基本概念(三角分解相关):
在数学中的矩阵论里,置换矩阵是一种系数只由0和1组成的方块矩阵。置换矩阵的每一行和每一列都恰好有一个1,其余的系数都是0。在线性代数中,每个n阶的置换矩阵都代表了一个对n个元素(n维空间的基)的置换。当一个矩阵乘上一个置换矩阵时,所得到的是原来矩阵的横行(置换矩阵在左)或纵列(置换矩阵在右)经过置换后得到的矩阵。
设A是一个方块矩阵。A的LU分解是将它分解成如下形式:
其中L和U分别是下三角矩阵和上三角矩阵。
例如对于一个
的矩阵,就有
。
一个LDU分解是一个如下形式的分解:
其中D是对角矩阵,L和U是单位三角矩阵(对角线上全是1的三角矩阵)。
一个LUP分解是一个如下形式的分解:
其中L和U仍是三角矩阵,P是一个置换矩阵。
一个充分消元的LU分解为如下形式:
Cholesky分解
如果矩阵
A是 埃尔米特矩阵,并且是 正定矩阵,那么可以使,
U是
L的 共轭转置。也就是说,
A可以写成
这个分解被称作Cholesky分解。对每一个正定矩阵,Cholesky分解都唯一存在。
满秩分解
1. 定义:设
,若存在矩阵
及
,使得
,则称其为
的一个满秩分解。 说明:(1)
为列满秩矩阵,即列数等于秩;
为行满秩矩阵,即行数等于秩。 (2)满秩分解不唯一。
(
阶可逆方阵),则
,且
平凡分解。
R命令:
1)LU分解(包含满秩分解)
library(Matrix)
> m 3 x 3 Matrix of class "dgeMatrix" [,1] [,2] [,3] [1,] 2 -1 3 [2,] 1 2 1 [3,] 2 4 2
> l <- lu(m)
> l 'MatrixFactorization' of Formal class 'denseLU' [package "Matrix"] with 3 slots ..@ x : num [1:9] 2 1 0.5 -1 5 0.5 3 -1 0 ..@ perm: int [1:3] 1 3 3 ..@ Dim : int [1:2] 3 3
> LU <- expand(l) #生成P,L,U
> LU $L 3 x 3 Matrix of class "dtrMatrix" (unitriangular) [,1] [,2] [,3] [1,] 1.0 . . [2,] 1.0 1.0 . [3,] 0.5 0.5 1.0 $U 3 x 3 Matrix of class "dtrMatrix" [,1] [,2] [,3] [1,] 2 -1 3 [2,] . 5 -1 [3,] . . 0 $P 3 x 3 sparse Matrix of class "pMatrix" [1,] | . . [2,] . . | [3,] . | .
A = P*L*U
P为置换矩阵,L为下单位三角矩阵,U为上三角矩阵;
The decomposition is of the form
A = P L U
where typically all matrices are of size n by n, and the matrix P is a permutation matrix, L is lower triangular and U is upper triangular (both of class dtrMatrix).
Note that the dense decomposition is also implemented for a m by n matrix A, when m != n.
If m < n (“wide case”), U is m by n, and hence not triangular. If m > n (“long case”), L is m by n, and hence not triangular.
2)Choleskey分解 对于正定矩阵A,可对其进行Choleskey分解,即:A=P'P,其中P为上三角矩阵,在R中可以用函数chol()进行Choleskey分解,例如: > A [,1] [,2] [,3] [,4] [1,] 2 1 1 1 [2,] 1 2 1 1 [3,] 1 1 2 1 [4,] 1 1 1 2 > chol(A) [,1] [,2] [,3] [,4] [1,] 1.414214 0.7071068 0.7071068 0.7071068 [2,] 0.000000 1.2247449 0.4082483 0.4082483 [3,] 0.000000 0.0000000 1.1547005 0.2886751 [4,] 0.000000 0.0000000 0.0000000 1.1180340 > t(chol(A))%*%chol(A) [,1] [,2] [,3] [,4] [1,] 2 1 1 1 [2,] 1 2 1 1 [3,] 1 1 2 1 [4,] 1 1 1 2 > crossprod(chol(A),chol(A)) [,1] [,2] [,3] [,4] [1,] 2 1 1 1 [2,] 1 2 1 1 [3,] 1 1 2 1 [4,] 1 1 1 2 若矩阵为对称正定矩阵,可以利用Choleskey分解求行列式的值,如: > prod(diag(chol(A))^2) [1] 5 > det(A) [1] 5 若矩阵为对称正定矩阵,可以利用Choleskey分解求矩阵的逆,这时用函数chol2inv(),这种用法更有效。如: > chol2inv(chol(A)) [,1] [,2] [,3] [,4] [1,] 0.8 -0.2 -0.2 -0.2 [2,] -0.2 0.8 -0.2 -0.2 [3,] -0.2 -0.2 0.8 -0.2 [4,] -0.2 -0.2 -0.2 0.8 > solve(A) [,1] [,2] [,3] [,4] [1,] 0.8 -0.2 -0.2 -0.2 [2,] -0.2 0.8 -0.2 -0.2 [3,] -0.2 -0.2 0.8 -0.2 [4,] -0.2 -0.2 -0.2 0.8