31、深入理解Cholesky分解算法：原理、实践与代码实现

深入理解Cholesky分解算法：原理、实践与代码实现

1. 正定矩阵与Cholesky分解概述

1.1 正定矩阵的定义

对于一个 $n$ 行 $n$ 列的方阵 $[M]$，若对于任意由 $n$ 个实数组成的列向量 $[x]$（零向量除外），都满足 $[x]’[M][x] > 0$，则称矩阵 $[M]$ 为正定矩阵。若能找到一个非零向量 $[x]$ 不满足该不等式，则矩阵 $[M]$ 不是正定矩阵。此外，若矩阵对称且其所有特征值均为正，也可判定该矩阵为正定矩阵，但计算特征值的过程较为繁琐。

1.2 Cholesky分解的应用场景

我们将跳过证明矩阵为正定矩阵的复杂过程，直接将Cholesky分解应用于桁架结构分析问题，该问题通过直接刚度法得到的方程组矩阵通常是对称正定的。若要将此算法应用于其他问题，需先确定所得方程组的矩阵是否适用于Cholesky分解；若不适用，还有许多其他数值方法可供选择。

2. LU分解方法

2.1 LU分解的基本形式

Cholesky分解属于LU分解方法的一种。对于给定的方阵 $[M]$，其LU分解形式为 $[M] = [L][U]$，其中 $[L]$ 是下三角矩阵（所有非零值位于主对角线及其下方），$[U]$ 是上三角矩阵（所有非零值位于主对角线及其上方）。

例如：
$[L] =
\begin{bmatrix}
2 & 0 & 0 \
1 & 3 & 0 \
4 & 1 & 2
\end{bmatrix}$
$[U]