01先把问题说具体
矩阵 A=[[4,2],[2,3]] 对称且正定,是否可以只保存一个三角因子来求解?
02一步步得到方法
正定是什么意思
实对称矩阵满足任意非零向量 x 都有 xᵀAx>0。几何上对应严格向上的二次型,没有平坦或向下方向。对称不等于正定,例如 [[1,2],[2,1]] 有负方向。
设 L 下三角且对角为正,将 LLᵀ 的元素逐项与 A 对齐。对角项满足 Lᵢᵢ²=Aᵢᵢ−ΣLᵢₖ²;非对角项满足 Lᵢⱼ=(Aᵢⱼ−ΣLᵢₖLⱼₖ)/Lⱼⱼ。
为什么通常不需要主元交换
对称正定矩阵的消元余块仍正定,因此精确算术下每个待开方对角量都为正,能持续分解。若输入不正定,或数值误差暴露近奇异情况,就可能出现非正待开方值。
求解时先 Ly=b,再 Lᵀx=y,分别前代与后代。用于协方差、最小化正定二次型和许多物理离散系统,但必须先确认模型确有正定性。
正定性保证每一步有正平方根
对称正定矩阵可分解为 A=LLᵀ,按列或按行扣除已知贡献后求对角线平方根,再求下面的系数。正定性保证精确算术下这些待开方量为正。
它比通用 LU 利用更多结构,只需存一半三角部分。若输入不对称、非正定或严重数值病态,不能仅把负数强行截成0继续计算;应诊断模型、尺度和数值误差。
03把一个小例子完全算清楚
A=[[4,2],[2,3]]。
| 步骤 | 计算与状态 | 为什么这样做 |
|---|---|---|
| L₀₀ | sqrt(4)=2 | 正对角约定 |
| L₁₀ | 2/2=1 | 非对角公式 |
| L₁₁ | sqrt(3−1²)=sqrt(2) | 减去已解释的贡献 |
| 重构 | [[2,0],[1,√2]]·其转置=A | 只需一个三角因子 |
窄屏可左右滑动表格,阅读完整计算与理由。
每个新元素都扣除已经由前面列解释的部分。
04为什么这个方法成立
- 按行列匹配 A=LLᵀ 得到递推公式。
- 正定性保证每一步 Schur 补正定,待开方值为正。
- 依赖只来自已完成列,逐项构造最终重构 A;正对角使因子唯一。
05把推导翻译成代码
Python · 可独立运行的教学实现
from math import sqrt
def cholesky(a):
n = len(a)
assert all(len(row)==n for row in a)
if any(abs(a[i][j]-a[j][i])>1e-10 for i in range(n) for j in range(n)):
raise ValueError("symmetric matrix required")
l = [[0.0]*n for _ in range(n)]
for i in range(n):
for j in range(i+1):
value = a[i][j]-sum(l[i][k]*l[j][k] for k in range(j))
if i == j:
if value <= 0: raise ArithmeticError("not positive definite")
l[i][j] = sqrt(value)
else:
l[i][j] = value/l[j][j]
return l逐个理解关键决定
range(i+1)- 只计算下三角,另一半由转置表达。
value <= 0- 不满足正定分解条件时明确失败,不能对负值强行取绝对值开根。
06时间、空间与实现范围
稠密矩阵时间 O(n³),运算常数约为一般 LU 的一半;三角存储 O(n²)。
代码为清晰仍分配完整二维列表。真实库可只使用一半存储,数值阈值与正定判断需按尺度处理。
07改变条件,检查哪里会出错
只要对称就可以 Cholesky
对称但不正定的矩阵可能使某个平方根参数为负。
所有对称矩阵都可实数 Cholesky
对称但不正定仍可能出现负的开方项,正定条件不能省略。
08从手算到独立迁移
先写出自己的结果和理由,再展开提示或解析。三题依次检查具体执行、边界条件和方法迁移。
A=I 的 L 是什么?
需要一点提示
正对角的平方根。
查看解析与答案
仍为 I。
半正定矩阵一定能直接用本代码吗?
需要一点提示
可能存在零特征方向。
查看解析与答案
不一定,会出现零对角需要特殊处理;本接口要求严格正定。
为何不对失败的 value 取 abs 继续?
需要一点提示
等式是否仍成立?
查看解析与答案
那会改变分解对应矩阵,无法再保证 LLᵀ=A,掩盖输入或数值问题。
继续深入这个专题
本站例子、推导与教学代码独立编写。以下是相关教材、作者论文或官方文档,可继续核对定义、证明与更完整的工程实现。
Driscoll 与 Braun · Fundamentals of Numerical Computation