矩阵分析中的QR分解

最新推荐文章于 2024-05-28 21:32:34 发布

xyz599

最新推荐文章于 2024-05-28 21:32:34 发布

阅读量5k

点赞数 2

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/xyz599/article/details/53759527

版权

定理1 (Gram-Schmidt 正交化方法)：

对 $\mathbb{R}^n$ 中子空间 $W$ 的一个基 $\{\vec{x_1},...,\vec{x_p}\}$ ，定义

$\vec{v_1}=\vec{x_1}$

$\vec{v_2}=\vec{x_2}-\frac{\vec{x_2}\cdot\vec{v_1}}{\vec{v_1}\cdot\vec{v_1}}\vec{v_1}$

$\vec{v_3}=\vec{x_3}-\frac{\vec{x_3}\cdot\vec{v_1}}{\vec{v_1}\cdot\vec{v_1}}\vec{v_1}-\frac{\vec{x_3}\cdot\vec{v_2}}{\vec{v_2}\cdot\vec{v_2}}\vec{v_2}$

$\vec{v_p}=\vec{x_p}-\sum_{k=1}^{p-1}\frac{\vec{x_p}\cdot\vec{v_k}}{\vec{v_k}\cdot\vec{v_k}}\vec{v_k}$

那么 $\{\vec{v_1},...,\vec{v_p}\}$ 是 $W$ 的一个正交基，此外有

$Span\{\vec{v_1},...,\vec{v_k}\}=Span\{\vec{x_1},...,\vec{x_k}\},(1\leqslant k \leqslant p) \qquad (1)$

定理2：

一个 $m\times n$ 的矩阵 $U$ 具有单位正交列向量的充要条件是。

证明：

必要性：

$U^TU=\begin{pmatrix} \vec{u}_1^T\\ \vec{u}_2^T\\ ...\\ \vec{u}_n^T \end{pmatrix}\begin{pmatrix} \vec{u}_1 & \vec{u}_2 & ... & \vec{u}_n \end{pmatrix}=\begin{pmatrix} \vec{u}_1^T\cdot\vec{u}_1 & \vec{u}_1^T\cdot\vec{u}_2 & ... & \vec{u}_1^T\cdot\vec{u}_n\\ \vec{u}_2^T\cdot\vec{u}_1 & \vec{u}_2^T\cdot\vec{u}_2 & ... & \vec{u}_2^T\cdot\vec{u}_n\\ ... & ... & ... & ...\\ \vec{u}_n^T\cdot\vec{u}_1 & \vec{u}_n^T\cdot\vec{u}_2 & ... & \vec{u}_n^T\cdot\vec{u}_n \end{pmatrix}$

因为

$\vec{u}_i^T\cdot\vec{u}_j=\begin{cases} 1 & \text{ if } i= j \\ 0 & \text{ if } i\neq j \end{cases}$

所以有

充分性：略。

定理3 (QR分解)：

如果 $m\times n$ 矩阵的列 $\vec{x}_1, ..., \vec{x}_n$ 线性无关，那么可以分解为，其中是一个 $m\times n$ 矩阵，其列形成的一个标准正交基， $R$ 是一个 $n\times n$ 上三角可逆矩阵且在对角线上的元素为正数。

证明：

通过定理1构造的一个标准正交基 $\{\vec{u}_1,...,\vec{u}_n\}$ ，且取

$Q=\begin{pmatrix} \vec{u}_1 & \vec{u}_2 & ... & \vec{u}_n \end{pmatrix}$

满足 $Span\{\vec{x}_1,...,\vec{x}_k\}=Span\{\vec{u}_1,...,\vec{u}_k\},(k=1,...,n)$ 。

故存在常数 $r_{1k},r_{2k},...,r_{kk}$ 使得

$\vec{x}_k=\sum_{i=1}^{k}r_{ik}\vec{u}_i+\sum_{i=k+1}^{n}0\cdot \vec{u}_i$

可假设 $r_{kk}\geqslant 0$ (如果 $r_{kk}< 0$ ，可以对 $r_{kk}$ 和 $\vec{u}_k$ 都乘以)，这表明 $\vec{x}_k$ 是中列的线性组合，且系数是下面向量分量：

$\vec{r}_k=\begin{pmatrix} r_{1k}\\ \vdots \\ r_{kk}\\ 0\\ \vdots \\ 0 \end{pmatrix}$

即 $\vec{x}_k=Q\vec{r}_k,(k=1,2,...,n)$ ，故

$A=\begin{pmatrix} \vec{x}_1 & \vec{x}_2 & ... & \vec{x}_n \end{pmatrix}=\begin{pmatrix} Q\vec{r}_1 & Q\vec{r}_2 & ... & Q\vec{r}_n \end{pmatrix}=QR$

证毕。

示例：求矩阵的一个分解，其中有

$A=\begin{pmatrix} 1 & 0 & 0\\ 1 & 1 & 0\\ 1 & 1 & 1\\ 1 & 1 & 1 \end{pmatrix}$ 。

解：根据定理1可构造得到

$Q=\begin{pmatrix} 1/2 & -3/\sqrt{12} & 0\\ 1/2 & ~~1/\sqrt{12} & -2/\sqrt{6}\\ 1/2 & ~~1/\sqrt{12} & ~~1/\sqrt{6}\\ 1/2 & ~~1/\sqrt{12} & ~~1/\sqrt{6} \end{pmatrix}$

结合定理2可得

所以有

$R=Q^TA=\begin{pmatrix} 2 & 3/2 & 1\\ 0 & 3/\sqrt{12} & 2/\sqrt{12}\\ 0 & 0 & 2/\sqrt{6} \end{pmatrix}$

解毕。

参考文献：

$[1] David~C.~Lay.~Linear~Alegbra~and~Its~Applications~(3^{rd}~Edition).~China~Machine~Press(2005).$

转自点击打开链接

关注

2
点赞
踩
8

收藏

觉得还不错? 一键收藏
1
评论
矩阵分析中的QR分解

定理1 (Gram-Schmidt 正交化方法)：对中子空间的一个基，定义那么是的一个正交基，此外有定理2：一个的矩阵具有单位正交列向量的充要条件是。证明：必要性：因为所以有充分性：略。定理3 (QR分解)：如果矩阵的列线性无关，那么可以分解为，其中是一个矩阵，其列形
复制链接

扫一扫

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。