矩阵分解及其简单应用.pdfVIP

对矩阵分解及其应用 矩阵分解是指将一个矩阵表示为结构简单或具有特殊性质若干矩阵之积或 之和，大体分为三角分解、 QR 分解、满秩分解和奇异值分解。矩阵的分解是很 重要的一部分内容， 在线性代数中时常用来解决各种复杂的问题， 在各个不同的 专业领域也有重要的作用。 秩亏网平差是测量数据处理中的一个难点， 不仅表现 在原理方面， 更表现在计算方面， 而应用矩阵分解来得到未知数的估计数大大简 化了求解过程和难度。 1. 矩阵的三角分解 如果方阵 A 可表示为一个下三角矩阵 L 和一个上三角矩阵 U之积，即 A=LU， 则称 A 可作三角分解。 矩阵三角分解是以 Gauss 消去法为根据导出的， 因此矩阵 可以进行三角分解的条件也与之相同， 即矩阵 A 的前 n-1 个顺序主子式都不为 0， 即?k ≠0 . 所以在对矩阵 A 进行三角分解的着手的第一步应该是判断是否满足这 个前提条件， 否则怎么分解都没有意义。 矩阵的三角分解不是唯一的， 但是在一 定的前提下， A=LDU的分解可以是唯一的，其中 D是对角矩阵。矩阵还有其他不 同的三角分解，比如 Doolittle 分解和 Crout 分解，它们用待定系数法来解求 A 的三角分解，当矩阵阶数较大的时候有其各自的优点，使算法更加简单方便。 矩阵的三角分解可以用来解线性方程组 Ax=b。由于 A=LU，所以 Ax=b 可以变 换成 LU x=b，即有如下方程组： Ly = b { Ux = y 先由 Ly = b依次递推求得 y1 , y2 , ……， yn ，再由方程 Ux = y依次递推求得 xn ， xn-1 ，……， x 1 . 必须指出的是，当可逆矩阵 A 不满足 ? k ≠0 时，应该用置换矩阵 P 左乘 A 以便使 PA的 n 个顺序主子式全不为零，此时有： Ly = pb { Ux = y 这样，应用矩阵的三角分解，线性方程组的解求就可以简单很多了。 2. 矩阵的 QR分解 矩阵的 QR分解是指，如果实非奇异矩阵 A 可以表示为 A=QR，其中 Q为正交 矩阵，R为实非奇异上三角矩阵。 QR分解的实际算法各种各样， 有 Schmidt 正交 方法、 Givens 方法和 Householder 方法，而且各有优点和不足。 2.1 ．Schmidt 正交方法的 QR分解 Schmidt 正交方法解求 QR分解原理很简单，容易理解。步骤主要有： 1）把 A 写成 m个列向量 a= （a ，a ，……， a ），并进行 Schmidt 正交化得 = （α ， 1 2 m 1 α ，……， α ）；2) 单位化， 并令 Q= （β ， β ，……， β ），R=diag （α ， 2 m 1 2 m 1 α ，……，α ）K，其中 a= K；3）A=QR. 这种方法来进行 QR分解，过程相对 2 m 较为复杂，尤其是计算量大，尤其是阶数逐渐变大时，就显得更加不方便。 2.2 ．Givens 方法的 QR分解