第三章 矩阵的标准形与若干分解形式-2

第三章 矩阵的标准形与若干分解形式-2
第三章 矩阵的标准形与若干分解形式-2

§5 多项式矩阵的互质性与既约性

一、多项式矩阵的最大公因子

定义3-10 多项式矩阵()λR 称为具有相同列数的两个多项式矩阵()()λλD N ,的一个

右公因子,如果存在多项式矩阵)(λN 和)(λD 使得:

()()()()()()λλλλλλR D D R N N ==,。

类似地可以定义左公因子。

定义3-11 多项式矩阵()λR 称为具有相同列数的两个多项式矩阵()()λλD N ,的一

个最大右公因子(记为gcrd ),如果:

(1)()λR 是()()λλD N ,的右公因子;

(2)()()λλD N ,的任一右公因子()λ1R ,都是()λR 的右乘因子,即存在多项式矩阵

()λW ,使得()()()λλλ1R W R =。

对任意的n n ?与n m ?的多项式矩阵)(λD 与)(λN ,它们的gcrd 都存在。因为

T T T N D R ))(),(()(λλλ=

便是一个。

定理3-13 (gcrd 的构造定理) 对于给定的n n ?和n m ?多项式矩阵()()λλN D ,,如果能找到一个)()(m n m n +?+的单模矩阵()λG ,使得

()()()()()()()()()()?

?

?

???=????????????=??????022211211λλλλλλλλλλR N D G G G G N D G 3-13 则n n ?多项式矩阵()λR ,即为()λN 和()λD 的gcrd 。

证明:(1)证明()λR 是右公因子。

设()()()()()??

????=-λλλλλ222112111F F F F G ,则()()()()()()()()()()()???

???=?

???????????=??????λλλλλλλλλλλR F R F R F F F F N D 2111222112110。

(2)证明()λR 是gcrd 。

设()λ1R 也是()()λλD N ,的右公因子,故有

()()()()()()λλλλλλ1111,R D D R N N ==。由3-13式,

()()()()()

()()()()[]()()()

λλλλλλλλλλλλ111121111211R W R N G D G N G D G R =+=+= □

gcrd 的求法:对矩阵()()()??????=λλλN D M 进行初等行变换,化成()??

?

???0λR 即可。而相应的

初等矩阵的乘积,即是()λG 。

例3-13 设()??

????-+-+=21132

λλλλ

λD ,()()

12,12-+-=λλλN ,求grcd ()λR .

解:

()()??

??

??????--++-++--→??????????+++-++--→????

??????-+-+-+++→??

????????-+--+-+=??????11100110100102101101101001021110100102101101001210102100113222

2322

2322λλλλλλλλλλλλλλλλλλλλλλλλλλ

λλE N D

gcrd 的基本性质:

(1)不唯一性。若()λR 是列数为n 的多项式矩阵()()λλD N ,的gcrd ,而()λW 是任

一单模矩阵,则()()λλR W 也是()()λλD N ,的gcrd 。

(2)若()()λλD N ,的gcrd 是满秩矩阵或单模矩阵,则其它的gcrd 皆为满秩矩阵或

单模矩阵。

(3)对于给定的n n ?和n m ?多项式矩阵()()λλN D ,,当()()n N D rank =??

?

?

??λλ时,它们所有的gcrd 都是满秩矩阵。

(4)若()λR 是n n ?和n m ?多项式矩阵()

()λλN D ,的一个gcrd ,则()λR 可表示为()()()()()λλλλλN Y D X R +=,这里()λX 和()λY 分别是n ×n 和n ×m 多项式矩阵。

注:可以类似建立两个多项式矩阵的最大左公因子(gcld )的概念。

二、多项式矩阵的互质性

定义3-12 两个具有相同列数的多项式矩阵()()λλN D ,是右(左)互质的,是指它们

的最大右(左)公因子为单模矩阵。

定理3-14(贝佐特(Bezout )判别准则)两个n n ?和n m ?多项式矩阵()()λλN D ,为

右互质的充分必要条件,是存在两个n n ?和n m ?多项式矩阵()λX 和()λY ,使得下面的贝佐特等式成立:()()()()E N Y D X =+λλλλ。 3-14

证明:(1)必要性:设()λR 是()()λλN D ,的一个gcrd 。由于()()λλN D ,为右互质,

所以()λR 为单模矩阵。在式子()()()()()λλλλλN Y D X R 11+=两端同乘以()λ1-R 即得所证。

(2)充分性:将()()()()()()λλλλλλR D D R N N ==,代入3-14式,得

()()()()[]()E R N Y D X =+λλλλλ,即()λR 是一个单模矩阵。□

定理3-15 两个n n ?和n m ?多项式矩阵()()λλN D ,为右互质的充分必要条件,

是矩阵()()?

?

?

?

??λλN D 的Smith 标准形是??????0E ;而两个m m ?和n m ?多项式矩阵()()λλB A ,为左互质的充分必要条件,是矩阵()()()λλB A ,的Smith 标准形是()0,E 。

证明:(1)必要性:设()

()λλN D ,为右互质的。则由构造定理,存在单模矩阵()λG ,使得

()()()()()λλλλλR E R N D G ??

????=?

?????=??????00, 且()λR 也是单模矩阵。于是有

()()()()?

?

?

???=??????-01E R N D G λλλλ。 3-20

(2)充分性:由3-20式成立,即得()()()()???

???=??????0λλλλR N D G 。

三、多项式矩阵的既约性

多项式矩阵的行次数和列次数:设()()

()

q

p ij m M ?=λλ,则()λM 的第i 行次数是

()(){}λij q

j ri m K deg max 1≤≤=,记为()λδM ri ;第j 列次数是()(){}λij p

i cj m K deg max 1≤≤=,记为

()λδM cj 。

例3-14 若???

???-+++++=423

65224)(3

22λλλλλλλλλM ,则有

21=r K ,32=r K ;21=c K ,32=c K ,13=c K 。

()λM 的列次表示式:()()()λλλlc c kc M H M M +=,

这里(){

}cq

c c K K K c diag H λ

λλ

λ,,,21

=,kc M

q p ?的数字矩阵,称为列次系数矩阵。

它的第j 列为()λM 的第j 列中相应于cj

K λ的系数组成的列;()λlc M 为低次剩余多项式矩

阵,满足()()q j K M cj lc cj ,,2,1 =<λδ。

例3-15 设()???

???+-++++=13243

42143

22λλλλλλλλλM , 则其列次表示式为

??????-+++????

??

?

?

?

???????=1234214340101)(2

3

2

λλλ

λλλλλM

注:()λM 的行列式表示:()∑

=cj

K kc M M λλ+次数低于

∑cj

K

的各项。

()λM 的行次表示式:()()()λλλlr kr r M M H M +=,

这里(){

}rp

r r K K K r diag H λ

λλ

λ,,,21

=,hr

M

为q p ?的数字矩阵,称为行次系数矩阵。

它的第i 行为()λM 的第i 行中相应于ri

K λ

的系数组成的行;()λlr M 为低次剩余多项式矩

阵,满足()()p i K M ri lr ri ,,2,1 =<λδ。

注:()λM 的行列式表示:()∑

=ri

K kr M M λλ+次数低于

∑ri

K

的各项。

定义3-13 设()λM 为满秩p 阶多项式矩阵,如果

()()∑∑====p

j cj p j cj K M M 1

1

deg λδλ,

则称()λM 是列既约的;如果()()∑∑====p

i ri p

i ri

K M M 1

1

deg λδ

λ,则称()λM 是行既约的。

例3-16 设有满秩多项式矩阵

()???

???-+++=λλλλλλλ73

422322M

则有3|)(|deg =λM ,∑====2

1

213,

1,2j cj

c c K

K K ,4,2,22

1

21===∑=i ri r r K K K

因此这个多项式矩阵是列既约的,但不是行既约的。 定理3-16 若()λM 为满秩p 阶多项式矩阵,则 (1)()λM 是列既约的充分必要条件是kc M 为满秩的; (2)()λM 是行既约的充分必要条件是kr M 为满秩的。

证明 由于+∑

?=cj

K kc M M λλ|||)(|低次项

故当且仅当0|)(|≠λM 即kc M 为满秩时,始有∑=cj

K

M |)(|deg λ,

亦即)(λM 为列既约的。因而(1)得证。同理可证(2)。

例3-17 对于例3-16的矩阵)(λM ,可求得其列次表示及行次表示为:

列次表示??

????-+????

????????=0342007123)(2

λλλλλM ; 行次表示??

?

???-++??????????

??=λλλλλλλ7342201030

0)(22

M

因此有??????=7123kc M ,??

?

???=0103kr M

故由kc M 满秩知)(λM 是列既约的,但因kr M 不是满秩的,故)(λM 不是行既约的。 注:利用初等变换的方法,即右乘或左乘一个单模矩阵,可以将非既约多项式矩阵化

成既约的。

例3-18 设()??

?

?

??+++-++=30)3()2()3()2(22

2λλλλλλM ,

则)(λM 满秩但非既约。

取单模矩阵??

????+=1301

)(λλG ,??????+=10)2(1)(2λλF 而使得

??

?

???++++-=3)3()3()2(0

)()(2

2λλλλλλG M

()??

?

?

?

?+++=300)3()2()(2

2λλλλλM F 都是列既约的。

§6 有理分式矩阵的标准形及其仿分式分解

1.有理分式矩阵(简称为分式矩阵):矩阵()()()

n

m ij g G ?=λλ的元素都是有理分式,

()()()

n j m i b a g ij ij ij ,,2,1,,,2,1, ===

λλλ

其中)(λij a 与)(λij b 都是λ的多项式。

注:有理分式组成的空间对于四则运算封闭,所以可以类似于数字矩阵那样定义有理分式矩阵的各种运算及概念。在这里矩阵可逆与矩阵满秩就是等价的概念。 2.有理分式矩阵的标准形

定理3-17 设有理分式矩阵()()()

0≠=?n

m ij g G λλ的秩为r (≥1),则存在m m ?及

n n ?单模多项式矩阵()λP 及()λQ ,使得

()()()()()???

??

?==0λλλλλT M Q G P , 其中()()()

()()????

??=λλ?λλ?λr r t t T ,,diag 11 ,()()λλ?i i t ,都是首一多项式,且满足条件: 1)()λi t 和()λ?i 互质;2)()()λ?λ?1|+i i ;3)()()λλi i t t |1+。

注:()λM 叫做()λG 的史密斯—麦克米伦(Smith-Mcmillan )标准形。它的意义在于

为系统分析,特别是分析多变量系统的极点和零点提供了一种重要的工具。

证明:1)的证明:

(1)用()λG 各元素的分母多项式的最小公倍式()λb 乘以矩阵,得到多项式矩阵

()()λλG b 。

(2)()()λλG b 的秩为r ,所以存在m m ?及n n ?单模多项式矩阵()λP 及()λQ ,可

把()()λλG b 化为Smith 标准形:

()()()()()()???

??

?=01

λλλλλT Q G b P , 这里()()()()λλλr d d diag T ,,11 =,而且()()λλ1|+i i d d 。于是

()()()()()

?

??????

?=01λλλλλb T Q G P 。 (3)把

()()λλb T 1中的每个分式()()()r i b d i ,,1 =λλ化成既约分式()()

()r i t i i ,,1 =λλ?,且

()λ?i 和()λi t 都是首一多项式,即得

()()()???

??

?=0)(λλλλT Q G P 。

(2)及(3)的证明源于()λ?i 和()λi t 的构造方式。□

说明:若有理分式的分子和分母没有公因子,则称这个有理分式是既约的。

例3-19 求有理分式矩阵的标准形

()??

??

?

?

?

?

?

???

?

???+-++++-

+++++-=11)

1(1111111

111)1(12λλλλλλλλλλλλλ

λλλλG 。 解:将)(λG 乘以其元素分母多项式的最小公倍式()1+λλ后,再化为Simith 标准形,

()()????

??????+?????????

??-+--=)1(1112222

λλλλλλλλ

λλλλλλG b 。 于是,()???

????

?????

?

??

?++?111)1(1

λλλλG 。 3.有理分式矩阵的分解

定义3-14 设()λG 是n m ?有理分式矩阵。如果存在m m ?满秩(多项式)矩阵()

λ1P 和n m ?多项式矩阵()λ1Q ,使得

()()()λλλ111Q P G -= 3-26

则式3-26称为()λG 的一个左分解,或()λG 的一个左矩阵分式描述。当()λ1P 和

()λ1Q 为左互质时,式3-26称为()λG 的一个左既约分解。

如果存在n n ?满秩(多项式)矩阵()λ2P 和n m ?多项式矩阵()λ2Q ,使得

()()()λλλ122-=P Q G 3-27

则3-27式称为()λG 的一个右分解,或()λG 的一个右矩阵分式描述。当()λ2P 和()λ2Q 为右互质时,3-27式称为()λG 的一个右既约分解。 注意 这里的)(11λ-P 与1

2-P 是指有理分式范围内的逆。

定理3-18 任何n m ?有理分式矩阵()λG 都存在左分解、右分解、左既约分解及右

既约分解。

证明 证法一 思路源于定理3-17中()λG 的标准形的构造过程。

()()()()()()()()λλ?λλλλλλ101

1100-----???????????

?=??????=Q E T P Q T P G r m 其中()()()()

λλλ11

10,,--=r t t diag T ,()()()()

λ?λ?λ?r diag ,,1 =。取

()()()λλλP E T P r m ?????

?=--101,()()()λλ?λ1

10-??????=Q Q , 就得到()λG 的一个左分解()()()λλλ11

1Q P G -=。

进一步地,令()λR 是()λ1P 和()λ1Q 的最大左公因式,则有

()()()()()()λλλλλλQ R Q P R P ==11,。

即有()λP 和()λQ 是左互质的。由于()λR 可逆,得()()()()()λλλλλQ P Q P G 111

1--==。

□ 有理分式矩阵的左、右分解是不唯一的。 说明左、右分解的存在性可使用下列证法。

证法二 对n m ?有理分式矩阵)(λG ,记第i 行分母的最小公倍式为)(λi b ,则

0)(≠λi b (m i ,,2,1 =)。取)}(,),({)(11λλλm b b diag

P =,则)(1λP 满秩,)()()(11λλλG P Q =为多项式矩阵,从而有)()()(111λλλQ P G -=为一个左分解。

同理,可证右分解的存在性。 例3-20 求传递函数矩阵

()????

?

?

???

??

?

+-

++-++++=2222

2)3()3(1)3()3()2(1s s s s s s s s s s G 的一个右分解及一个左分解。 解 容易求出)(s G 的列最小公分母依次为

221)3()2()(++=s s s d c ,22)3()(+=s s d c

因此得)(s G 的一个右分解

()()()()()()1

22

22

2332211-?

?

?

??

?+++?????

?

-++-+=s s s s s s s s s G 又)(s G 的行的最小公分母为

221)3()2()(++=s s s d r ,22)3()(+=s s d r

所以)(s G 的一个左分解为

()()()()()??

?

?

??-+-++????

??+++=-s s s s s s s s s G 121332)(2

1

22

2

§8 舒尔定理和矩阵的QR 分解

一、舒尔定理

定理3-19(舒尔定理)对于n

n C

A ?∈,存在酉矩阵U ,使得T AU U

H

=。这里T 是

上三角矩阵,且对角线上的元素都是A 的特征值。 证明:设A 的特征值为n λλλ,,,21 。

(1)设1ε为A 的属于特征值1λ的单位特征向量。把1ε扩充为n

C 的一组标准正交基

n ηηε,,,21 ,并设酉矩阵),,,(211n U ηηε =。则

()??

????=??

????

????????=11

21121110*,,,A A A AU U n T n T

T H

ληηεληηε 。 由于相似矩阵具有相同的特征值,所以1A 的特征值是n λλ,,2 。

(2)设12-∈n C ε为1A 的属于特征值2λ的单位特征向量。重复(1)的步骤,可得,

存在1-n 阶酉矩阵2V ,使得

??

?

?

??=22

2120*A V A V H

λ。 令??

?

?

?

?=221V U ,则2U 和21U U 都是n 阶酉矩阵,并且 ????

?

??

??

?=22

1

2112*A U AU U U H H λλ。

(3)继续重复过程(2)3-n 次,可以依次得到)2,,3,2(-=-n k k n 阶的酉矩阵k

V 及相应的n 阶酉矩阵k U ,并令11-=n U U U ,即得所证。□

注1 若A 是实矩阵,且A 的特征值恰好全为实数时,则特征向量可选为实向量,而

上述步骤可以在实数域内进行,因而U 可选为(实)正交矩阵。 注2 舒尔定理可概括为任一复方阵可酉相似于上三角矩阵。类似地有,任一复方阵可酉相似于下三角矩阵。 注3 定理中的酉矩阵和上三角矩阵不是唯一的。这是因为单位特征向量的选择不唯一。

定理3-20 0>?ε,对于n

n C A ?∈,存在可逆矩阵P ,使得

?????

?

??????=-n n n b b b AP P λλλ 22112110,

而且∑=

j i ij

b ,ε。

证明:由舒尔定理,知存在酉矩阵Q ,使得

????

?

????

?

?

?=-n n n AQ Q λρλρρλ

2211211

0。 令()

n r r r F ,,,diag 2 =,其中r 为非零常数。取QF T =,即有

????

?

?

?

??

?????=????

??????

?

?=----n n n n n n n n r r r F F

AT T λρλρρλλρλρρλ

21211121221121

110

0。 选取适当地r ,即得定理的结论。□

二、矩阵的正交三角(QR )分解

定理3-21(QR 分解定理)设A 为n 阶复数矩阵,则存在酉矩阵Q 及上三角矩阵R ,

使得QR A =。

证明:得到矩阵A 的QR 分解的方法,类似于施密特正交化过程。 (1)设()n A ααα,,,21 =。

若01=α,则取01=β;若01≠α,则取1

1

1ααβ=

。 ()11222,ββααγ-=。若02=γ,则取02=β;若02≠γ,则取2

2

2γγβ=

。 ()()22311333,,ββαββααγ--=。若03=γ,则取03=β;若03≠β,则取3

3

3γγβ=。 ………………………………………………

()∑-=-=1

1

,n i i i n n n ββααγ。若0=n γ,则取0=n β;若0≠n γ,则取n

n

n γγβ=

n βββ,,,21 两两正交,并且或者为单位向量,或者为零向量。

(2)反过来,有

1111βαr =,

当01=α时,011=r ;当01≠α时,111α=r 。

2221122ββαr r +=,

当01=β时,012=r ;当02=β时,022=r ;当02≠β时,222β=

r 。

………………………………………………

n nn n n n r r r βββα+++= 2211,

当0=i β时,()1,,1,0-==n i r in ;当0=n β时,0=nn r ;当0≠n β时,n nn r β=

于是

()()R Q r r r r r r A nn n n n n 1

222

11211

2121,,,,,,=??

???

????

?

?

?== βββααα。

(3)取出1Q 中的所有非零列向量s i i i βββ,,,21 ,将其扩充为n

C 中的一组标准正交

基s n i i i s -ηηβββ,,,,,,121 。将()s n i i -=,,1 η取代1Q 中出现的第i 个零列向量,产生矩阵Q ,则Q 是酉矩阵。注意到若0=i β,则R 中第i 个行向量为0,所以R Q QR 1=。定理得证。□ 注:当A 是可逆矩阵时,R 的对角线上的元素都是正的。此时的Q 和R 是唯一的。

§9 矩阵的奇异值分解

定理1 设n

m C

A ?∈,则存在酉矩阵P 和Q ,使得

?

?

?

???=000D AQ P H 。

这里()r d d d diag D ,,,21 =,且021>≥≥≥r d d d 。()r i d i ,,2,1 =是A A H

的正

特征值的平方根,称为A 的奇异值。而

H

Q D P A ?

?

????=000 称为A 的奇异值分解。 证明:(1)矩阵A A B H

=是Hermite 矩阵,且特征值非负。

设x 是A A H

的属于特征值λ的特征向量,则()0,≥==x x Ax A x Ax Ax H H H λ,而

()0,>=x x x x H ,所以0≥λ。

(2)寻找Q

设A A H

的特征值为22221,,,n

d d d ,其中021>≥≥≥r d d d ,其余皆为零。

由于A A H

是Hermite 矩阵,所以存在n 阶酉矩阵Q ,使得

(

)

???

?

??

??=00

02

D Q A A Q

H

H

。 (1) 将Q 分块为[]21Q Q Q =,()r n n r

n r n r C Q C Q -?-?∈∈21,。将(1)式写成 (

)

???

?

??

??=00

02

D Q Q A A H

, 则有0,22

11==AQ A D Q AQ A H H 。

(2) 注意到r H E Q Q =

1

1,所以有2

1

1D AQ A Q H

H =,或写成(

)()r H

E

D AQ D

AQ =--1

1

11。

由(2)中的第二式,得022=AQ A Q H

H ,即02=AQ 。

(3)寻找P

令111-=D AQ P ,则r H

E P P =11,即1P

的r 个列是两两正交的单位向量,记做()r p p p P ,,,211 =。将r p p p ,,,21 扩充为m C

的标准正交基,记增添的向量为m r p p ,,1 +,构造矩阵()m r p p P ,,12 +=,则()21P P P =是m 阶酉矩阵,于是可得

()()??????=????????==0000,12121D D P P P AQ AQ P AQ P H H H

H

。□

注:A 的奇异值由A 唯一确定,但P 和Q 一般不是唯一的。

例 求矩阵????

?

?????=000110101A 的奇异值分解。

解 A A B H

=的特征值为3,1,0,对应的特征向量分别为????

?

?????-????

?

?????-??

??

?

?????111,011,211。 2Rank =A ,???

??

?=13D 。

????

???

?????

???

?

--

=310

6

2312161312161Q 。 ??

?

????????????

?

-==-00

212121211

11D

AQ P ,??????????=1002P ,???????

??????

??

?

-

=100

02

1210212

1P 。

第三章矩阵对角化、若当标准型

第三章 矩阵的对角化、若当标准型 §3.1 矩阵对角化 线性变换在基下的矩阵若为对角阵,则向量在基下的表示将非常简单,而线性变换在两个基下的矩阵相似,故线性变换在基下矩阵为对角阵问题即为矩阵对角化问题。 一、特征值、特征向量性质 定义1 设n n A ?∈C ,称A 的全体特征值为A 的谱。 下面定理1是显然的。 定理1 相似矩阵有相同的特征多项式,从而有相同的谱。 由于矩阵A 的不同特征值对应的特征子空间的和是直和,故有下面定理2。 定理2 设n n A ?∈C ,则A 的不同特征值对应的特征向量线性无关。 定义2设n n A ?∈C ,i λ为A 的特征值, 称A 的特征多项式中i λ的重根数i m 为i λ的代数重复度,称特征子空间i V λ的维数i α为i λ的几何重复度。 由定义2即知A 的特征值i λ的几何重复度i α为A 对应于特征值i λ的线性无关 特征向量的个数。 定理3 设n n A ?∈C ,i λ为A 的特征值,i α为i λ的几何重复度,则 rank()i i n n I A αλ=-- 证明 特征子空间{|,}i n i V x Ax x x λλ==∈C ,所以 dim dim ()i i i n V N I A λαλ==- dim ()i n n R I A λ=-- rank()i n n I A λ=-- 例1 求123323001A ?? ??=?? ??-?? 的谱,及相异特征值的代数重复度和几何重复度。

解 1 23det()3 2 30 1 I A λλλλ----=---+ 2(1)(4)λλ=+- 所以A 的谱为11,1λ=--,24λ=,12,λλ的代数重复度分别为122,1m m ==。 1λ的几何重复度113rank()I A αλ=-- 2233rank 3331000---?? ??=----=?? ???? 2λ的几何重复度223rank()I A αλ=-- 3233rank 3231005--?? ??=---=?? ???? 定理4 设n n A ?∈C ,i λ为A 的特征值,i m 为i λ的代数重复度,i α为i λ的几何 重复度,则i i m α≤。 证明 因为i α为i λ的几何重复度,所以A 对应于i λ有i α个线性无关的特征向 量12,, ,i αεεε是特征子空间i V λ的基,将12,,,i αεεε扩充为n C 的基 121,,,,,i i n ααεεεεε+ 设121 []i i n P ααεεεεε+=,则 121 []i i n AP A ααεεεεε+= 121[,]i i i i i n A A ααλελελεεε+= 121 *[]i i i i n i O ααλλεεεεελ +????????=???????? ? PB =

基于矩阵分解的协同过滤算法

万方数据

万方数据

万方数据

万方数据

基于矩阵分解的协同过滤算法 作者:李改, 李磊, LI Gai, LI Lei 作者单位:李改,LI Gai(顺德职业技术学院,广东顺德528333;中山大学信息科学与技术学院,广州510006;中山大学软件研究所,广州510275), 李磊,LI Lei(中山大学信息科学与技术学院,广州510006;中山大学软件研究 所,广州510275) 刊名: 计算机工程与应用 英文刊名:Computer Engineering and Applications 年,卷(期):2011,47(30) 被引用次数:1次 参考文献(18条) 1.Wu J L Collaborative filtering on the Nefifix prize dataset 2.Ricci F.Rokach L.Shapira B Recommender system handbook 2011 3.Adomavicius G.Tuzhilin A Toward the next generation of recommender systems:a survey of the state-of-the-art and possible extenstions 2005(06) 4.Bell R.Koren Y.Volinsky C The bellkor 2008 solution to the Netflix prize 2007 5.Paterek A Improving regularized singular value decomposition for collaborative filtering 2007 6.Lee D D.Seung H S Leaming the parts of objects by non-negative matrix factorization[外文期刊] 7.徐翔.王煦法基于SVD的协同过滤算法的欺诈攻击行为分析[期刊论文]-计算机工程与应用 2009(20) 8.Pan R.Zhou Y.Cao B One-class collaborative filtering 2008 9.Pan R.Martin S Mind the Gaps:weighting the unknown in largescale one-class collaborative filtering 2009 https://www.360docs.net/doc/8b6347117.html,flix Netflix prize 11.罗辛.欧阳元新.熊璋通过相似度支持度优化基于K近邻的协同过滤算法[期刊论文]-计算机学报 2010(08) 12.汪静.印鉴.郑利荣基于共同评分和相似性权重的协同过滤推荐算法[期刊论文]-计算机科学 2010(02) 13.Hadoop[E B/OL] 14.Apache MapReduce Architecture 15.Wbite T.周敏.曾大聃.周傲英Hadoop权威指南 2010 16.Herlocker J.Konstan J.Borchers A An algorithmic framework for performing collaborative filtering 1999 17.Linden G.Smith B.York J https://www.360docs.net/doc/8b6347117.html, recommendations:Itemto-item collaborative filtering[外文期刊] 2003 18.Sarwar B.Karypis G.Konstan J ltem-based collaborative filtering recommendation algorithms 2001 引证文献(1条) 1.沈韦华.陈洪涛.沈锦丰基于最佳匹配算法的精密零件检测研究[期刊论文]-科技通报 2013(5) 本文链接:https://www.360docs.net/doc/8b6347117.html,/Periodical_jsjgcyyy201130002.aspx

矩阵分解在优化方法中的应用

矩阵分解以及矩阵范数在数值计算中的应用 张先垒 (自动化与电气工程学院 控制科学与工程 2012210186) 【摘要】矩阵的分解是将一个矩阵分解为较为简单的或具有某种特性的若干矩阵的和或 者乘积,这是矩阵理论及其应用中比较常见的方法。由于矩阵的这些特殊的分解形式,一方面反映了矩阵的某些数值特性,如矩阵的秩、特征值、奇异值等;另一方面矩阵的分解方法与过程往往为某些有效的数值计算方法和理论分析提供了重要的依据,它是应用于解最优化问题、特征值问题、最小二乘方问题的主要数学工具。 关键词 : 矩阵分解 对角化 逆矩阵 范数 条件数 1. 引言 矩阵分解在工程中的应用主要是在解线性方程组中,而这主要就是关系到储存和计算时间的问题上面,如何实现最小的储存和最少的计算时间是在工程计算中的头等问题。在这方年就牵涉到很多对矩阵进行怎样的分解,这篇文章介绍了基本的关于三角分解相关的内容以及关于界的稳定性的考虑。 2. 矩阵的三角分解求解线性方程组 数值求解线性方程组的方法中有一个主要是直接法,假设计算中没有舍入误差,经过有限次算术运算能够给出问题的精确解的数值方法。其中高斯消去法就是利用矩阵的分解实现的。矩阵论一种有效而且应用广泛的分解法就是三角分解法,将一个矩阵分解为一个酉矩阵(或正交矩阵)与一个三角矩阵的乘积或者三角矩阵与三角矩阵的乘积。(见课本P93例4.3)考虑一般的线性方程组,设其中的系数矩阵A 是可逆的, 1111 n m mn a a A a a ?? ? = ? ??? (1-1) 设矩阵A 的第一列中至少有一个是非零元素(否则A 就是奇异矩阵)不妨设为1i a 若一 般的记初等矩阵 [1] 如1-2式及矩阵论课本上的Givens 矩阵。

矩阵分解及其应用

《线性代数与矩阵分析》课程小论文 矩阵分解及其应用 学生姓名:****** 专业:******* 学号:******* 指导教师:******** 2015年12月

Little Paper about the Course of "Linear Algebra and Matrix Analysis" Matrix Decomposition and its Application Candidate:****** Major:********* StudentID:****** Supervisor:****** 12,2015

中文摘要 将特定类型的矩阵拆解为几个矩阵的乘机称为矩阵的分解。本文主要介绍几种矩阵的分解方法,它们分别是矩阵的等价分解、三角分解、谱分解、奇异值分解和 Fitting 分解等。矩阵的分解理论和方法是矩阵分析中重要的部分,在求解矩阵的特征值、解线性方程组以及实际工程中有着广泛的运用。因此,本文将介绍矩阵等价分解、三角分解、奇异值分解的理论运用以及三角分解的工程运用。 关键词:等价分解,三角分解,奇异值分解,运用

Abstract Many particular types of matrix are split into the product of a matrix of several matrices, which is called decomposition of matrix. In this paper, we introduce some methods of matrix decomposition, which are equivalent decomposition, triangular decomposition, spectral decomposition, singular value decomposition, Fitting decomposition and so on. The decomposition theory and method of matrix is an important part of matrix analysis, which is widely used in solving the characteristic value, solving linear equations and the practical engineering. In this paper, we will introduce the theory of matrix equivalence decomposition, triangular decomposition, singular value decomposition and the engineering application of triangular decomposition. Key words:Equivalent Decomposition, Triangular Decomposition, Singular Value Decomposition, Application

矩阵论知识点

矩阵论知识点 第一章:矩阵的相似变换 1. 特征值,特征向量 特殊的:Hermite矩阵的特征值,特征向量 2. 相似对角化 充要条件:(1)(2)(3)(4) 3. Jordan标准形 计算:求相似矩阵P及Jordan标准形 求Jordan标准形的方法: 特征向量法,初等变换法,初等因子法 4. Hamilton-Cayley定理 应用:待定系数法求解矩阵函数值 计算:最小多项式 5. 向量的内积 6. 酉相似下的标准形 特殊的:A酉相似于对角阵当且仅当A为正规阵。

第二章:范数理论 1. 向量的范数 计算:1,2, 范数2. 矩阵的范数 计算:1,2,,m , F 范数,谱半径 3. 谱半径、条件数 第三章:矩阵分析 1. 矩阵序列 2. 矩阵级数 特别的:矩阵幂级数 计算:判别矩阵幂级数敛散性,计算收敛的幂级数的和 3. 矩阵函数 计算:矩阵函数值, At e ,Jordan 矩阵的函数值 4. 矩阵的微分和积分 计算:函数矩阵,数量函数对向量的导数 如,dt dA(t),dt dA(t) ,)()(X R AX X X X X f T T T 等 5. 应用 计算:求解一阶常系数线性微分方程组

第四章:矩阵分解 1. 矩阵的三角分解 计算:Crout分解,Doolittle分解,Choleskey分解2. 矩阵的QR分解 计算:Householder矩阵,Givens矩阵, 矩阵的QR分解或者把向量化为与1e同方向3. 矩阵的满秩分解 计算:满秩分解,奇异值分解 4. 矩阵的奇异值分解 第五章:特征值的估计与表示 1. 特征值界的估计 计算:模的上界,实部、虚部的上界 2. 特征值的包含区域 计算:Gerschgorin定理隔离矩阵的特征值 3. Hermite矩阵特征值的表示 计算:矩阵的Rayleigh商的极值 4. 广义特征值问题 AX转化为一般特征值问题 计算:BX

第三章矩阵的Jordan标准型与矩阵函数

上页下页返回结束 1 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数 全国工程硕士专业学位教育指导委员会推荐教材: 矩阵论与数值分析----理论及其工程应用 上页下页返回结束 2 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数 邱启荣 华北电力大学数理系QQIR@https://www.360docs.net/doc/8b6347117.html, 第三章矩阵的Jordan 标准型 与矩阵函数 上页下页返回结束 3 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数 上页下页返回结束 4 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数 上页下页返回结束 5 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数 上页下页返回结束 6 Made by QQIR 第三章矩阵的Jordan 标准型与矩阵函数

上页下页返回结束7 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束8 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束9 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 10 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 11 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 12 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数

上页下页返回结束13 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束14 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束15 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 16 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 17 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数 上页下页返回结束 18 Made by QQIR 第三章矩阵的Jordan标准型与矩阵函数

第三章 矩阵的标准形与若干分解形式-2

§5 多项式矩阵的互质性与既约性 一、多项式矩阵的最大公因子 定义3-10 多项式矩阵()λR 称为具有相同列数的两个多项式矩阵()()λλD N ,的一个 右公因子,如果存在多项式矩阵)(λN 和)(λD 使得: ()()()()()()λλλλλλR D D R N N ==,。 类似地可以定义左公因子。 定义3-11 多项式矩阵()λR 称为具有相同列数的两个多项式矩阵()()λλD N ,的一 个最大右公因子(记为gcrd ),如果: (1)()λR 是()()λλD N ,的右公因子; (2)()()λλD N ,的任一右公因子()λ1R ,都是()λR 的右乘因子,即存在多项式矩阵 ()λW ,使得()()()λλλ1R W R =。 对任意的n n ?与n m ?的多项式矩阵)(λD 与)(λN ,它们的gcrd 都存在。因为 T T T N D R ))(),(()(λλλ= 便是一个。 定理3-13 (gcrd 的构造定理) 对于给定的n n ?和n m ?多项式矩阵()()λλN D ,,如果能找到一个)()(m n m n +?+的单模矩阵()λG ,使得 ()()()()()()()()()()? ? ? ???=????????????=??????022211211λλλλλλλλλλR N D G G G G N D G 3-13 则n n ?多项式矩阵()λR ,即为()λN 和()λD 的gcrd 。 证明:(1)证明()λR 是右公因子。 设()()()()()?? ????=-λλλλλ222112111F F F F G ,则()()()()()()()()()()()??? ???=? ???????????=??????λλλλλλλλλλλR F R F R F F F F N D 2111222112110。 (2)证明()λR 是gcrd 。

第三章矩阵的标准形和若干分解形式

第三章 矩阵的标准形与若干分解形式 §1 矩阵的相似对角形 一、知识回顾 1.线性变换在两组基下的矩阵相似,相似变换矩阵是两组基下的过渡矩阵。 2.特征值与特征向量,特征子空间λV 及其维数,特征值的代数重数与几何重数。 3.矩阵与对角形相似的充要条件:有n 个线性无关的特征向量。 4.矩阵与对角形相似的充分条件:有n 个不同的特征值。 若A 为n 阶矩阵,矩阵 ? ? ????? ?? ???---------=-nn n n n n a a a a a a a a a A E λλλλ 2 1 222 21 112 11 称为A 的特征矩阵。又多项式 n i n i n n a a a A E f +++++=-=-- λλλλλ11||)( 称为A 的特征多项式,这里A a a n i ii ∑=-=- =1 1tr ,||)1(A a n n -=,i a 是A 的所有i 阶主子 式的和与i )1(-的乘积。A tr 叫A 的迹。 属于矩阵A 的同一个特征值0λ的所有特征向量连同零向量一起,构成一个线性空间 0λV ,称为A 的特征子空间。特征子空间0λV 的维数不超过特征根0λ的重数。 二、寻找矩阵的相似对角形的方法 例3-1 研究下列矩阵是否能与对角形相似 (1) ??????????---=121101365A ,(2) ???? ??????=122212221A ,(3) ??????????----=284014013 A 。 提示:(1) 31,31, 2321-=+==λλλ;

?? ?? ??????+-=??????????--=??????????-=3213,3213,011321x x x ; ?? ?? ??????+----=32320111332 P ,??????? ? ? ??????? ---+ +--=-63332133216333213 3210311 P 。 (2) 5,1321=-==λλλ;?? ?? ??????+-=??????????--=??????????-=3213,3213,011321x x x ; ??????????--=111110101P ;???? ? ?? ???----=-111121112311P 。 (3) 2,1321-===λλλ;1λ的特征子空间是一维的;不存在三个线性无关的特征向量。 例3-2 设???? ??????----=163053064A ,求A 的相似对角形及100 A 。 §2 矩阵的约当标准形 当矩阵n n ij C a A ?∈=)(不能和对角形矩阵相似时,能否找到一个构造比较简单的分块 对角矩阵和它相似呢?当我们在复数域C 内考虑这个问题时,这样的矩阵确实是存在的,这 就是约当(Jordan )形矩阵,称之为矩阵A 的约当标准形。 定义 若数域P 上多项式)(),(),(x g q f λλ满足)()()(λλλg q f =,则称)(λg 整除 )(λf ,记为)(|)(λλf g 。 定义3-1 设)(),(λλg f 是P 上多项式,如果存在P 上多项式)(λd 满足 (1))(|)(λλf d ,)(|)(λλg d (即)(λd 可以整除)(),(λλg f );

矩阵论研究生复习题

矩阵理论及应用证明题复习题 正规矩阵(包括Hermite 矩阵;Hermite 正定矩阵等) 1. 设()ij n n A a ?=是n 阶Hermite 矩阵,12,,,n λλλ 是A 的特征值,且12n λλλ≥≥≥ , 证明:(1)1H n H x Ax x x λλ≤≤ ;(2){}11max n kk k n a λλ≤≤≤≤. 2.假设n 阶Hermite 矩阵A 是正定的。证明:(1)存在正定矩阵S 使得2 A S =; (2)对任意n 维列向量,X Y ,有2 H H H Y AX X AX Y AY ≤,并且,等号成立当 且仅当,X Y 线性相关。 3.证明:设,A B 都是Hermite 矩阵,A 的特征值都大于a ,B 的特征值都大于b , 则A B +的特征值都大于a b +。 4.设A 为n 阶正定Hermite 矩阵,证明(1)H nn A G a ββ?? = ??? 是正定的的充分必要条件为1H nn a A ββ->,(2)H nn A G a ββ ?? = ??? 正定时有不等式:nn G a A ≤. 5.A 是n 阶Hermite 矩阵,证明:2 46A A I -+是正定Hermite 矩阵 6.A 、B 都为n 阶正定Hermite 矩阵,且AB BA =,则AB 亦为正定Hermite 矩阵 范数 1.设?为n n C ?上的矩阵范数,λ为复矩阵A 的特征值,证明:m m A λ ≤(m 为正整数) 2.设λ是n 阶可逆矩阵A 的特征值,A 是A 的任意一种范数 证明:1 1 A λ -≥ 3.设A 是n 阶可逆矩阵,A 是A 的任意一种范数.证明:A 的谱半径()1 1A A ρ-≥ 4.A 是n 阶复矩阵,证明22 1A A A ∞ ≤ 5.假设A 是s n ?矩阵,,U V 分别是s s ?、n n ?酉矩阵。证明:F F A UAV =, 22A UAV =。 6.设() ij n n A a ?=为n 阶Hermite 矩阵,证明:(1)2()A A ρ=;(2)()ij a A ρ≤.

矩阵分解的Matlab指令大全

矩阵分解的Matlab指令大全 矩阵分解是指根据一定的原理用某种算法将一个矩阵分解成若干个矩阵的乘积。常见的矩阵分解有可逆方阵的三角(LU)分解、任意满秩矩阵的正交三角(QR)分解、对称正定矩阵的Cholesky分解,以及任意方阵的Schur分解、Hessenberg分解、EVD分解、SVD分解、GMD分解等。 (1)可逆方阵的LU分解 矩阵的LU分解就是将一个矩阵表示为一个交换下三角矩阵和一个上三角矩阵的乘积形式。线性代数中已经证明,只要方阵A是非奇异的(即可逆的),LU 分解总是可以进行的。 当L为单位下三角矩阵而U为上三角矩阵时,此三角分解称为杜利特(Doolittle)分解。当L为下三角矩阵而U为单位上三角矩阵时,此三角分解称为克劳特(Crout)分解。显然,如果存在,矩阵的三角分解不是唯一的。 (PS:方阵A可唯一地分解为A=LDU(其中L,U分别为单位下,上三角矩阵,D为对角矩阵)的充分必要条件为A的前n-1个顺序主子式都不为0。特别:对n 阶对称正定矩阵,存在一个非奇异下三角矩阵L,使得A=LL'成立。)MATLAB提供的lu函数用于对矩阵进行LU分解,其调用格式为: [L,U]=lu(X):产生一个上三角阵U和一个变换形式的下三角阵L(行交换),使之满足X=LU。注意,这里的矩阵X必须是方阵。 [L,U,P]=lu(X):产生一个上三角阵U和一个下三角阵L以及一个置换矩阵P,使之满足PX=LU。当然矩阵X同样必须是方阵。 (2)满秩矩阵的QR分解 对矩阵X进行QR分解,就是把X分解为一个正交矩阵Q和一个上三角矩阵R的乘积形式。QR分解只能对方阵进行。MATLAB的函数qr可用于对矩阵进行QR分解,其调用格式为: [Q,R]=qr(X):产生一个一个正交矩阵Q和一个上三角矩阵R,使之满足X=QR。 [Q,R,E]=qr(X):产生一个一个正交矩阵Q、一个上三角矩阵R以及一个置换

南京航空航天大学研究生课程《矩阵论》内容总结与习题选讲

《矩阵论》复习提纲与习题选讲 Chapter1 线性空间和内积空间 内容总结: z 线性空间的定义、基和维数; z 一个向量在一组基下的坐标; z 线性子空间的定义与判断; z 子空间的交 z 内积的定义; z 内积空间的定义; z 向量的长度、距离和正交的概念; z Gram-Schmidt 标准正交化过程; z 标准正交基。 习题选讲: 1、设表示实数域3]x [R R 上次数小于3的多项式再添上零多项式构成 的线性空间(按通常多项式的加法和数与多项式的乘法)。 (1) 求的维数;并写出的一组基;求在所取基下 的坐标; 3]x [R 3]x [R 221x x ++ (2) 在中定义 3]x [R , ∫?=1 1)()(),(dx x g x f g f n x R x g x f ][)(),(∈ 证明:上述代数运算是内积;求出的一组标准正交基; 3][x R (3)求与之间的距离; 221x x ++2x 2x 1+?(4)证明:是的子空间; 2][x R 3]x [R (5)写出2[][]3R x R x ∩的维数和一组基;

二、 设22R ×是实数域R 上全体22×实矩阵构成的线性空间(按通常矩阵的加 法和数与矩阵的乘法)。 (1) 求22R ×的维数,并写出其一组基; (2) 在(1)所取基下的坐标; ?? ??????3111(3) 设W 是实数域R 上全体22×实对称矩阵构成的线性空间(按通常矩阵 的加法和数与矩阵的乘法)。 证明:W 是22R ×的子空间;并写出W 的维数和一组基; (4) 在W 中定义内积 , )A B (tr )B ,A (T =W B ,A ∈ 求出W 的一组标准正交基; (5)求与之间的距离; ??????0331?? ?????1221 (6)设V 是实数域R 上全体22×实上三角矩阵构成的线性空间(按通常矩 阵的加法和数与矩阵的乘法)。 证明:V 也是22R ×的子空间;并写出V 的维数和一组基; (7)写出子空间的一组基和维数。 V W ∩

矩阵的分解

§9. 矩阵的分解 矩阵分解是将一个矩阵分解为比较简单的或具有某种特性的若干矩阵的和或乘积,这是矩阵理论及其应用中常见的方法。由于矩阵的这些特殊的分解形式,一方面反映了原矩阵的某些数值特性,如矩阵的秩、特征值、奇异值等;另一方面矩阵分解方法与过程往往为某些有效的数值计算方法和理论分析提供了重要的依据,因而使其对分解矩阵的讨论和计算带来极大的方便,这在矩阵理论研究及其应用中都有非常重要的理论意义和应用价值。 这里我们主要研究矩阵的三角分解、谱分解、奇异值分解、满秩分解及特殊矩阵的分解等。 一、矩阵的三角分解——是矩阵的一种有效而应用广泛的分解法。 将一个矩阵分解为酉矩阵(或正交矩阵)与一个三角矩阵的乘积或者三角矩阵与三角矩阵的乘积,这对讨论矩阵的特征、性质与应用必将带来极大的方便。首先我们从满秩方阵的三角分解入手,进而讨论任意矩阵的三角分解。 定义1 如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈<=- ij a C R i j i n 1,2,),=++ j i i n 则上三角矩阵 1112122200 ?? ? ?= ? ??? n n nn a a a a a R a 称为正线上三角复(实)矩阵,特别当1(1,2,,)ii a i n == 时,R 称为单位上三角复(实)矩阵。 定义2如果(1,2,,)ii a i n = 均为正实数,()(,1,2,1;∈>=- ij a C R i j i n 1,2,),=++ j i i n 则下三角矩阵 1121 221 2 000?? ? ?= ? ??? n n nn a a a L a a a

第三章矩阵与线性代数计算

第三章 矩阵与线性代数计算 MATLAB ,即“矩阵实验室”,它是以矩阵为基本运算单元。因此,本章从最基本的运算单元出发,介绍MATLAB 的命令及其用法。 3.1矩阵的定义 由m×n 个元素a ij (i=1,2,…m;j=1,2,…n)排列成的矩形阵称为一个m 行n 列的矩阵,或m×n 阶矩阵,可以简记为A=(a ij ) m×n ,其中的a ij 叫做矩阵的第i 行第j 列元素。 ???? ? ?????=mn m m n n a a a a a a a a a A 2 1 22221 11211 当m=n 时,称A 为n 阶方阵,也叫n 阶矩阵; 当m=1,n ≥2时,即A 中只有一行时,称A 为行矩阵,或行向量(1维数组); 当m ≥2,n=1时,即A 中只有一列时,称A 为列矩阵,或列向量; 当m=1,n=1时,即A 中只有一个元素时,称A 为标量或数量(0维数组)。 3.2矩阵的生成 1.实数值矩阵输入 MATLAB 的强大功能之一体现在能直接处理向量或矩阵。当然首要任务是输入待处理的向量或矩阵。 不管是任何矩阵(向量),我们可以直接按行方式输入每个元素:同一行中的元素用逗号(,)或者用空格符来分隔,且空格个数不限;不同的行用分号(;)分隔。所有元素处于一方括号([ ])内;当矩阵是多维(三维以上),且方括号内的元素是维数较低的矩阵时,会有多重的方括号。如: 【例3-1】矩阵的生成例。 a=[1 2 3;4 5 6;7 8 9] b=[1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9; 2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9; 3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9] Null_M = [ ] %生成一个空矩阵

矩阵论之矩阵的分解

矩阵的分解 一、矩阵的三角分解 定义 3.1 设.n n A F ?∈ (1) 若,n n L U F ?∈分别为下三角矩阵和上三角矩阵,,A LU =则称A 可作LU 分解。 (2) 若,n n L U F ?∈分别是对角线元素为1的下三角矩阵和上三角矩阵,D 为对角矩阵。 ,A LDU = 则称A 可作LDU 分解。 用Gauss 消去法,一个方阵总可以用行初等变换化为上三角矩阵,若只用第i 行乘以数k 加到第j 行(i j <)型初等变换就能把A 化为上三角矩阵U ,则有下三角形可逆矩阵,P 使 ,PA U =从而有LU 分解:1.A P U -= 例1 设223477245A ????=????-?? ,求A 的LU 分解和LDU 分解。 解 为求,P 对下面的矩阵做如下行初等变换: 32 23100223100()4 77010031210245001068101223100031210006521A I ???? ????=→-???? ????-???? ????→-????-?? 因此 100223210,031521006P PA ????????=-=????????-????. 令1 100223210,031121006L P U -????????===????????-???? 则223031.006A L LU ????==?????? 再利用初等变换,有

311 2100212103013121600 1A ?? ??????????????=??????????-??????????? ? 就得到A LDU = 其中 311 210021210,3,0131216001L D U ? ? ??????????????===??????????-????? ?????? ? 一般来说,,LU LDU 分解一般不是惟一的。下面讨论方阵的LU 和LDU 分解的 存在性和唯一性。 定理 3.1 设(),n n ij n n A a F ??=∈ 则A 有惟一LDU 分解A LDU =的充分必要条件是A 的 顺序主子式 11 1212122201 2......0,1,2,...,;1,...... ... ... ...k k k k k kk a a a a a a k n a a a ?= ≠=?= 其中 1 2 1,;1,2,...,...k k k n d d D d k n d -??? ??? ?===?????? ? 证明:只证充分性:对A 的阶数n 进行归纳证明 11111111,()(1)()(1)n A a a L DU ==== 所以定理对1n =成立,设定理对1n -成立,即 (1)(1)111()ij n n n n n A a L D U -?----== 则对,n 将A 分块成 1 n n T n nn A A u a τ-?? =???? 其中 121,12,1(,,...,),(,,...,),T T n n n n n n n n n n a a a u a a a τ--==

矩阵论矩阵分解精品

文档收集于互联网,已重新整理排版.word 版本可编辑,有帮助欢迎下载支持.
【关键字】方法、条件、问题、矛盾、有效、继续、充分、保持、提出、研究、位置、需要、
需求、作用、标准、反映、检验、分析、逐步、推广、满足、保证、解决、优化、方向、转
变、规范、不改变、规范化
第四章 矩阵分解
把矩阵分解为形式比较简单或具有某种特性的一些矩阵的乘积,在矩阵理论的研究与应 用中,都是十分重要的.因为这些分解式的特殊形式一方面能明显地反映出原矩阵的某些数 值特征,如矩阵的秩、行列式、特征值及奇异值等,另一方面分解的方法与过程往往提供了 某些有效的数值计算方法和理论分析根据.本章将介绍几种常用的矩阵分解形式.
§4.1 矩阵的三角分解 三角矩阵的计算,如求行列式、求逆矩阵、求解线性方程组等,都是很方便的,因此首 先研究是否可将矩阵分解成一些三角矩阵的乘积. 一、三角分解及其存在惟一性问题
定义 4.1 设 A Cnn ,如果存在下三角矩阵 L Cnn 和上三角矩阵 R Cnn ,使得
A=LR 则称 A 可以作三角分解.
关于三角分解的存在性有如下一些结论.
定理 4.1

A
C
nn n
,则
A
可以作三角分解的充分必要条件是
k
≠0
(k=1,2,…,n
-1),其中 k det Ak 为 A 的 k 阶顺序主子式,而 Ak 为 A 的 k 阶顺序主子阵。
证 必要性.已知 A 可以作三角分解,即 A=LR,其中 L= lij nn lij 0,i<j ,
R rij nn rij 0,i>j .将 A,L 和 R 进行分块,得
这里 Ak , Lk 和 Rk 分别是 A,L 和 R 的 k 阶顺序主子阵,且 Lk 和 Rk 分别是上三角矩阵
和下三角矩阵.由矩阵的分块乘法运算,得
由于
所以
= l11 lkkr11 rkk≠0 (k 1, 2, , n 1)
充分性.对阶数 n 用归纳法证明.当 n=1 时, A1 a11 1a11 ,结论成立.设对
n=k 结论成立,即 Ak Lk Rk ,其中 Lk 和 Rk 分别是上三角矩阵和下三角矩阵,且由 k det Ak det Lk det Rk≠0 知, Lk 与 Rk 均可逆.则当 n=k+1 时,有
其中 ck a1,k1 , , ak ,k1 T ,rkT ak1,1 , , ak1,k .故由归纳假设知 A 可以作三角分解.
证毕
这个定理说明,并不是每个可逆矩阵都可以作三角分解.如矩阵
A

0 1
1
0

就不能作
三解分解.
定理 4.2

A
Cnn r
,且
A
的前
r
个顺序主子式不为零,即
k
≠0
(k=1,2,…,r),
见 A 可以作三角分解.
证 由定理 4.1 知, Ar 可以作三角分解,即 Ar Lr Rr ,且 Lr 和 Rr 分别是可逆的上三
角矩阵和下三角矩阵.将矩阵 A 分块为
由于 rankAr =rankA=r,所以 A 的后 n-r 行可由前 r 行线性表示,即存在矩阵 B Cnrr ,
使得 A21 BAr , A22 BA12 ,从而
即得到 A 的一种三角分解.
证毕
该定理的条件仅是充分的.如矩阵
A

0 1
0 2

的秩为
1,不满足定理的条件,但
1文档来源为:从网络收集整理.word 版本可编辑.

相关文档
最新文档