矩阵的奇异值分解及数值实现.docx

矩阵的奇异值分解及数值实现 引言 矩阵的奇异值分解是数学研究中一种重要的方法 , 除了其理 论价值外 ,在工程领域中的应用也很普遍。例如 : 在最优化问题、 特征值问题、广义逆矩阵计算、高质量的统计计算、信号和图像 处理、系统辨识、滤波器设计、谱估计、时间序列分析、控制理 论和酉不变范数理论等领域 , 奇异值分解都占有极其重要的作用 同时它在求线性方程组的数组时也经常使用。 它的核心在于在求 出矩阵的有效秩的同时不改变矩阵的有关度量特性 , 这对统计和 检测数据的处理有很重要的作用。 但矩阵奇异值分解的严重不足 之处在于速度慢、计算量和存储量相当大 , 并且到现在仍然没有 计算矩阵的奇异值分解的快速算法。 因此研究奇异值分解的快速 算法 ,在理论上和工程实际中都有重要意义。 矩阵的奇异值分解 在数值分析中 ,矩阵的奇异值分解具有相当重要的作用 , 因 此在求矩阵的奇异值分解时 , 必须掌握矩阵的奇异值分解的理论 及相关概念。 2.1 矩阵的奇异值相关定义 定义2.1.1对于任一个mn阶复(实)矩阵A,设AH(AT)为A的 共轭转置矩阵，则AHA的 n个特征值的非负平方根称为 A的奇异 值,也就是A共有n个奇异值，且全部》0。AHA是一个半正定矩 阵,所以它的特征值》0。 设 A?HYCmn(r0),AHA的特征值 为？％d1?%d夢…》?%dr?%dr+1=- =?%dn=0则 称？％li=(i=1,2,…,n)为 A的奇异值。 从定义可以看出以下性质: mn 矩阵 的奇异值的个数等于列数 ; AHA和AAH的非零特征值相同,A的非零奇异值的个数等 于 r?%ZnkA。 定义2。1。2设A为复数域C上的n阶矩阵,如果存在 数？％d?HY(和非零的n维向量x,使得Ax=?%dx就称？％d是矩阵A 的特征值,x是A的属于(或对应于)特征值？％d的特征向量。 定义 2。1。3 设 mn矩阵 A?HYCmn,r?%ZnkA=r(r0),则 AHA 和AAH的特征值都是非负实数。 矩阵奇异值分解的性质 既然矩阵奇异值分解在计算中有如此重要的作用 , 当然它就 具有一些重要的性质 , 并且这些性质的应用也相当广泛。 性质3.1 A的奇异值由A惟一确定，但酉矩阵U和V不惟一， 故矩阵A的奇异值分解一般不惟一。 性质 3.2 奇异值分解可以计算出矩阵的条件数。 设A?HYCmn且存在可逆矩阵P使得 P- 1AP=di?%Zg(?%d1 …,？％dn),则称？UP-1?U|| PII 为矩阵 A关 于特征值问题的条件数 , 记为 k(P) 。 性质 3.3 奇异值分解可以降维。 m+n个r维A表示n个m m+n个r维 向量,若A的秩r远远小于m和n,则当r