乔列斯基分解计算器

乔列斯基分解计算器

乔列斯基分解计算器可将对称正定矩阵 A 分解为下三角矩阵 L 及其转置矩阵 Lᵀ 的乘积，使得 A = LLᵀ。这种分解是数值线性代数中的基础，通过利用输入矩阵的对称性和正定性，其效率大约是通用 LU 分解的两倍。该计算器提供动画单步推导、交互式单元格高亮显示以及 LLᵀ 重构 A 的自动验证。

乔列斯基分解的工作原理

给定一个 n×n 的对称正定矩阵 A，算法逐列计算 L。对于每一列 j：

对角线元素：

$$L_{jj} = \sqrt{A_{jj} - \sum_{k=1}^{j-1} L_{jk}^2}$$

非对角线元素 (对于 i > j)：

$$L_{ij} = \frac{1}{L_{jj}} \left( A_{ij} - \sum_{k=1}^{j-1} L_{ik} L_{jk} \right)$$

算法按列从左向右进行。每个对角线元素都涉及一个平方根，当 A 是正定时，可以保证平方根下为正实数。如果在平方根下出现负值，则说明该矩阵不是正定的。

乔列斯基分解的条件

关键属性

如何使用乔列斯基分解计算器

1. 选择矩阵大小 — 从 2×2 到 6×6 之间选择。乔列斯基分解要求必须是方阵。
2. 输入数值 — 填写矩阵单元格。计算器会自动跨对角线同步输入以强制执行对称性（编辑 A[i,j] 会自动设置 A[j,i]）。
3. 点击分解 — 按下“分解 A = LLᵀ”按钮来计算分解。
4. 探索结果 — 查看颜色编码的等式 A = L × Lᵀ。点击 L 中的任何单元格可查看其推导公式。使用“全部播放”功能可自动逐步查看每个元素。
5. 验证 — 计算器将 L × Lᵀ 重新相乘并报告最大误差，确认分解正确。

实际应用

乔列斯基分解与其他分解的对比

常见问题解答

什么是乔列斯基分解？

乔列斯基分解（以 Andre-Louis Cholesky 命名）将一个对称正阵 A 分解为 A = LLᵀ，其中 L 是对角线元素为正数的下三角矩阵。它是目前最高效且数值稳定性最好的矩阵分解方法之一。

什么时候可以应用乔列斯基分解？

矩阵必须是对称的 (A = Aᵀ) 且正定的（所有特征值严格为正，或者等价地，对于每个非零向量 x，xᵀAx > 0）。常见的例子包括协方差矩阵、相关系数矩阵、Gram 矩阵（满秩 X 的 XᵀX）以及结构工程中的刚度矩阵。

如果我的矩阵不是正定的会怎样？

如果矩阵不是正定的，在分解过程中你会在平方根下遇到负值，而负值没有实数平方根。计算器会报告一个错误，指出具体是哪个对角线步骤失败了。你可能需要检查矩阵是否存在对称性错误，或者对于半正定矩阵考虑使用 LDLᵀ 分解。

如何使用乔列斯基分解求解线性系统？

要解 Ax = b，首先分解 A = LLᵀ。然后通过前向代换解 Ly = b（因为 L 是下三角矩阵），接着通过后向代换解 Lᵀx = y。由于 L 和 Lᵀ 共享相同的数据，这比通过 LU 分解求解快约两倍。

乔列斯基分解与行列式有什么关系？

因为 A = LLᵀ，所以 det(A) = det(L) × det(Lᵀ) = det(L)²。由于 L 是三角矩阵，det(L) 仅仅是其对角线元素的乘积。这提供了一种计算正定矩阵行列式的高效方法。

乔列斯基分解可以应用于复数矩阵吗？

可以，对于复数矩阵，条件是 A 必须是埃尔米特正定矩阵（A = A*，其中 A* 是共轭转置）。分解变为 A = LL*，其中 Lᵀ 被 L*（L 的共轭转置）取代。本计算器主要处理实值矩阵。

线性代数:

• 行列式计算器 精选
• 特征值和特征向量计算器
• 矩阵计算器
• 部分分式分解计算器
• 向量计算器
• 格拉姆-施密特计算器
• 向量投影计算器
• 矩阵LU分解计算器
• 奇异值分解SVD计算器
• 矩阵秩计算器
• 矩阵迹计算器
• 雅可比矩阵计算器 新
• RREF计算器行最简阶梯形 新
• 逆矩阵计算器 新
• 矩阵乘法计算器 新
• 向量点积计算器 新
• 向量叉积计算器 新
• 向量模计算器 新
• 单位向量计算器 新
• 向量夹角计算器 新
• 零空间计算器 新
• 列空间计算器 新
• 克莱姆法则计算器 新
• 矩阵对角化计算器 新
• QR分解计算器 新
• 乔列斯基分解计算器 新
• 矩阵幂计算器 新
• 特征多项式计算器 新
• 约当标准形计算器 新
• 矩阵指数计算器 新
• 张量积计算器 新