工程计算7内积矩阵分解.pptVIP

Summer Grass Fade Arial Font Family 3 矩阵分解 3.1 矩阵的满秩分解 3.2 矩阵的正交三角分解(UR，QR分解) 3.3 矩阵的奇异值分解 3.4 矩阵的谱分解 3.1 矩阵的满秩分解 由线性代数知道，可以对矩阵A只作初等行变换求得矩阵的秩。同样，也可只作初等行变换得到矩阵的满秩分解。 3.2 矩阵的正交三角分解(UR，QR分解) Schmidt方法用于矩阵分解，得出矩阵的正交三角分解，称UR分解或QR分解。 3.2 矩阵的正交三角分解(UR，QR分解) 推论 若A? (称A是行满秩矩阵)，则A可以唯一地分解成 3.3 矩阵的奇异值分解 引理1 对于任何一个矩阵A都有 3.3 矩阵的奇异值分解 定义3.3.1 设A? ，AAH的正特征值为?i ，AHA的正特征值为?i，称 3.3 矩阵的奇异值分解 定理3.3.4 若A? ，a1? a2?…?ar是A的正奇异值，则总有次酉矩阵Ur? ，Vr? ，满足 3.4 矩阵的谱分解 正规矩阵的谱分解 3.4 矩阵的谱分解 上式称为矩阵A的谱分解。由于A的特征值?i有重根，可以把谱分解式再简化 3.4 矩阵的谱分解 定理3.4.1 设n阶矩阵A有r个相异特征值?1，?2，…，?r。特征值?i的代数重复度为ni，则A为正规矩阵的允要条件是存在r个n阶矩阵G1，G2，…，Gr，满足 3.4 矩阵的谱分解 单纯矩阵的谱分解 3.4 矩阵的谱分解 单纯矩阵的谱分解 3.4 矩阵的谱分解 若A的相异特征值为?1，?2，…，?r，?i所对应的线性无关特征向量为?i1，?i2，…，?ini，AT的特征值?i 所对应的线性无关特征向量为?i1，?i2，…，?ini，且所选取的?ij满足 3.4 矩阵的谱分解 定理3.4.2 设A为单纯矩阵， 有r个相异特征值?1，?2，…，?r。特征值?i的代数重复度为ni，则存在r个n阶矩阵G1，G2，…，Gr，满足 * * 定理3.1.1 设A? ， 则存在B? 、C? ，满足 A=BC 从矩阵的行向量，列向量的线性无关组表示看 矩阵的满秩分解不是唯一的 不同的分解之间有以下定理： 定理3.1.2 若A=BC=B1C1均为A的满秩分解，则 (1) 存在?? ，满足B=B1?，C=? ?1 C1 (2) CH (CCH) ?1 (BHB) ?1BH= C1H (C1C1H) ?1 (B1HB1) ?1B1H 定理3.2.1 设A? ，则A可以唯一地分解为 A=UR 或 A=R1U1 其中U，U1 ?U n?n，R是正线上三角阵，R1是正线下三角阵。(即R和R1的主对角线上元素全是正的) 定理3.2. 2 设A? ( 称A是列满秩矩阵) ，则A可以唯一地分解成 A=UR 其中U? ，R是r阶正线上三角阵 定理3.2.3 若A? ，则A可以分解为 A=LR A=U1R1L2U2 其中U1? ，U2? ，R1是r阶正线上三角阵，L2是r阶正线下三角阵 其中 U? ，L是r阶正线上三角阵 设A? ，?i是AAH的特征值，?i是AHA的特征值，它们都是实数。且设 rank (AAH) = rank(AHA) = rankA ?1??2?…??r?r+1=?r+2=…=?n=0 ? 1??2?…? ? r ? r+1= ? r+2=…= ? n=0 引理2 对于任何一个矩阵A，都有AAH与AHA是半正定Hermite矩阵。 定理3.3.1 设A? ，则 ?i =?i0 (i =1，2．…，r) 定理3.3.3 若A? ，a1≥a2≥…≥ar是A的r个正奇异值，则存在m阶酉矩阵U和n阶酉矩阵V，满足 是A的正奇异值，简称奇异值 定理3.3.2 若A是正规矩阵，则A的奇异值是A的非零特征值的绝对值。 ? = diag (?1，?2，…，?n)，?i为复数，且|?i|=ai A=Ur?VrH ? = diag (?1，?2，…，?n)，?i为复数，且|?i|=ai 设A为正规矩阵，存在U ?U n?n，满足 A=Udiag(?1，?2，…，?n)UH 若令U=(?1，?