线性代数笔记: Cholesky分解 |
您所在的位置:网站首页 › numpy 对称矩阵 › 线性代数笔记: Cholesky分解 |
1 介绍
当一个实矩阵A是对称正定矩阵的时候,它可以分解成一个下三角矩阵L以及它的转置 如果矩阵是正定的话,那么L唯一确定;如果矩阵是半正定的话,那么也可以分解,不过此时L不唯一。 2 举例返回值:c:(M,M)ndarray,表示a的上三角或下三角Cholesky因子。 3.2 参数介绍 a(M, M) array_like 待分解的矩阵 lowerbool, 可选参数 是计算上三角Cholesky还是下三角Cholesky分解。默认值为upper-triangular overwrite_abool, 可选参数 是否覆盖a中的数据(可能会提高性能) check_finitebool, 可选参数 是否检查输入矩阵仅包含有限数。禁用可能会提高性能,但是如果输入中确实包含无穷大或NaN,则会导致问题(崩溃,终止)。 3.3 用法举例 import numpy as np from scipy import linalg a = np.array([[4, 12, -16], [12, 37, -43], [-16, -43, 98]]) L_lower = linalg.cholesky(a, lower=True) # 默认计算 upper, 所以指定 lower = True L_upper = linalg.cholesky(a) print(L_lower,'\n',L_upper) ''' [[ 2. 0. 0.] [ 6. 1. 0.] [-8. 5. 3.]] [[ 2. 6. -8.] [ 0. 1. 5.] [ 0. 0. 3.]] ''' print(L_lower @ L_upper) ''' [[ 4. 12. -16.] [ 12. 37. -43.] [-16. -43. 98.]] ''' 4 平方根法求L我们假设矩阵A可以分解成
![]() ![]() ![]() ![]() ![]() 在计算机程序中常常用到这种方法解线性代数方程组。它的优点是存储量很省。用矩阵A一半的存储空间,就可以表达A的全部信息 参考资料 数学之美:cholesky矩阵分解_BigCowPeking-CSDN博客_cholesky分解 Cholesky分解 - 知乎 (zhihu.com) |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |