Go Gonum mat 怎样分解正定对称矩阵

用 Go Gonum mat 分解正定对称矩阵，核心是把实现为 mat.Symmetric 的输入交给 mat.Cholesky.Factorize，先检查返回的 bool，成功后再读取 L、U 或复用分解求解。这个返回值很重要：矩阵“看起来对称”并不等于它满足 Cholesky 分解要求的正定条件。

官方文档：https://pkg.go.dev/gonum.org/v1/gonum/mat

先明确 Cholesky 适用的矩阵边界

Cholesky 分解通常写成 A = L Lᵀ，其中 L 是下三角矩阵；也可以从同一分解得到上三角形式。它的前提不是“元素关于主对角线相等”这么简单，而是矩阵还要正定。对称性解决的是输入接口和结构，正定性决定分解能否成立。

因此，文章里的第一道判断不是直接调用 LTo，而是先保存 Factorize 的返回值。返回 false 时，应该把输入标记为不满足当前分解要求，检查数据构造或改用更合适的分解方法；不要继续读取一个并不存在的有效因子。

用 SymDense 和 Factorize 完成分解

下面的矩阵对称且正定，使用 mat.NewSymDense 构造后交给 Cholesky。示例把错误处理放在分解后立即完成，这样后面的因子读取和求解都有明确前提：

package main

import (
    "fmt"
    "log"

    "gonum.org/v1/gonum/mat"
)

func main() {
    // 对角线为正、结构对称的示例输入，适合演示正定分解。
    a := mat.NewSymDense(3, []float64{
        4, 1, 1,
        1, 3, 0,
        1, 0, 2,
    })

    var chol mat.Cholesky
    // Factorize 的 false 表示当前矩阵未通过正定分解条件。
    if ok := chol.Factorize(a); !ok {
        log.Fatal("矩阵不是可用的正定对称矩阵")
    }

    // LTo 把下三角因子写入目标容器；目标不需要预先填充数据。
    var lower mat.TriDense
    chol.LTo(&lower)
    fmt.Printf("L = %v\n", mat.Formatted(&lower))

    // 同一份分解可直接处理右端向量，避免重复分解输入矩阵。
    b := mat.NewVecDense(3, []float64{1, 2, 3})
    var x mat.VecDense
    if err := chol.SolveVecTo(&x, b); err != nil {
        log.Fatal(err)
    }
    fmt.Printf("x = %v\n", mat.Formatted(&x))
}

这里的关键顺序是“构造对称输入、判断分解结果、再使用分解对象”。SymDense 表示的是对称矩阵语义，TriDense 则是接收三角因子的目标；它们承担的角色不同。若只需要求解，不必为了打印结果强行提取 L，直接保留 chol 即可。

读取 L/U 因子并理解结果形状

chol.LTo(&lower) 和 chol.UTo(&upper) 都是把分解结果写入调用方提供的 TriDense。这对需要把因子交给后续线性代数模块、记录矩阵结构或调试数值边界的场景很有用。只看下三角时，准备一个 TriDense 就够了；同时读取上下三角时，使用两个目标容器更直观。

因子不是“对原矩阵做一次普通切片”得到的结果，不能用原始 SymDense 的某个局部区域代替。对大矩阵来说，也应按下游用途决定是否物化因子：只求解时保留 Cholesky，需要交换数据或展示结构时才调用 LTo/UTo。

把同一分解用于求解和边界处理

当多个右端向量需要使用同一个正定矩阵时，先完成一次 Factorize，再重复调用 SolveVecTo 或 SolveTo，比每次重新分解更符合这个 API 的使用方式。SolveVecTo 适合向量右端，矩阵右端则使用 SolveTo；两者都要把维度和返回错误纳入业务处理。

常见失败可以分成三类：第一类是 Factorize 返回 false，说明输入不满足当前正定分解要求；第二类是求解阶段的维度不符或目标容器形状不合适；第三类是数据虽然能分解，但条件数很大，结果对输入扰动敏感。chol.Cond() 可以作为数值状态记录的一部分，但它不能把非正定矩阵变成正定矩阵。

上线前建议保留四项信息：输入的对称矩阵维度、Factorize 是否成功、求解接口返回的错误，以及必要时的条件数。这样日志能区分“数据性质不满足”与“调用参数不匹配”，后续才有机会选择重新缩放、修正数据或更换分解方法。

相关问题

只有对称矩阵就一定能用 Cholesky 吗？

不一定。对称性是接口和结构条件，正定性才是 Cholesky 成功的关键；应以 Factorize 的返回值为准。

只求解一次还需要读取 L 因子吗？

通常不需要。保留 Cholesky 并调用对应的求解方法即可，只有下游确实需要三角因子时再写入 TriDense。

求解失败时应该先改哪一处？

先区分分解失败、维度错误和数值病态：前者回到输入矩阵性质，第二类检查向量或矩阵形状，第三类再考虑缩放、条件数和算法选择。