33、matlab矩阵分解汇总：LU矩阵分解、Cholesky分解、QR分解和SVD分解

1、矩阵分解简介

矩阵分解是指将一个矩阵分解成子矩阵或其他形式的矩阵表示的过程。常见的矩阵分解方法包括LU分解、QR分解、奇异值分解（SVD）、特征值分解等。

LU分解：将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积，即A=LU。

QR分解：将一个矩阵分解为一个正交矩阵Q和一个上三角矩阵R的乘积，即A=QR。

奇异值分解（SVD）：将一个矩阵分解为三个矩阵的乘积，即A=UΣV^T，其中U和V是正交矩阵，Σ是一个对角矩阵。

特征值分解：将一个方阵分解为一个特征向量矩阵和一个特征值对角矩阵的乘积，即A=VΛV^(-1)。

这些矩阵分解方法在数值计算、机器学习等领域有着广泛的应用，能够简化复杂矩阵的运算和分析

2、LU矩阵分解

LU矩阵分解简介

LU矩阵分解是将一个矩阵分解为一个下三角矩阵L和一个上三角矩阵U的乘积的过程。它的主要思想是将原始矩阵通过一系列行变换和列变换转化为上、下三角矩阵的乘积形式。

具体地，对于一个n×n的矩阵A，LU分解的步骤如下：

1. 将矩阵A表示为A=LU的形式，其中L为下三角矩阵，U为上三角矩阵。
2. 对矩阵A进行初等行变换，将其化为上、下三角形式，即A~ = LU。
3. 对L和U进行分解，得到L为单位下三角矩阵，U为具有非零对角线元素的上三角矩阵。
4. 根据L和U的定义，可以通过解两个方程组来求解未知元素，得到矩阵L和U的具体数值。

LU矩阵分解的优点是可以简化矩阵运算，特别是在求解线性方程组、矩阵求逆等计算中有着重要的应用。通过LU分解，可以使问题的求解更加高效和精确，并且可以减少计算量。LU矩阵分解是线性代数中的一种重要技术，在数值计算、科学计算等领域有着广泛的应用。

语法

语法1：[L,U] = lu(A) 将满矩阵或稀疏矩阵 A 分解为一个上三角矩阵 U 和一个经过置换的下三角矩阵 L，使得 A = L*U。
语法2：[L,U,P] = lu(A) 还返回一个置换矩阵 P，并满足 A = P'*L*U。
语法3：[L,U,P] = lu(A,outputForm) 以 outputForm 指定的格式返回 P。

1）矩阵的 LU 分解

代码及运算

A = [8 -7 0-4  0 65 -1 9];
[L,U] = lu(A)
L*UL =1.0000         0         0-0.5000    1.0000         00.6250   -0.9643    1.0000U =8.0000   -7.0000         00   -3.5000    6.00000         0   14.7857ans =8    -7     0-4     0     65    -1     9

代码及运算

[L,U,P] = lu(A)
P'*L*UL =1.0000         0         0-0.5000    1.0000         00.6250   -0.9643    1.0000U =8.0000   -7.0000         00   -3.5000    6.00000         0   14.7857P =1     0