三阶矩阵+QR分解+HouseHolder+Python 代码计算实例

最新推荐文章于 2024-07-03 00:24:10 发布
最新推荐文章于 2024-07-03 00:24:10 发布
阅读量6.5k 收藏 47
点赞数 16
分类专栏： 考试 文章标签： 线性代数 qr householder变换 python 矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/huangjinkuaile/article/details/112196043
版权

提示：三阶QR 分解计算实例————保姆级分解过程

文章目录

前言

QR分解法求解特征值应用范围广泛，是本世界十大算法之一，可以求解任意矩阵的特征值，也是研究生《数值分析》课程中重要的章节，考试重点（武汉大学）。
这里有详细的三阶矩阵的QR分解计算步骤，可供大家理解QR算法。（敲黑板考试重点）

提示：下面案例可供参考，并附有python代码（成功运行）

一、QR分解理论推导

这里有一个很详细的理论推导过程，参考下面的博客。
基于HouseHolder变换的QR分解理论推导过程

二、案例解析

1.对A= ( 1 1 1 2 − 1 − 1 2 − 4 5 ) \begin{pmatrix} 1& 1& 1\\ 2&-1&-1\\2& -4& 5\\\end{pmatrix} ⎝⎛​122​1−1−4​1−15​⎠⎞​进行QR分解，求出QR。

解：QR分解过程如下：

step1：

S1 = ( 1 2 2 ) \begin{pmatrix} 1\\ 2\\2\\\end{pmatrix} ⎝⎛​122​⎠⎞​e1 = ( 1 0 0 ) \begin{pmatrix} 1\\ 0\\0\\\end{pmatrix} ⎝⎛​100​⎠⎞​
c1 = -sign(a11) S 1 T ∗ S 1 \sqrt {S1^T*S1} S1T∗S1 ​
U1= S1-c1*e1
    = ( 4 2 2 ) \begin{pmatrix} 4\\ 2\\2\\\end{pmatrix} ⎝⎛​422​</

最低0.47元/天 解锁文章
huangjinkuaile
关注
专栏目录
第19篇矩阵的QR分解与最小二乘问题
AI架构设计之禅
04-18 382
第19篇 矩阵的QR分解与最小二乘问题 1. 背景介绍 1.1 最小二乘问题的重要性 在数据分析、机器学习、信号处理等诸多领域中,我们经常会遇到需要拟合数据的情况。拟合数据的目的是找到一个函数或模型,使其能够很好地描述数据之间的
豪斯霍德(Householder Reduction)转换成三对角形式(python,数值积分)
seventonight的博客
05-05 3587
第三十一篇 豪斯霍德转换成三对角形式 三对角形式 三对角矩阵就是对角线、邻近对角线的上下次对角线上有元素，其他位置均为0的矩阵。 雅可比主对角化求特征值要求转化矩阵应该具有下面的性质 豪斯霍尔德技术要求选择p为 其中{w}是一个归一化的列向量，使其欧几里德范数等于单位，因此 例如，让 按照上面的乘积 然后可以得到 它具有下面的性质 为消去[A]在对角线外第一行的项，向量{w}应被取为 因此，假设[A]为3 × 3，对第一行的变换矩阵为 当乘积[P][A][P]被计算时，结果矩阵的第一行包含
python3两个三阶矩阵相乘公式_python的几种矩阵相乘的公式详解
weixin_39756416的博客
12-17 5856
1. 同线性代数中矩阵乘法的定义： np.dot()np.dot(A, B)：对于二维矩阵，计算真正意义上的矩阵乘积，同线性代数中矩阵乘法的定义。对于一维矩阵，计算两者的内积。见如下Python代码：import numpy as np# 2-D array: 2 x 3two_dim_matrix_one = np.array([[1, 2, 3], [4, 5, 6]])# 2-D array...
长矩阵（宽矩阵） 基于Householder变换的QR分解 Python源码
harry_wang211的博客
09-20 757
网上关于QR分解的讲解非常充分，但大多是对方阵进行的。本次例题作用于一个11 * 8的长矩阵的QR分解，查阅网上的代码发现Householder变换的代码在方阵变为长、宽矩阵时无法运行，故按照计算方式写一种计算方法。
利用Householder变换进行矩阵QR分解
Zhang_Engineer的博客
07-02 9066
利用Householder变换进行非奇异矩阵的QR分解非奇异矩阵QR分解Householder变换贴代码 非奇异矩阵QR分解 实(复)非奇异矩阵A\boldsymbol{A}A，化成正交(酉)矩阵的Q\boldsymbol{Q}Q与实(复)非奇异上三角矩阵的R\boldsymbol{R}R的乘积的形式，即 A=QR \boldsymbol{A=QR} A=QR Householder变换 又称作对称变换，将需要变换的向量以某一镜像向量为参照进行对称变换，两向量关于镜像向量对称。假设Householder变换
PYTHON--三阶矩阵相加
qq_56438516的博客
04-17 1761
python对于矩阵的运算。简单的方法，快速实现。并可延申至多维矩阵的计算
（23）利用Householder变换求A的QR分解
段智华的博客
05-30 6398
（23）利用Householder变换求A的QR分解 补发笔记
QR方法：如何使用Householder变换实现QR分解
通过QR分解，我们可以更好地理解矩阵的性质和结构，在数值计算和线性代数中有着重要的应用。 ### 1.2 Householder变换简介 Householder变换是一种常用的正交变换方法，用于将一个向量通过一个反射矩阵映射为另一个...
python主成分分析代码_主成分分析 (PCA) 与其高维度下python实现(简单人脸识别)
weixin_39646688的博客
11-29 1000
Introduction主成分分析（Principal Components Analysis）是一种对特征进行降维的方法。由于观测指标间存在相关性，将导致信息的重叠与低效，我们倾向于用少量的、尽可能多能反映原特征的新特征来替代他们，主成分分析因此产生。主成分分析可以看成是高维空间通过旋转坐标系找到最佳投影(几何上)，生成新维度，其中新坐标轴每一个维度都是原维度的线性组合\(\theta'X\)(...
householder 变换
01-23
householder变换求解最小二乘问题的MATLAB程序
householder变换
09-11
该程序是计算householder变换的matlab程序，详情请参考相关数值计算资料
矩阵程序作业-householder变换C++程序，可运行
01-23
本程序用C++编写，实现Householder矩阵变换。亲测可运行
矩阵QR分解 Givens变换 Householder变换
09-06
矩阵QR分解 Givens变换 Householder变换
矩阵变换 householder变换
11-16
用matlab实现矩阵变换的householder
线性代数导引：因式分解
最新发布
程序员光剑
07-03 1006
线性代数导引：因式分解 关键词： 因式分解 线性代数基础 矩阵运算 特征值与特征向量 向量空间理论 1. 背景介绍 1.
三阶矩阵的共同面积求和（python和java两种代码实现）
生命不息，bug不止，一起探讨下写bug的技术吧
03-23 1037
第一种实现方式python： while True: try: rectangle1, rectangle2, rectangle3 = [], [], [] # 三个矩形的数据 ax1, ay1, lenth1, width1 = map(int, input().split(' ')) ax2, ay2, lenth2, width2 = map(int, input().split(' ')) ax3, ay3, lenth3,
python计算矩阵的逆_用Python实现三阶矩阵的求逆？
weixin_39917090的博客
12-07 658
展开全部你好，下面是一个对e68a84e8a2ad62616964757a686964616f31333431346363应的三阶矩阵求逆的代码importwarningswarnings.filterwarnings("ignore")matrix1=[[1,2,0,0],[3,4,0,0],[0,0,4,1],[0,0,3,2],]matrix2=[[1,0,-1,2,1],[3,2...
Householder的Matlab代码
qq_41954073的博客
05-23 2819
function H = Householder(x) n = length(x); H = eye(n); if (abs(x(1))<eps)|(x(1)>0) s = 1; else s = -1; end x(1) = x(1)+sqrt(x'*x)*s; if abs(x'*x)>eps H = H-x*x.'*2/(x'*x); end end
用python实现householder矩阵的qr分解
05-29
下面是用Python实现Householder矩阵的QR分解的代码： ```python import numpy as np def qr_hh(A): m, n = A.shape R = A.copy() Q = np.eye(m) for j in range(n): x = R[j:, j] e = np.zeros_like(x) e[0] = np.sign(x[0]) u = x + e * np.linalg.norm(x) u = u / np.linalg.norm(u) R[j:, j:] = R[j:, j:] - 2 * np.outer(u, u.T @ R[j:, j:]) Q[j:, :] = Q[j:, :] - 2 * np.outer(u, u.T @ Q[j:, :]) return Q, R ``` 输入参数A是一个$m \times n$的矩阵，输出结果是QR分解的Q和R矩阵。这里采用了Householder矩阵的方法实现QR分解。 Householder矩阵的QR分解基本思路如下： 1. 对于矩阵$A$的第$j$列，选取一个向量$x$，使得$x$与$A$的第$j$列向量$u$的内积为$||x||$，而$x$与$u$之间的夹角为$90^{\circ}$。 2. 构造Householder矩阵$H_j=I-2uu^T$，其中$u$是单位向量，使得$H_j$将$A$的第$j$列向量变成一个倍长的向量，使得这个向量的第一个元素为$||x||$。 3. 用$H_j$左乘$A$，得到新的矩阵$A^{(1)}$，此时$A^{(1)}$的第$j$列向量已经是一个倍长的向量。 4. 分别对$A^{(1)}$的第$j+1$列到第$n$列，重复上述过程，得到新的矩阵$A^{(2)}$，$A^{(3)}$，$\cdots$，$A^{(n)}$。 5. 最终得到的矩阵$A^{(n)}$就是QR分解的R矩阵，而对之前构造的所有Householder矩阵做一次相似变换，得到QR分解的Q矩阵。 以上就是用Python实现Householder矩阵的QR分解的基本思路和代码实现。
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值