第五章--矩阵分解.pptxVIP

会计学; A左乘E，即是对A作相应的初等行变换.若用Gauss消去法将矩阵A转化成一个阶梯形矩阵U，相应的初等变换对应的矩阵为 ，则 ;第2页/共62页;第3页/共62页;定理5.1.1　设A是 的矩阵，则存在置换矩阵P使得 ; 定义5.1.1 　设A是 的矩阵，如果A（或A的某个排列PA）可分解为 (或 其中L是单位下三角阵,U是阶梯形矩阵，则称此分解为A的Doolittle分解。 如果A(或PA)可分解为 (或 其中L是下三角矩阵，U是非零对角元为1的阶梯形矩阵 ，则此称分解为A的Crout分解。;例 ;分解的应用 ;首先解线性方程组 ，可得 . ; 有些时候，线性方程组的系数矩阵不变而右端项发生了变化，若此时已经得到了系数矩阵LU的分解，则当右端项发生变化时，只需求解两个三角方程组即可（ , ），而不必重新进行Gauss消去，这样就可大大节省计算量。 ;若 是 的精确解，则;如此继续下去，可以证明，只要cond（A） 不是太大，序列 最终会收敛到 的解，通常只需迭代几步就可以得到很精确的解。 ;5.2 QR分解;变换;其中 ,H是正交矩阵，且detH=-1;;定义5.2.1 设单位列向量 ，称 矩阵 ; 若u不是单位向量，则定义 为Householder矩阵，对应的变换称为Householder变换。;;Householder矩阵具有如下的性质： ;例 ;矩阵的QR分解 ;由例5.2.1知存在Householder矩阵 使得;此时;令 由矩阵分块乘法可知;记 , ;定理5.2.2 设 ，则存在酉矩阵Q及上三角矩阵R，使 ;例 ;例 ;分解的应用 ;例如;奇异值分解 ;第32页/共62页;由上述分析可知AV的各列是相互正交的， 且 ;则;由于;则称 为A的奇异值。;定理 5.3.1 设A是 的矩阵，rank(A)=r, 则;例 ;(2) （若A可逆）； ;奇异值分解的应用 ; 在很多情形下，上述方程组没有解，因此，我们计算其最小二乘解，即求x使得 最小。 ; 其中U,V是酉矩阵。可以证明2-范数具 有酉不变性，因此 ;由此可知 的最小二乘解即是 ;令;即; 要使上述方程组的左右两端尽可能相等，只需令 ;即可（其实 可以是任意数， 它们是自由变量）。那么 ;(2) 计算矩阵的值空间和零空间 ;由于;其中r是矩阵A的秩，从而 ;因此;(3) 数字图像逼近 ;因此我们可以合理地选择k，使得 尽量接近于A，同时存储量又相对较小，便于储存和传输。 ;图展示了截取不同前k项的逼近效果。原始照片的灰度矩阵是一个320*240的矩阵，从图中可看出取k=50的逼近效果就已经很好了。它需要的存储单元是50*(320+240+1) ，大大减少了存储量。;;;5.4 矩阵的满秩分解;例 ;(1) H的前r行中每一行至少含有一个非零元素，且每行第一个非零元素是1，而后m-r行元素均为0； ;则称H为A的Hermite标准形。 ;例