1 / 65

§1-5 矩阵的 QR 分解 —— 一种正交变换

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:.

kevlyn
Download Presentation

§1-5 矩阵的 QR 分解 —— 一种正交变换

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. 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

  2. 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

  3. 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

  4. 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!

  5. 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

  6. 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:

  7. *(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:

  8. S 第5节 矩阵的 QR 分解 - 第 一 章 基 础 知 识

  9. 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

  10. 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

  11. 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。

  12. 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。

  13. 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。

  14. 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

  15. 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

  16. 证: 第5节 矩阵的 QR 分解 第 一 章 基 础 知 识 因为

  17. 第5节 矩阵的 QR 分解 , 第 一 章 基 础 知 识 即 证毕。

  18. 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

  19. 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

  20. 第5节 矩阵的 QR 分解 取 第 一 章 基 础 知 识 下面举一例。

  21. 举例 H变换 将 第5节 矩阵的 QR 分解 求解: 第 一 章 基 础 知 识

  22. 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:

  23. 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。

  24. 第5节 矩阵的 QR 分解 答案: , 第 一 章 基 础 知 识

  25. 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:

  26. (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

  27. 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

  28. 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

  29. 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

  30. 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

  31. 第5节 矩阵的 QR 分解 则 第 一 章 阶方阵! 基 础 知 识

  32. 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!

  33. 第5节 矩阵的 QR 分解 ③第j步H变换: 第 一 章 基 础 知 识

  34. 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

  35. 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

  36. 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

  37. 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!

  38. 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

  39. 1、基本约化公式: 记 第5节 矩阵的 QR 分解 , 第 一 章 基 础 知 识

  40. × × × × × × 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

  41. × × × × × × × × × × × × × × × 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

  42. ——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

  43. 第5节 矩阵的 QR 分解 这里: 第 一 章 基 础 知 识

  44. 第5节 矩阵的 QR 分解 ①步结果得到 第 一 章 基 础 知 识

  45. 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

  46. 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

  47. 第5节 矩阵的 QR 分解 第 一 章 基 础 知 识

  48. 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

  49. 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!

  50. 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

More Related