矩阵A的LU分解

文章目录

  • [1. 矩阵的逆矩阵](#1. 矩阵的逆矩阵)
    • [1.1 AB的逆矩阵](#1.1 AB的逆矩阵)
    • [1.2 转置矩阵](#1.2 转置矩阵)
  • [2. 2X2矩阵A消元](#2. 2X2矩阵A消元)
  • [3. 3X3矩阵A消元](#3. 3X3矩阵A消元)
  • [4. 运算量](#4. 运算量)
  • [5. 置换矩阵-左行右列](#5. 置换矩阵-左行右列)

本文主要目的是为了通过矩阵乘法实现矩阵A的分解。

1. 矩阵的逆矩阵

1.1 AB的逆矩阵

  • 假设A,B矩阵都可逆
    A ( B B − 1 ) A − 1 = I (1) A(BB^{-1})A^{-1}=I\tag{1} A(BB−1)A−1=I(1)
  • 可得如下
    ( A B ) ( B − 1 A − 1 ) = I (2) (AB)(B^{-1}A^{-1})=I\tag{2} (AB)(B−1A−1)=I(2)
  • 所以当AB矩阵单独可逆下:
    ( A B ) − 1 = B − 1 A − 1 (3) (AB)^{-1}=B^{-1}A^{-1}\tag{3} (AB)−1=B−1A−1(3)

1.2 转置矩阵

  • 由于矩阵A满足如下条件
    A A − 1 = I (4) AA^{-1}=I\tag{4} AA−1=I(4)
  • 对等式两边进行转置如下:
    ( A − 1 ) T A T = I T = I (5) (A^{-1})^TA^T=I^T=I\tag{5} (A−1)TAT=IT=I(5)
  • 由此可得如下:
    ( A T ) − 1 = ( A − 1 ) T (6) (A^T)^{-1}=(A^{-1})^{T}\tag{6} (AT)−1=(A−1)T(6)

2. 2X2矩阵A消元

假设矩阵A经过行与行之间的计算,可以得到上三角矩阵U ,可以简化成如下,
E 21 = [ 1 0 − 4 1 ] ; A = [ 2 1 8 7 ] ; U = [ 2 1 0 3 ] ; (7) E_{21}=\begin{bmatrix}1&0\\\\-4&1\end{bmatrix};A=\begin{bmatrix}2&1\\\\8&7\end{bmatrix};U=\begin{bmatrix}2&1\\\\0&3\end{bmatrix};\tag{7} E21= 1−401 ;A= 2817 ;U= 2013 ;(7)

E 21 A = U (8) E_{21}A=U\tag{8} E21A=U(8)

1 0 − 4 1 \] \[ 2 1 8 7 \] = \[ 2 1 0 3 \] (9) \\begin{bmatrix}1\&0\\\\\\\\-4\&1\\end{bmatrix}\\begin{bmatrix}2\&1\\\\\\\\8\&7\\end{bmatrix}=\\begin{bmatrix}2\&1\\\\\\\\0\&3\\end{bmatrix}\\tag{9} 1−401 2817 = 2013 (9) * 可以将上式改成如下 A = ( E 21 ) − 1 U = L U (10) A=(E_{21})\^{-1}U=LU\\tag{10} A=(E21)−1U=LU(10) * ( E 21 ) − 1 (E_{21})\^{-1} (E21)−1可得如下: ( E 21 ) − 1 = \[ 1 0 4 1 \] (11) (E_{21})\^{-1}=\\begin{bmatrix}1\&0\\\\\\\\4\&1\\end{bmatrix}\\tag{11} (E21)−1= 1401 (11) * 将U进行分解可得 U = \[ 2 1 0 3 \] = \[ 2 0 0 3 \] \[ 1 1 2 0 1 \] (12) U=\\begin{bmatrix}2\&1\\\\\\\\0\&3\\end{bmatrix}=\\begin{bmatrix}2\&0\\\\\\\\0\&3\\end{bmatrix}\\begin{bmatrix}1\&\\frac{1}{2}\\\\\\\\0\&1\\end{bmatrix}\\tag{12} U= 2013 = 2003 10211 (12) * 综上所述可得如下: A = \[ 2 1 8 7 \] ; L = \[ 1 0 4 1 \] ; D = \[ 2 0 0 3 \] ; U = \[ 1 1 2 0 1 \] (13) A=\\begin{bmatrix}2\&1\\\\\\\\8\&7\\end{bmatrix};L=\\begin{bmatrix}1\&0\\\\\\\\4\&1\\end{bmatrix};D=\\begin{bmatrix}2\&0\\\\\\\\0\&3\\end{bmatrix};U=\\begin{bmatrix}1\&\\frac{1}{2}\\\\\\\\0\&1\\end{bmatrix}\\tag{13} A= 2817 ;L= 1401 ;D= 2003 ;U= 10211 (13) * A = L D U A=LDU A=LDU \[ 2 1 8 7 \] = \[ 1 0 4 1 \] \[ 2 0 0 3 \] \[ 1 1 2 0 1 \] (14) \\begin{bmatrix}2\&1\\\\\\\\8\&7\\end{bmatrix}=\\begin{bmatrix}1\&0\\\\\\\\4\&1\\end{bmatrix}\\begin{bmatrix}2\&0\\\\\\\\0\&3\\end{bmatrix}\\begin{bmatrix}1\&\\frac{1}{2}\\\\\\\\0\&1\\end{bmatrix}\\tag{14} 2817 = 1401 2003 10211 (14) ## 3. 3X3矩阵A消元 * 同理假设有一个3X3矩阵,我们可以经过行变换来消元。 E 32 E 31 E 21 A = U (15) E_{32}E_{31}E_{21}A=U\\tag{15} E32E31E21A=U(15) * 求逆矩阵如下: L = ( E 21 ) − 1 ( E 31 ) − 1 ( E 32 ) − 1 (16) L=(E_{21})\^{-1}(E_{31})\^{-1}(E_{32})\^{-1}\\tag{16} L=(E21)−1(E31)−1(E32)−1(16) A = ( E 21 ) − 1 ( E 31 ) − 1 ( E 32 ) − 1 U (17) A=(E_{21})\^{-1}(E_{31})\^{-1}(E_{32})\^{-1}U\\tag{17} A=(E21)−1(E31)−1(E32)−1U(17) * 假设如下矩阵: E 21 = \[ 1 0 0 − 2 1 0 0 0 1 \] ; E 31 = \[ 1 0 0 0 1 0 0 0 1 \] ; E 32 = \[ 1 0 0 0 1 0 0 − 5 1 \] ; (18) E_{21}=\\begin{bmatrix}1\&0\&0\\\\\\\\-2\&1\&0\\\\\\\\0\&0\&1\\end{bmatrix};E_{31}=\\begin{bmatrix}1\&0\&0\\\\\\\\0\&1\&0\\\\\\\\0\&0\&1\\end{bmatrix};E_{32}=\\begin{bmatrix}1\&0\&0\\\\\\\\0\&1\&0\\\\\\\\0\&-5\&1\\end{bmatrix};\\tag{18} E21= 1−20010001 ;E31= 100010001 ;E32= 10001−5001 ;(18) E 3221 = E 32 E 21 = \[ 1 0 0 − 2 1 0 10 − 5 1 \] (19) E_{3221}=E_{32}E_{21}=\\begin{bmatrix}1\&0\&0\\\\\\\\-2\&1\&0\\\\\\\\10\&-5\&1\\end{bmatrix}\\tag{19} E3221=E32E21= 1−21001−5001 (19) E 21 = \[ 1 0 0 − 2 1 0 0 0 1 \] ; ⇒ ( E 21 ) − 1 = \[ 1 0 0 2 1 0 0 0 1 \] ; (20) E_{21}=\\begin{bmatrix}1\&0\&0\\\\\\\\-2\&1\&0\\\\\\\\0\&0\&1\\end{bmatrix};\\Rightarrow(E_{21})\^{-1}=\\begin{bmatrix}1\&0\&0\\\\\\\\2\&1\&0\\\\\\\\0\&0\&1\\end{bmatrix};\\tag{20} E21= 1−20010001 ;⇒(E21)−1= 120010001 ;(20) E 32 = \[ 1 0 0 0 1 0 0 − 5 1 \] ; ⇒ ( E 32 ) − 1 = \[ 1 0 0 0 1 0 0 5 1 \] ; (20) E_{32}=\\begin{bmatrix}1\&0\&0\\\\\\\\0\&1\&0\\\\\\\\0\&-5\&1\\end{bmatrix};\\Rightarrow(E_{32})\^{-1}=\\begin{bmatrix}1\&0\&0\\\\\\\\0\&1\&0\\\\\\\\0\&5\&1\\end{bmatrix};\\tag{20} E32= 10001−5001 ;⇒(E32)−1= 100015001 ;(20) L = ( E 3221 ) − 1 = ( E 21 ) − 1 ( E 32 ) − 1 = \[ 1 0 0 2 1 0 0 5 1 \] ; (21) L=(E_{3221})\^{-1}=(E_{21})\^{-1}(E_{32})\^{-1}=\\begin{bmatrix}1\&0\&0\\\\\\\\2\&1\&0\\\\\\\\0\&5\&1\\end{bmatrix};\\tag{21} L=(E3221)−1=(E21)−1(E32)−1= 120015001 ;(21) * 综上所述: A = L U (22) A=LU\\tag{22} A=LU(22) ## 4. 运算量 * 假设我们矩阵A是100X100的矩阵,那么将矩阵A通过行变换分解成A=LU 一共要进行如下计算步骤: C o u n t = n 2 + ( n − 1 ) 2 + ⋯ + 2 2 + 1 2 = 1 3 n 3 = 1000000 3 (23) Count=n\^2+(n-1)\^2+\\dots+2\^2+1\^2=\\frac{1}{3}n\^3=\\frac{1000000}{3}\\tag{23} Count=n2+(n−1)2+⋯+22+12=31n3=31000000(23) ## 5. 置换矩阵-左行右列 * 左乘置换矩阵-进行行变换XA * 右乘置换矩阵-进行列变换AX * 置换矩阵指的是一列中只有一个位置为1,同一列其他位置均为0,用来对矩阵进行位置交换。 * 第一行和第二行位置交换 A = \[ 1 2 3 4 5 6 7 8 9 \] (24) A=\\begin{bmatrix}1\&2\&3\\\\\\\\4\&5\&6\\\\\\\\7\&8\&9\\end{bmatrix}\\tag{24} A= 147258369 (24) B = \[ 4 5 6 1 2 3 7 8 9 \] = \[ 0 1 0 1 0 0 0 0 1 \] \[ 1 2 3 4 5 6 7 8 9 \] (25) B=\\begin{bmatrix}4\&5\&6\\\\\\\\1\&2\&3\\\\\\\\7\&8\&9\\end{bmatrix}=\\begin{bmatrix}0\&1\&0\\\\\\\\1\&0\&0\\\\\\\\0\&0\&1\\end{bmatrix}\\begin{bmatrix}1\&2\&3\\\\\\\\4\&5\&6\\\\\\\\7\&8\&9\\end{bmatrix}\\tag{25} B= 417528639 = 010100001 147258369 (25)

相关推荐
林泽毅19 分钟前
SwanLab Slack通知插件:让AI训练状态同步更及时
深度学习·机器学习·强化学习
Shockang1 小时前
机器学习的一百个概念(5)数据增强
人工智能·机器学习
蚍蜉撼树谈何易3 小时前
机器学习的定义及分类
人工智能·机器学习·分类
gang_unerry11 小时前
量子退火与机器学习(2):少量实验即可找到新材料,黑盒优化➕量子退火
人工智能·机器学习·量子计算·量子退火
Chaos_Wang_12 小时前
NLP高频面试题(二十八)——Reward model是如何训练的,怎么训练一个比较好的Reward model
人工智能·机器学习·自然语言处理
vonchenchen113 小时前
nara wpe去混响学习笔记
机器学习·音视频·音频·信息与通信·信号处理
jndingxin13 小时前
OpenCV 图形API(5)API参考:数学运算用于执行图像或矩阵加法操作的函数add()
opencv·webpack·矩阵
邴越14 小时前
人工智能、机器学习经典计算机课程
人工智能·机器学习
Shockang15 小时前
机器学习的一百个概念(6)最小最大缩放
人工智能·机器学习