矩阵论矩阵分解汇总.ppt

目录 三角分解(LU分解) Cholesky分解 满秩分解 矩阵的QR分解 矩阵的奇异值分解 矩阵的谱分解 三角分解(LU分解) 矩阵的三角分解主要是用来解方程组Ax=b. 如果A=LU,其中L为下三角，U为上三角，则方程组Ax＝b等价于Ly=b,Ux=y. 若下三角矩阵L是单位下三角矩阵，称A＝LU为Doolittle分解； 若上三角矩阵U是单位上三角矩阵，称A=LU为Crout分解 矩阵分解A=LDU，其中，L为单位下三角矩阵，U为单位上三角矩阵。 Cholesky分解 A是实的对称正定矩阵（或者复Hermite正定矩阵）， 则存在唯一的下三角阵G，使得A=GGT,其中，G的对角元全正。这种分解称为矩阵A的Cholesky分解。 满秩分解 在求矩阵的满秩分解的过程中，要求矩阵的逆，这比较麻烦 我们将介绍矩阵的Hermit标准形，用它来求矩阵的满秩分解比较方便。 矩阵的Hermite标准形 矩阵的QR分解 矩阵QR分解在求解最小二乘问题、特征值问题等方面具有很重要的运用。 QR分解也叫正交三角分解。 本节我们介绍三种求QR分解的方法—Schmidt正交化方法、Householder 变换法、Givens变换法。 矩阵的正交三角分解（QR分解） Householder变换求QR分解 我们先介绍Householder变换的性质 如何利用Householder变换求矩阵的QR分解 Householder变换 Givens变换与正交三角分解 Schmidt正交化方法求QR分解 Schur分解与正规矩阵 我们已经知道，对称矩阵可以正交相似对角化 由Schur定理，对于一般矩阵，正交相似变换后能化成上三角矩阵 对于什么样的矩阵，能够正交相似于一个对角矩阵了？ 正规矩阵 n阶方阵A ，若满足AAH=AHA ，则A为正规矩阵。（实矩阵：AH=AT，） 显然，实对称矩阵、实反对称矩阵、正交矩阵均为正规矩阵； 复Hermite矩阵、反Hermite矩阵、酉矩阵均为正规矩阵。 实对称矩阵的谱分解和Hermite矩阵的谱分解最常用。 矩阵的奇异值分解 奇异值分解在最佳逼近、最优化、广义逆、特征值问题的计算等方面具有广泛的应用。 矩阵的奇异值分解（Singular Value Decomposition）也叫矩阵的SVD分解 只有方阵才有特征值的概念，对于长方形阵，我们引入奇异值的概念。 矩阵的奇异值分解定理 对称矩阵的特征值与奇异值有什么关系？ 反对称矩阵的特征值与奇异值有什么关系？ 正交矩阵的特征值与奇异值有什么关系？ 正规矩阵的特征值与奇异值有什么关系？ 一般方阵的特征值与奇异值有什么关系？ 矩阵谱分解 左特征向量 给定n阶矩阵A，?是A的特征值。由于AT与A有相同的特征值，设Y是AT的属于?的特征向量，则 设y1,y2, …,yn是AT的n个线性无关的特征向量.则 例1 求矩阵A的谱分解 单纯矩阵A的谱分解定理 谱分解定理的证明 1、正规矩阵定义： 下列类型的矩阵都是正规矩阵： 实对称矩阵 AT=A; 反实对称矩阵 AT=-A; 正交矩阵 AT=A-1; 酉矩阵 AH=A-1; Hermite矩阵 AH=A; 反Hermite矩阵 AH=-A; 对角矩阵 2、酉相似 3、Schur 定理 Schur 定理 引理 正规上三角矩阵是对角矩阵 证明 设n阶矩阵A是正规上三角矩阵，则 比较等式两边，可得 充分性 由schur定理知，A酉相似于一个上三角矩阵T， 设单纯矩阵 的谱为 ， 则存在唯一的 其代数重数分为 使 2·设n阶单纯矩阵特征值的代数重复度不全为1 设 对于特征值?i ， x1i,x2i, …,xmii是A的相应的mi个线性无关的右特征向量， 是A的相应的mi个线性无关的左特征向量 记 从而 再由 可得 则 同时 例2：求单纯矩阵 的谱分解 由矩阵A的特征多项式 得A的特征值 及相应的线性无关的特征向量 为 设 对应的左特征向量为 则由 得 同理得： 则 从而 设 满足 二、正规矩阵与酉对角化 (2)的证明是后面一个引理的直接推论。 主要内容： 一、单纯形矩阵的谱分解 二、正规矩阵与酉对角化 三、正规矩阵的谱分解 称YT是A的属于?的左特征向量， 也称A的属于?的特征向量为右特征向量. 两端取转置得： 一、单纯形矩阵的谱分解 设A是 n阶单纯矩阵， ?1, ?2, …, ?n 是A 的n个不同特征值，x1,x2, …,xn是A的n个线性无关的特征向量，P=(x1,x2, …,xn),则: 这表明AT也与对角矩阵相似，