690 likes | 1.11k Views
法一 G-S 正交化方法 法二 Householder 变换 法三 Givens 变换. 均可实现 [A]=[Q][R]. 重点讲. §1-5 矩阵的 QR 分解 —— 一种正交变换. 第 5 节 矩阵的 QR 分解. [A] 为一般非奇异方阵. 思想 :设. 称为 [A] 的 QR 分解. 若. [Q]—— 正交矩阵, [R]—— 上三角阵. 其中 :. 第 一 章. 实现 [A] 的 QR 分解的方法:. 基 础 知 识. 第 5 节 矩阵的 QR 分解. 重点要求掌握两种变换方法的思想:.
E N D
法一 G-S正交化方法 法二 Householder变换 法三 Givens变换 均可实现 [A]=[Q][R] 重点讲 §1-5 矩阵的QR分解 —— 一种正交变换 第5节 矩阵的 QR 分解 [A]为一般非奇异方阵 思想:设 称为[A]的QR分解 若 [Q]——正交矩阵, [R]——上三角阵 其中: 第 一 章 实现[A]的QR分解的方法: 基 础 知 识
第5节 矩阵的 QR 分解 重点要求掌握两种变换方法的思想: ①Householder变换 ②Givens变换 这是两种常用的正交相似变换! 第 一 章 变换的目的使原矩阵简化,便于求特征解! 基 础 知 识
第5节 矩阵的 QR 分解 一、用Householder变换实现QR分解 下面介绍: 1、Householder变换(简称H变换)的定义和性质 “指定方向”上去 2、用H变换将“给定向量” (进行一次最基本的H变换) 3、用H变换将一般矩阵 [A]=[Q][R] 第 一 章 (要通过n-1步最基本的H变换才能实现) 4、用H正交相似变换,把一般矩阵[A]约化为 上Hessenherg阵 基 础 知 识
1、H变换矩阵的定义和性质 第5节 矩阵的 QR 分解 (可推广到复空间) 定义:设 称为Householder变换矩阵! 其中: 第 一 章 基 础 知 识 模的平方!
第5节 矩阵的 QR 分解 若引入规范化向量(单位向量): 即 第 一 章 基 础 知 识 则
性质: 第5节 矩阵的 QR 分解 (1)对称性: (2)正交性: 即 证: 第 一 章 基 础 知 识 证毕。 注意:
*(3)镜面反射性: 第5节 矩阵的 QR 分解 即:从何意义:H变换称为镜面反射变换。 为直观起见,讨论 n=3的情形。 设 的单位向量; — 是三维空间 — 是与 垂直的平面(即镜面) 第 一 章 则任何三维向量 可分解为 基 础 知 识 请看图示意:
S 第5节 矩阵的 QR 分解 - 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 其中: 与 垂直,在S平面中: 即 与 平行, 第 一 章 可验证: 基 础 知 识
0 第5节 矩阵的 QR 分解 证: 垂直! 与 因为 , 第 一 章 证毕 又从图可直观看出 基 础 知 识
又从图可直观看出 第5节 矩阵的 QR 分解 经H变换后的像 即:向量 是关于平面S的对称向量。 因此,从几何角度,称H变换为镜面反射变换。 H矩阵也称为初等反射矩阵。 第 一 章 时,镜面S是一平面(二维) 可以看出: 基 础 知 识 时,镜面S是一超平面。
I *(4)向量模的保值性 第5节 矩阵的 QR 分解 即 变换前后二向量的模相等,只是方向改变! 即模相等! 第 一 章 以上为H变换的定义以其性质。(重要!) 基 础 知 识 实现H变换过程关键是要确定变换矩阵 下面给出如何确定变换矩阵 的思想。
如果我们给定了 和 ,且满足 第5节 矩阵的 QR 分解 (模相等) 则可以找到 ,使 要确定 ,就要确定向量 方向。 从几何图可见, 显然应取在 所以,单位向量 第 一 章 则 基 础 知 识 下面讨论H变换的一种重要应用: 用H变换将一个向量变换到指定方向。
将 关键找 2、用一次H变换,将一向量变换到给定的方向上 第5节 矩阵的 QR 分解 设 方向上 ——垂直于镜面S 变换阵: 第 一 章 使 是 的像! 基 础 知 识 变换后的模
根据H变换模的保值性质,则 第5节 矩阵的 QR 分解 由镜面反射性质图可见 则 S 第 一 章 下面验证,这样取 是否达到 基 础 知 识
证: 第5节 矩阵的 QR 分解 第 一 章 基 础 知 识 因为
即 第5节 矩阵的 QR 分解 , 第 一 章 基 础 知 识 即 证毕。
H变换基本公式 第5节 矩阵的 QR 分解 结论:取 则变换 第 一 章 即 方向上,并保持模不变! 基 础 知 识 变换到
注意: 第5节 矩阵的 QR 分解 不致于在计算时失去有效 实际计算时,为了使 数字(即:当两数接近时,避免相近的两数相减时, 不吃掉有效数字 ),取 符号函数表示:当 为正时, 当 为负时, 第 一 章 即取 基 础 知 识
第5节 矩阵的 QR 分解 取 第 一 章 基 础 知 识 下面举一例。
举例 H变换 将 第5节 矩阵的 QR 分解 求解: 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 可以验证: 第 一 章 显然有: 基 础 知 识 下面再请大家做1个作业:
第5节 矩阵的 QR 分解 作业: 对任意 ,试确定 使得镜像变换矩阵 把 变换为: 第 一 章 基 础 知 识 请写出具体的变换公式。
第5节 矩阵的 QR 分解 答案: , 第 一 章 基 础 知 识
使[A] 即 形成[P]—正交矩阵 第5节 矩阵的 QR 分解 3、用Householder变换 来实现一般实矩阵[A]的QR分解 基本思想: ,[A]为一般实矩阵,满阵。 对[A]做一系列的H变换(n-1次) 上三角阵 第 一 章 基 础 知 识 即:
(正交矩阵乘积仍为正交矩阵) 其中 第5节 矩阵的 QR 分解 或 正交阵[P]: 具体实现过程: (1)消去[A]的第一列对角元下方元素。 即 第 一 章 记 基 础 知 识 指定方向
第5节 矩阵的 QR 分解 ,它的第一列向量记: 记 则变换矩阵 其中 第 一 章 则有 基 础 知 识
第5节 矩阵的 QR 分解 于是 的作用下成为 在H变换矩阵 (2)一般地,经过 步H变换后,有 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 其中: — 阶上三角方阵; — 阶矩阵 — 阶方阵 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 的第一列为 (3)记 构造H变换矩阵 即 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 则 第 一 章 阶方阵! 基 础 知 识
第5节 矩阵的 QR 分解 为了获得 则把 扩充为 n维 n-j+1 维 j-1 则n 阶变换矩阵 第 一 章 基 础 知 识 阶方阵!
第5节 矩阵的 QR 分解 ③第j步H变换: 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 阶上三角阵 阶矩阵 阶方阵 第 一 章 ④如此进行n-1步H变换后可得: 基 础 知 识
第5节 矩阵的 QR 分解 这样 就化成为上三角阵。 ⑤用统一式子表示上述n-1步H变换,即 第 一 章 基 础 知 识
n-1个正交矩阵乘积 H变换性质! 第5节 矩阵的 QR 分解 令 即 第 一 章 两边左乘 基 础 知 识
第5节 矩阵的 QR 分解 令 则 这就是实矩阵[A]的QR分解! 综上所述: 分解为一 通过n-1步H变换,可把 个正交矩阵[Q]和一个上三角阵[R]的乘积,这就是 矩阵的QR分解过程(即n-1次H变换过程)。 第 一 章 实践证明: 基 础 知 识 用H变换实现QR分解比G-S正交化 方法更节约计算量,且数值稳定性好!
第5节 矩阵的 QR 分解 二、用H正交相似变换把实矩阵 约化为上 Hessenberg矩阵或三对角阵 基本思想: 第 一 章 上Hessenberg矩阵 对称三对角阵 基 础 知 识
1、基本约化公式: 记 第5节 矩阵的 QR 分解 , 第 一 章 基 础 知 识
× × × × × × 第5节 矩阵的 QR 分解 2、以 为例,对约化过程图示说明: 第①次结果: 第 一 章 基 础 知 识
× × × × × × × × × × × × × × × 第5节 矩阵的 QR 分解 第②次结果: 第③次结果: 第 一 章 基 础 知 识
——表示变换中不变的元素。 ——若[A]对称时为对称元素。 图中 × 第5节 矩阵的 QR 分解 即:经过5-2=3次H变换,使 上三角阵 3、具体变换过程(或约化过程) 第①步: 记 第 一 章 将 写成分块 基 础 知 识
第5节 矩阵的 QR 分解 这里: 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 ①步结果得到 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 第②步: 不变了,再选择 使 第 一 章 ②步结果得到 基 础 知 识
行 行 第5节 矩阵的 QR 分解 第(k-1)步结果是得到 第 一 章 第K步变换: 基 础 知 识 得
第5节 矩阵的 QR 分解 第 一 章 基 础 知 识
第5节 矩阵的 QR 分解 可见: 的左上角 阶 上Hessenberg阵,而左下角又多了一列零元素。 如此进行下去,经过n-2次H相似变换,就可以使 第 一 章 化为完全上Hessenberg阵形式。 基 础 知 识
即 第5节 矩阵的 QR 分解 上Hessenberg阵形式 若记 正交矩阵 第 一 章 仍为正交矩阵 基 础 知 识 正交相似变换!
若[A]是对称阵,由于正交相似变换 不改变[A]的对称性, 第5节 矩阵的 QR 分解 则 都是对称阵! 所以 其中: ——k阶对称三对角阵 ——(n-k)阶对称阵 第 一 章 所以[A]经过n-2次变换最终变换 结果将得到一个对称三角阵。 基 础 知 识