4.3 矩阵基本变换与分解 4.4.1线性方程组的计算机求解.pptx

线性代数问题的计算机求解——矩阵的基本变换与分解 石建力 2011.9.14内容大纲◆ 矩阵的相似变换与正交矩阵◆ 矩阵的三角分解与cholesky分解◆ 矩阵的伴随变换、对角变换和 Jordan变换◆ 矩阵的奇异值分解◆ 线性方程组的计算机求解 ◆约束条件与可行解区域◆ 1、相似变换概念： 对与某方阵来说，如果存在一个非奇异的矩阵，可以通过下面的方式对矩阵进行变换： 这样的变换称为相似变换，而 称为相似变换矩阵。??性质：矩阵的秩、迹、行列式和特征值等均与相同。◆ 2、正交矩阵概念： 正交矩阵是一类特殊的相似变换矩阵，满足： 其中， 是的Hermite共轭转置矩阵，则称为正交矩阵，习惯上记为。?性质：若为正交矩阵，若为非奇异矩阵，则,且；若为奇异矩阵，则，且矩阵的列数为的秩。? Matlab中提供了求取正交矩阵的函数orth(·),其调用格式为Q=orth(A)。?例1：求出矩阵的正交矩阵。A=[5 9 8 3;0 3 2 4;2 3 5 9;3 4 5 8];Q=orth(A),norm(Q*Q-eye(4)),norm(Q*Q-eye(4))?例2：试求出矩阵的正交矩阵，验证其性质。clear all;A=[16 2 3 13;5 11 10 8;9 7 6 12;4 14 15 1];det(A),Q=orth(A),norm(Q*Q-eye(3)) ◆矩阵的三角分解与cholesky分解◆1、一般矩阵的三角分解? 矩阵的三角分解又称为LU分解，就是将一个矩阵分解成一个下三角矩阵L和一个上三角矩阵U的乘积，即：A=LU，其中L和U可分别写成， 这样产生的矩阵与原来A矩阵的关系可以写成： ?由上式可得出求取和的递推公式：??及?其递推初值为：。 由上述算法可编写出LU分解的解析解程序，得出真正的上、下三角矩阵。function [L,U]=lu(A)n=length(A);U=sym(zeros(size(A)));L=sym(eye(size(A)));U(1,:)=A(1,:);L(:,1)=A(:,1)/U(1,1);for i=2:n for j=2:i-1,L(i,j)=(A(i,j)-L(i,1:j-1)*U(1:j-1,j))/U(j,j); end for j=1:n,U(i,j)=A(i,j)-L(i,1:i-1)*U(1:i-1,j);endendRemark： 在上面的算法中并未对主元素进行选取，因此该算法并不一定稳定，因为在运算时0或者很小的数可能被用作除数。 在matlab中给出了基于主元素的矩阵LU分界函数lu(),该函数的调用格式为：?[L,U]=lu(A)%LU分解，A=LU[L,U,P]=lu(A) %P为置换矩阵，A=LU其中L,U分别为变换后的下三角和上三角矩阵。例3：考虑例2中矩阵的LU分解问题。 分别用两种不同的方法调用lu()函数，可以得到不同的结果。A=[16 2 3 13;5 11 10 8;9 7 6 12;4 14 15 1];[L1,U1]=lu(A)[L,U,P]=lu(A)inv(P)*L*UA=sym(A);[L2,U2]=lu(A)◆2、对称矩阵的三角分解—Cholesky分解 如果A是一个对称矩阵，则可以将其分解为?即：?初始条件为：， 。该算法又称为对称矩阵的Cholesky分解算法。?由上述算法，可编写出Cholesky分解的解析解程序：function L=chol(A)n=length(A);L(1,1)=sqrt(A(1,1));L(2:n,1)=A(2:n,1)/L(1,1);for i=2:n,k=1:i-1, L(i,i)=sqrt(A(i,i)-sum(L(i,k).^2)); for j=i+1:n L(j,i)=(A(j,i)sum(L(j,k).*L(i,k)))/L(i,i); endend Matlab中提供了chol()函数来求取矩阵的Cholesky分解矩阵D，其结果为一下三角矩阵。该函数的调用格式为 Q=chol(A),其中Q= ?例4：考虑一个对称的4阶矩阵，求出其Cholesky分解矩阵D。A=[9 3 4 2;3 6 0 7;4 0 6 0;2 7 0 9]; D=chol(A),L=chol(sym(A))◆3、正定、正规矩阵的定义和判定主子行列式（行列主子式）： 对于一个矩阵A，其左上角的各个子矩阵称为主子行列式。正定矩阵： 如果一个对称矩阵所有的主子行列式均为正数，则称该矩阵为正定矩阵。 若其主子行列式均为非负数，则称其为半正定矩阵。 负定矩阵。 Matlab中的函数chol()可以用来判定矩阵的正定性。此时的调用格式为： [D,p]=chol(A)。若A为正定