Калькулятор разложения Холецкого

О Калькулятор разложения Холецкого

Калькулятор разложения Холецкого раскладывает симметричную положительно определённую матрицу A на произведение нижнетреугольной матрицы L и её транспонированной Lᵀ, так что A = LLᵀ. Это разложение — основа численной линейной алгебры: оно даёт примерно вдвое большую эффективность по сравнению с обычным LU-разложением за счёт использования симметрии и положительной определённости исходной матрицы. Калькулятор показывает анимированный пошаговый вывод, интерактивную подсветку ячеек и автоматическую проверку того, что LLᵀ действительно восстанавливает A.

How Cholesky Decomposition Works

Для симметричной положительно определённой матрицы A размера n×n алгоритм вычисляет L столбец за столбцом. Для каждого столбца j:

Diagonal element:

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

Off-diagonal elements (for i > j):

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

Алгоритм проходит по столбцам слева направо. Каждый диагональный элемент требует извлечения квадратного корня, который гарантированно является действительным и положительным, если A положительно определена. Если под корнем появляется отрицательное значение, матрица не является положительно определённой.

Conditions for Cholesky Decomposition

Key Properties

Как пользоваться калькулятором разложения Холецкого

1. Выберите размер матрицы — от 2×2 до 6×6. Разложение Холецкого требует квадратной матрицы.
2. Введите значения — заполните ячейки матрицы. Калькулятор автоматически зеркально отражает значения относительно диагонали, чтобы обеспечить симметрию (при изменении A[i,j] автоматически меняется A[j,i]).
3. Нажмите «Разложить» — нажмите кнопку «Разложить A = LLᵀ», чтобы вычислить разложение.
4. Изучите результат — просмотрите цветное уравнение A = L × Lᵀ. Щёлкните по любой ячейке L, чтобы увидеть формулу её вычисления. Используйте «Воспроизвести всё», чтобы автоматически пройти по всем элементам.
5. Проверьте результат — калькулятор перемножает L × Lᵀ обратно и показывает максимальную погрешность, подтверждая правильность разложения.

Real-World Applications

Cholesky vs Other Decompositions

Frequently Asked Questions

What is Cholesky decomposition?

Разложение Холецкого (названо в честь Андре-Луи Холецкого) раскладывает симметричную положительно определённую матрицу A на A = LLᵀ, где L — нижнетреугольная матрица с положительными диагональными элементами. Это одно из самых эффективных и численно устойчивых матричных разложений.

When can Cholesky decomposition be applied?

Матрица должна быть симметричной (A = Aᵀ) и положительно определённой (все собственные значения строго положительны, или, что то же самое, xᵀAx > 0 для любого ненулевого вектора x). Типичные примеры — ковариационные матрицы, корреляционные матрицы, матрицы Грама (XᵀX для X полного ранга) и матрицы жёсткости в строительной механике.

What if my matrix is not positive-definite?

Если матрица не является положительно определённой, в процессе разложения под корнем появится отрицательное значение, а это не действительное число. Калькулятор сообщит об ошибке и укажет, на каком именно диагональном шаге она возникла. Стоит проверить матрицу на ошибки симметрии или рассмотреть LDLᵀ-разложение для положительно полуопределённых матриц.

Как разложение Холецкого используется для решения систем линейных уравнений?

Чтобы решить Ax = b, сначала разложите A = LLᵀ. Затем решите Ly = b прямой подстановкой (поскольку L нижнетреугольная), а затем Lᵀx = y обратной подстановкой. Это примерно вдвое быстрее решения через LU-разложение, поскольку L и Lᵀ используют одни и те же данные.

Как связаны разложение Холецкого и определитель?

Поскольку A = LLᵀ, получаем det(A) = det(L) × det(Lᵀ) = det(L)². А так как L треугольная, det(L) — это просто произведение её диагональных элементов. Это даёт эффективный способ вычисления определителя положительно определённой матрицы.

Можно ли применять разложение Холецкого к комплексным матрицам?

Да, для комплексных матриц условие — A должна быть эрмитовой положительно определённой (A = A*, где A* — сопряжённо-транспонированная матрица). Разложение принимает вид A = LLᵀ, где Lᵀ заменяется на L* (сопряжённо-транспонированную L). Данный калькулятор работает только с действительными матрицами.

Линейная алгебра:

• Калькулятор Определителя
• Калькулятор собственных значений и собственных векторов
• Калькулятор матриц
• Калькулятор разложения на простые дроби
• Векторный калькулятор
• Калькулятор Грама-Шмидта
• Калькулятор векторной проекции
• Калькулятор LU-разложения матрицы
• Калькулятор сингулярного разложения SVD
• Калькулятор ранга матрицы
• Калькулятор следа матрицы
• Калькулятор Матрицы Якоби Новый
• Калькулятор RREF (Ступенчатая форма) Новый
• Калькулятор Обратной Матрицы Новый
• Калькулятор Умножения Матриц Новый
• Калькулятор Скалярного Произведения Новый
• Калькулятор векторного произведения Новый
• Калькулятор модуля вектора Новый
• Калькулятор Единичного Вектора Новый
• Калькулятор угла между векторами Новый
• Калькулятор Нулевого Пространства Новый
• Калькулятор Столбцового Пространства Новый
• Калькулятор правила Крамера Новый
• Калькулятор диагонализации матрицы Новый
• Калькулятор QR-разложения Новый
• Калькулятор разложения Холецкого Новый
• Калькулятор степени матрицы Новый
• Калькулятор Характеристического Полинома Новый
• Калькулятор Жордановой Нормальной Формы Новый
• Калькулятор Матричной Экспоненты Новый
• Калькулятор Тензорного Произведения Новый