Калькулятор разложения Холецкого - Факторизация положительно определённых матриц

Разложение Холецкого — одно из важнейших матричных разложений в численной линейной алгебре. Для симметричной положительно определённой матрицы A оно порождает единственную нижнетреугольную матрицу L со строго положительными диагональными элементами, такую что A = L·Lᵀ. Алгоритм, приписываемый французскому артиллерийскому офицеру Андре-Луи Холецкому (1875–1918), был опубликован посмертно в 1924 году и с тех пор стал краеугольным камнем научных вычислений. Используемый в этом калькуляторе алгоритм Cholesky-Banachiewicz продвигается по столбцам. Для каждого диагонального элемента он вычитает сумму квадратов всех предыдущих элементов той же строки из соответствующего диагонального элемента A, а затем берёт квадратный корень. Для элементов ниже диагонали он вычитает скалярное произведение ранее вычисленных элементов и делит на текущий диагональный элемент. Вычислительная стоимость составляет примерно n³/6 умножений для матрицы n×n, что делает его примерно вдвое эффективнее общего LU-разложения для симметричных положительно определённых входов. Самое важное требование — матрица должна быть одновременно симметричной и положительно определённой. Симметрия означает, что для всех пар (i, j) выполняется A[i][j] = A[j][i]. Положительная определённость означает, что xᵀAx > 0 для любого ненулевого вещественного вектора x, что эквивалентно тому, что все собственные значения строго положительны. В алгоритме Холецкого нарушение положительной определённости проявляется как попытка извлечь квадратный корень из неположительного числа, и именно это проверяет данный калькулятор. В статистике ковариационные матрицы всегда симметричны и полуопределённы. Если никакие две переменные не являются идеально коллинеарными, они становятся строго положительно определёнными, и разложение Холецкого можно применять напрямую. Разложение используется для генерации многомерных нормальных случайных выборок: если z — вектор независимых стандартных нормальных переменных, то L·z имеет ковариационную матрицу A. Эта техника лежит в основе моделирования коррелированных финансовых активов методом Монте-Карло, ансамблей климатических моделей и анализа структурной надёжности. В машинном обучении гауссовы процессы и байесовские нейронные сети сильно зависят от разложения Холецкого для эффективного обращения или вычисления логарифма определителя ядерных матриц. Логарифм определителя A равен удвоенной сумме логарифмов диагональных элементов L, что позволяет избежать численной нестабильности прямого вычисления определителя. Реализации фильтра Калмана используют так называемый квадратнокорневой фильтр Калмана, который распространяет фактор Холецкого ковариационной матрицы вместо самой ковариации, существенно повышая численную устойчивость в длительных задачах оценивания. Этот калькулятор поддерживает матрицы 2×2, 3×3 и 4×4 — размеры, наиболее часто встречающиеся в учебных задачах, небольших проблемах численного анализа и прототипировании численных алгоритмов. Для более крупных матриц применяется тот же алгоритм, который можно эффективно реализовать на современном оборудовании с использованием операций BLAS третьего уровня. Независимо от того, проверяете ли вы домашнее задание, сверяете ручное разложение или изучаете свойства положительно определённых матриц, этот инструмент мгновенно выдаёт точные факторы Холецкого.