triangular factorization），写做：

A=LDU

该种分解在网路安全等领域很有用，其中矩阵L与U的对角线处元素均为1，D为对角阵也就是矩阵的主元

五. 矩阵三角分解的唯一性

综合以上矩阵的三角分解可以写做LDU或者写做LDV，矩阵U或者叫V的对角线处元素均为1，相当于每行均被主元矩阵D相除。这样的话，矩阵L和U的地位就是一样的。我们来看一个例子。

首先可以将矩阵A进行LU分解，也就是可以得到：

接着可以继续将其LDU分解，可以得到：

很明显可以验证发现矩阵L和U的对角线处元素均为1，矩阵D包含主元1和-2。无论是哪种分解，矩阵L是保持不变的。

很多时候，当我们解释高斯消元法时，都有一定的顺序，但其实这些顺序并不是那么重要，比如就可以利用“Crout algorithm”进行验证。

但是矩阵的LDU分解是唯一的，换句话说：

假定A可以分解成L1D1U1，也就是满足：

$A=L_1D_1U_1$

同理A可以分解成L2D2U2，也就是满足：

$A=L_2D_2U_2$

当然以上矩阵L和U均为相应的三角矩阵，且矩阵D 的对角线处元素均不为0，那么可得L,D,U都是对应相等的，也就是：

$L_1=L_2,D_1=D_2,U_1=U_2$

以上讨论告诉我们无论是LU分解，还是LDU分解，只要矩阵A确定了，那么分解也就确定了。

可以把这种说法，看成一个定理，该定理的证明需要利用逆矩阵，形式比较直接，此处就不啰嗦证明了。

原文地址:https://blog.csdn.net/forest_LL/article/details/135864802

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。

如若转载，请注明出处：http://www.7code.cn/show_62753.html

如若内容造成侵权/违法违规/事实不符，请联系代码007邮箱：suwngjj01@126.com进行投诉反馈，一经查实，立即删除！

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。

三角分解矩阵

一. 矩阵分解

二. 解方程

三. 例题说明

四. 矩阵的LDU分解

五. 矩阵三角分解的唯一性

相关文章

发表回复 取消回复

发表回复取消回复