第四章 矩阵分解.pptVIP

例4.3.2： 例4.3.3 奇异值分解的特征 1.奇异值分解可以降维 A表示 个 维向量，可以通过奇异值分解表示成 个 维向量.若A的秩 远远小于 和 , 则通过奇异值分解可以降低A的维数.可以计算出，当 时，可以达到降维的目的，同时可以降低计算机对存贮器的要求. 2. 奇异值对矩阵的扰动不敏感 特征值对矩阵的扰动敏感. 在数学上可以证明，奇异值的变化不会超过相应矩阵的变化. 3. 奇异值的比例不变性,即 的奇异值是A的奇异值的 倍. 4.奇异值的旋转不变性.即若P是正交阵，PA的奇异值与A的奇异值相同. 奇异值的比例和旋转不变性特征在数字图象的旋转、镜像、平移、放大、缩小等几何变化方面有很好的应用. 5. 容易得到矩阵A的秩为 的一个最佳逼近矩阵. 奇异值的这个特征可以应用于信号的分解和重构，提取有用信息，消除信号噪声. 4.4矩阵的极分解(略) 4.5 矩阵的谱分解 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 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 若A的每个特征值的代数重复度与几何重复度相等，则称A为单纯矩阵 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，故AT也是单纯矩阵 其中 性质:单纯矩阵不同特征值的左右特征向量是正交的 以矩阵特征值的代数重复度都为1为例加以证明: 设y1,y2, …,yn是AT的n个线性无关的特征向量.则 ( y1,y2, …,yn ) = (PT )-1 = (P-1 ) T 从而 即： 对于单纯矩阵A（矩阵特征值的代数重复度都为1）， ---矩阵A的谱分解 即单纯矩阵A分解成n个矩阵Gi之和的形式，其系数组合是A的谱（所有相异的特征值）。 由 则 对于 有下面的性质： （2） 例1 求矩阵A的谱分解 由 得 设A的左特征向量为 则 因为 满足 可解得 从而 单纯矩阵A的谱分解定理 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 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 P=（x1,x2,x3） 设 对应的左特征向量为 则由 得 同理得： 则 从而 例5.3： 定理5.1：设n阶矩阵A为有r个相异特征根 ，则A是正规矩阵的充要条件是存在r个n阶矩阵， 满足 二、正规矩阵的谱分解 例5、求正规矩阵 的谱分解 由矩阵A的特征多项式 得A的特征值 相应的线性无关的特征向量为 对于 相应的特征向量为 对于 将x1,x2,x3标准正交化得： 将x4标准化 记 则 例5.1： 例5.2： 例5.5： 习题4-3 只做（1） 第四章 矩阵分解 矩阵分解 矩阵的满秩分解 正交三角分解 奇异值分解 极分解 谱分解 4.1 矩阵的满秩分解 定理1.1：设 ， 则存在 ，使得 证明： （1）因为A的秩是r，所以有r个线性无关的列，可以设 A 的前r列向量是线性无关的。 行初等变换 定理1.1：设 ， 则存在 ，使得 证明： （2) 若 A 的前r列向量是线性相关的，那么可以做相应的列初等变换使其前r个列向量线性无关。 例题1.1, 1.2 矩阵的满秩分解是不唯一的，但是它们之间满足： 定理1.2：若 均为A的满秩分解，那么 4.2 矩阵的正交分解（UR、QR分解） 定理2.1：设 ， 则 A 可以唯一的分解为 主对角线元素为正的 证明： 正交化 单位化 单位化 酉矩阵 正线上矩阵 单位矩阵 定理2.2：设 ， 则 A 可以唯一的分解为 推论2.2：设 ， 则 A 可以唯一的