Matrix3-1导论.ppt

第3章、 矩阵的分解 Matrix Factorization and Decomposition 矩阵分解的概述 矩阵的分解： A=A1+A2+…+Ak 矩阵的和 A=A1A2 …Am 矩阵的乘积 矩阵分解的原则与意义： 实际应用的需要 理论上的需要 计算上的需要 显示原矩阵的某些特性 矩阵化简的方法与矩阵技术 主要技巧： 各种标准形的理论和计算方法 矩阵的分块 §3.1 常见的矩阵标准形与分解 常见的标准形 等价标准形 相似标准形 合同标准形 本节分解： 三角分解 满秩分解 可对角化矩阵的谱分解 AT=A 相似标准形 等价标准形 一、矩阵的三角分解（triangular decomposition) 方阵的LU和LDV分解（P.61） LU分解：A?Fn?n， 有下三角形矩阵L ，上三角形矩阵U ，使得A=LU。 LDV分解：A?Fn?n， L、V分别是主对角线元素为1的下三角形和上三角形矩阵，D为对角矩阵，使得A=LDV。 已知的方法：Gauss-消元法 例题1 （P.61eg1）设 求A的LU和LDV分解。 结论：如果矩阵A能用两行互换以外的 初等行变换化为阶梯形，则A有LU分解。 三角分解的存在性和惟一性 定理3.1 （P.62） ： 矩阵的k 阶主子式：取矩阵的前k行、前k列得到的行列式，k=1，2， … ，n。 定理: A?Fn?n有惟一LDV分解的充要条件是A的顺序主子式Ak非零，k =1，2，…，n-1。 讨论 （1） LDV分解的存在?LU分解存在 （2）矩阵可逆与顺序主子式非零的关系 定理3.2（P.64）设矩阵A?Fn?n ，rank（A）=k（? n），如果A的k阶顺序主子式非0，则 A有LU分解。 讨论： LDV分解与LU分解的关系 例题2 （P.65 eg2） LU分解的应用举例：求解线性方程组AX=b 二、矩阵的满秩分解 定义3.2 （P.66 ） 对秩为r 的矩阵A?Fm?n ，如果存在秩为r的矩阵 B ?Fm?r，C?Fr?n ，则A=BC为A 的满秩分解。 例题2 （ P.69，eg5） 列满秩 行满秩 定理3.2：任何非零矩阵A?Fm?n都有满秩分解。 满秩分解的求法： 方法1： 方法2 例题1（ P.68， eg4 ） 方法3 例题3（ P.70，eg6） ? 方法建立 的思想 ? 方法实现的途径 三、可对角化矩阵的谱分解 将方阵分解成用谱加权的矩阵和 谱：设A?Fn?n ， 则A的谱={?1，?2，?，?s}。 ，P具性质： 1. 可对角矩阵的谱分解 分解分析： 分解结果： 幂等矩阵 意义：可对角化矩阵可以分解成以谱加权的幂等矩阵的加权和 2、 矩阵可以对角化的一个充要条件 定理3.5（P.73 ） 矩阵A可以相似对角化当且仅当矩阵A有谱分解 ，满足条件： 充分性的证明： 在A有谱分解时 Cn=V ?1?V ?2 ? ? ? V ?n 3. 幂等矩阵的性质 定理3 .4（P.72）P?Fn?n ，P2=P，则 矩阵PH和矩阵（I–P）仍然是幂等矩阵。 P 的谱?{0，1}，P 可相似于对角形。 Fn = N（P）? R（P） N（P）=V ?=0 ，R（P）=V?=1 P和（I – P）的关系 N（I – P）=R（P），R（ I – P ）=N（P） Hermite 矩阵的谱分解 定理3 .6（P.73）设A是秩为k的半正定的Hermite 矩阵，则A可以分解为下列半正定矩阵的和。 A=v1v1H+v2v2H+…vkvkH §3.2 Schur 分解和正规矩阵 已知：欧氏空间中的对称矩阵A可以正交 相似于对角形。 讨论：一般方阵A ，在什么条件下可以 酉相似于对角矩阵？ 在内积空间中讨论问题，涉及： 空间 Cn、 Cn?n， 酉矩阵U，UHU=I， U – 1=UH 酉相似： UHAU=J ? U–1 AU=J 相似关系 重点：理论结果 列向量是空间Cn中的标准正交基 一、 Schur 分解 1、 可逆矩阵的UR分解 定理3.7（P.74）A?Cn?n为可逆矩阵，则存在酉矩阵U和主对角线上元素皆正的上三角矩阵R，使得A=UR。（ 称A=UR为矩阵A的酉分解） 证明：源于Schmidt正交化方法（P.18） 例题1 求矩阵A的UR分解，其中 定理3.8（P.76） ：设矩阵A?Cm?n是列满秩的矩阵，则矩阵A可以分解为A=QR，其中Q ?Cm?