No4 矩阵分解.ppt

虽然在数学上， 前的两种符号都令人满意。但为了数值稳定性的目的，希望向量 在大小和方向上都不要太接近 ，否则 就很接近零 ，这在几何上是显然的。因此算法实现时应取 前的符号与 的第一个分量 的符号相同，即 并可加上规定：当 时， 从而 根据定理8，可以用一组Householder变换将任意方阵 变换为上三角矩阵 第一步，当 时，存在Householder 矩阵 ，使得（为方便说明，不妨取负号） 如果 ，则 ，直接进行下一步。 从而 第二步，对 ，当 时，存在Householder 矩阵 ，使得 使得 即有 如果 ，则 ，直接进行下一步。 使得 第三步，对 继续类似的变换，如此最多 步，也即至多可以找到 个矩阵 令 ，则 为酉矩阵，从而上述算法确实得到QR分解 例 9 利用Householder变换将下列矩阵进行QR分解： 对向量 ，令 解： 从而得Householder 矩阵 使得 （ 注意 ，即 被 反射到 而 实际上是镜射平面 的法向量） 对向量 ，令 （ 实际上是平面 的法向量） 可得Householder 矩阵 因此取 从而有 所求的QR分解为 %ex406.m A=[0 -3 1; 2 1 -6; 0 4 2]; [Q,R]=qr(A) Q = 0 0.6000 0.8000 -1.0000 0 0 0 -0.8000 0.6000 R = -2 -1 6 0 -5 -1 0 0 2 四、特征值问题的QR算法**** QR算法是二十世纪十大算法之一，其基本思想基于QR迭代: (1) 令 ； (2)对 ，重复 ①对 做QR分解： ②令 直至收敛。 由 知 ，因此 因此迭代序列 保持特征值不变 令 ，则 这说明QR迭代实际上也是对 作QR分解。 可以证明，在一定条件下，迭代序列 基本收敛到上三角矩阵，即 这也说明QR迭代也可看成是对 作Schur分解。特别地，如果 是Hermite矩阵，那么上三角矩阵 变成三对角矩阵。 由于计算成本的缘故，数值实现时一般先将矩阵 变换成上Hessenberg矩阵 (第一条次对角线以下均为零的矩阵)，然后再使用QR迭代。 §3、矩阵的奇异值分解 从Beltrami（1873）和Jordan（1874）提出奇异值分解（SVD）至今，SVD及其推广已经成为矩阵计算中最有用和最有效的工具之一，并在最小二乘问题、最优化、统计分析、信号与图像处理、系统理论与控制等领域被广泛使用。 一、从几何观测说起 圆 经过变换 ，变成椭圆 。圆的正交方向 变成椭圆的长、短轴方向 假定矩阵 是列满秩矩阵。 一般地， 维空间中的单位球面 经过变换 变成超椭圆 。正交方向 变成超椭圆的主半轴方向 。