线性代数 --- 为什么LU分解中的下三角矩阵L的主对角线上都是1?

为什么LU分解中的下三角矩阵L的主对角线上都是1?

笔者的一些话:

为什么LU分解中L矩阵的主对角线上都是1?因为最近一段时间在研究LU分解的编程实现,这个问题也就时不时的从我脑子里面冒出来。但大多时候都是一闪而过,没有太在意。有时候,查了一些资料后,明白了,或者是当时明白了,又或者是似乎明白了,没过多久又忘了。索性趁着这两天有空,干脆写一篇CSDN记录下来,自己以后要看了,就回来翻翻。

正文:

一方面: 对于LU分解而言,下三角阵L是对高斯消元过程的记录,是高斯消元的逆过程,是多个消元矩阵E的逆矩阵的乘积(形如下图中的下三角矩阵),即:

另一方面: 根据矩阵的乘法原则,两个矩阵A和B的乘积C中的元素,来自于矩阵A中第i行元素与矩阵B中第j列元素的乘积。下图,是我引用的维基百科中一个4x2矩阵A和一个2x4矩阵B的乘法的说明图。

如图,在本例中矩阵C中的元素源自于矩阵A第一行和矩阵B第二列的乘积。

按照这个乘法规则,去计算一系列消元矩阵的逆矩阵(方阵)的乘法就会发现。在计算L矩阵中主对角线上元素时,其他部分的乘积都是0,最终只剩下主对角线上对应位置的乘积为1。

比如说,下面是两个4x4的矩阵的乘法(X和Y可以是任意值):

不论这两个矩阵中的X和Y是多少,主对角线上的元素一定是1。我们以的计算为例(其他也相仿),他等于前一个矩阵的第2行,乘以后一个矩阵的第2列:

依此类推,则不论有多少个 连续相乘,一定能保证在最终的乘积L矩阵中,主对角线上的元素都是1。


(全文完)

作者 --- 松下J27

参考文献(鸣谢):

1,https://en.wikipedia.org/wiki/Matrix_multiplication

2,线性代数 --- LU分解(Gauss消元法的矩阵表示)_矩阵的lu分解-CSDN博客

(配图与本文无关)

**版权声明:**所有的笔记,可能来自很多不同的网站和说明,在此没法一一列出,如有侵权,请告知,立即删除。欢迎大家转载,但是,如果有人引用或者COPY我的文章,必须在你的文章中注明你所使用的图片或者文字来自于我的文章,否则,侵权必究。 ----松下J27

相关推荐
CoovallyAIHub2 小时前
中科大DSAI Lab团队多篇论文入选ICCV 2025,推动三维视觉与泛化感知技术突破
深度学习·算法·计算机视觉
NAGNIP3 小时前
Serverless 架构下的大模型框架落地实践
算法·架构
moonlifesudo3 小时前
半开区间和开区间的两个二分模版
算法
moonlifesudo3 小时前
300:最长递增子序列
算法
CoovallyAIHub8 小时前
港大&字节重磅发布DanceGRPO:突破视觉生成RLHF瓶颈,多项任务性能提升超180%!
深度学习·算法·计算机视觉
CoovallyAIHub9 小时前
英伟达ViPE重磅发布!解决3D感知难题,SLAM+深度学习完美融合(附带数据集下载地址)
深度学习·算法·计算机视觉
聚客AI1 天前
🙋‍♀️Transformer训练与推理全流程:从输入处理到输出生成
人工智能·算法·llm
大怪v1 天前
前端:人工智能?我也会啊!来个花活,😎😎😎“自动驾驶”整起!
前端·javascript·算法
惯导马工1 天前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
骑自行车的码农1 天前
【React用到的一些算法】游标和栈
算法·react.js