原文链接：矩阵的Cholesky分解
首先来复习线性代数中几个重要的概念。
1）如果一个复矩阵A = A*（共轭转置），则A称为Hermitian矩阵。（注意，矩阵A转置后仍为其本身，显然A一定是方阵。）
2）关于正定矩阵的定义：
- Mn×n 是一个对称的实矩阵，对于任意的（由n个实数组成）的非零列向量z，都有 zTMz > 0，则称M是正定的（positive definite）的。
- More generally，Mn×n 是一个Hermitian矩阵，对于任意的（由n个复数组成）的非零列向量z，都有 z*Mz > 0，则称M是正定的。
矩阵的Cholesky分解
如果矩阵A是正定的，那么它可以被（唯一地）分解为一个下三角矩阵L和其共轭转置L*的乘积，这就是所谓的“矩阵的Cholesky分解”。对于实矩阵而言，即 A =LLT，其中L是一个下三角矩阵。下面是一个3×3的矩阵Cholesky分解的示意。
文章图片
具体要如何来计算Cholesky分解的值呢？通过观察，结合矩阵乘法的规则，不难发现矩阵L对角线上的元素可以由如下规律算得：
文章图片
推广后得到：
文章图片
对于那些位于对角线以下的元素lik，其中i>k，则会有下面这样的计算规律：
文章图片
仍然可以推广得到一个更加普适的公式：
文章图片
在数学软件/工具中计算矩阵的Cholesky分解
当然了，在很多数学软件或工具中都已经内置了现成的函数，我们并不需要手动去执行那些繁琐的计算。下面来看一个具体的例子：
文章图片
首先在R中来验证上面的Cholesky分解结果。注意函数chol返回的是一个上三角矩阵，如果要得到下三角矩阵只要对该结果做一下转置处理即可。
> m = matrix(c(4, 12, -16, 12, 37, -43, -16, -43, 98), nrow=3, ncol=3)
> m
[,1] [,2] [,3]
[1,]412-16
[2,]1237-43
[3,]-16-4398
> chol(m)
[,1] [,2] [,3]
[1,]26-8
[2,]015
[3,]003最后再来看看在MATLAB中对矩阵进行Cholesky分解的演示。我们选择得到下三角矩阵的结果，刚好是上面R中计算的上三角矩阵的转置。
>> A = [4 12 -16
12 37 -43
-16 -43 98];
>> [L] = chol(A,'lower')
L =
200
610
-853而且，你还可以验证原对称矩阵是正定的。如下可见，矩阵的三个特征值都是大于零的。
>
>
[v,d]=eig(A)
v =
0.96340.2127-0.1630
-0.2648 0.8490 -0.4573
0.0411 0.4838 0.8742
d =
0.018800
015.50400
00123.4772最后一个问题，Cholesky分解在实际中有什么用？其中一个非常重要的应用就是解方程组 Ax = B，其中A是一个正定矩阵。因为A是一个正定矩阵，所以有A =LLT，其中L是一个下三角矩阵。原方程组可以写成 LLTx = B。如果令 y = LTx ，则有Ly = B。注意到其中L是一个下三角矩阵，所以从下向上求解y是非常非常容易的！求解出y之后，在按照类似的方法求解y = LTx 中的 x，而其中LT是一个上三角矩阵，所以最终求出 x 就也是非常非常容易的！
参考文献与其他推荐阅读材料
1）关于 Hermitian矩阵，可以参考《线性代数笔记（6）：内积空间（下）》
2）关于二次型，可以参考《Hessian矩阵与多元函数极值》
3）http://rosettacode.org/wiki/Cholesky_decomposition
【矩阵的Cholesky分解】（本文完）
