LDLT 分解（又写作 \(LDL^{T}\) 分解）：一种矩阵分解方法，把对称矩阵（常见于数值线性代数）表示为
\[
A = L D L^{T}
\]
其中 \(L\) 是单位下三角矩阵（对角线为 1）、\(D\) 是对角矩阵、\(L^{T}\) 是 \(L\) 的转置。常用于解线性方程组、数值计算与稀疏矩阵计算；当矩阵不满足正定等条件时，常配合主元选取（pivoting）使用。
/ˌɛl diː ɛl tiː ˌdiːkəmˈpəʊzɪʃən/
We used LDLT decomposition to solve the system efficiently.
我们使用 LDLT 分解来高效地求解这个方程组。
For large sparse symmetric matrices, an LDLT decomposition with pivoting can improve numerical stability.
对于大型稀疏对称矩阵，带主元选取的 LDLT 分解可以提高数值稳定性。
“LDLT” 来自分解形式 \(A = L D L^{T}\) 的三个因子名称：L（下三角）、D（对角）、以及 \(L^{T}\)（L 的转置）。它与 Cholesky 分解关系密切：当 \(A\) 是对称正定矩阵时，LDLT 可视为把 Cholesky 中的对角缩放“单独提取”为 \(D\)。
Select Language