矩阵分解相关知识点总结(二)

news2026/2/22 19:26:50

文章目录

    • 三、矩阵的QR分解
        • 3.1、Givens矩阵与Givens变换
        • 3.2、Householder矩阵与Householder变换
        • 3.3、QR分解

书接上文矩阵分解相关知识点总结(一)

三、矩阵的QR分解

3.1、Givens矩阵与Givens变换

  设非零列向量 x ∈ R n \bm{x}\in {\bf{R}}^n xRn及单位列向量 z ∈ R n \bm{z}\in {\bf{R}}^n zRn,存在有限个Givens矩阵的乘积,记作 T \bm{T} T,使得
T x = ∣ x ∣ z (3) \color{#F00}\bm{T}\bm{x}=|\bm{x}|\bm{z}\tag{3} Tx=xz(3)

上式即为Givens变换,也称初等旋转变换,其中Givens矩阵,也称初等旋转矩阵,记作 T i j = T i j ( c , s ) = [ I c s I − s c I ] \color{#F0F}\bm{T}_{ij}=\bm{T}_{ij}(c,s)=\begin{bmatrix} \bm{I} \\[1ex] & c & & s & \\[1.2ex] & & \bm{I} \\[1.2ex] & -s& & c \\[1.2ex] & & & & \bm{I} \end{bmatrix} Tij=Tij(c,s)= IcsIscI T = T 1 n T 1 , n − 1 ⋯ T 13 T 12 \bm{T}=\bm{T}_{1n}\bm{T}_{1,n-1}\cdots \bm{T}_{13}\bm{T}_{12} T=T1nT1,n1T13T12

  对于非零列向量 x = ( ξ 1 , ξ 2 , ⋯   , ξ n ) T \bm{x}=(\xi_1,\xi_2,\cdots,\xi_n)^{\rm T} x=(ξ1,ξ2,,ξn)T,及单位列向量 z = e 1 = ( 1 , 0 , ⋯   , 0 ) T \bm{z}=\bm{e}_1=(1,0,\cdots,0)^{\rm T} z=e1=(1,0,,0)T,其Givens变换过程如下:

  • 首先对 x \bm{x} x构造Givens矩阵 T 12 ( c , s ) = [ c s − s c I ] \bm{T}_{12}(c,s)=\begin{bmatrix} c&s \\-s & c\\ & & \bm{I} \end{bmatrix} T12(c,s)= csscI ,其中 c = ξ 1 ξ 1 2 + ξ 2 2   ,   s = ξ 2 ξ 1 2 + ξ 2 2 c=\cfrac{\xi_1}{\sqrt{\xi_1^2+\xi_2^2}}\,,\,s=\cfrac{\xi_2}{\sqrt{\xi_1^2+\xi_2^2}} c=ξ12+ξ22 ξ1,s=ξ12+ξ22 ξ2,有
    T 12 x = ( ξ 1 2 + ξ 2 2 , 0 , ξ 3 , ⋯   , ξ n ) T \bm{T}_{12}\bm{x}=(\sqrt{\xi_1^2+\xi_2^2},0,\xi_3,\cdots,\xi_n)^{\rm T} T12x=(ξ12+ξ22 ,0,ξ3,,ξn)T

  • 再对 T 12 x \bm{T}_{12}\bm{x} T12x构造Givens矩阵 T 13 ( c , s ) = [ c s 1 − s c I ] \bm{T}_{13}(c,s)=\begin{bmatrix} c& &s \\ &1& \\-s & & c\\ & & & \bm{I} \end{bmatrix} T13(c,s)= cs1scI ,其中 c = ξ 1 2 + ξ 2 2 ξ 1 2 + ξ 2 2 + ξ 3 2   ,   s = ξ 3 ξ 1 2 + ξ 2 2 + ξ 3 2 c=\cfrac{\sqrt{\xi_1^2+\xi_2^2}}{\sqrt{\xi_1^2+\xi_2^2+\xi_3^2}}\,,\,s=\cfrac{\xi_3}{\sqrt{\xi_1^2+\xi_2^2+\xi_3^2}} c=ξ12+ξ22+ξ32 ξ12+ξ22 ,s=ξ12+ξ22+ξ32 ξ3,有
    T 13 ( T 12 x ) = ( ξ 1 2 + ξ 2 2 + ξ 3 2 , 0 , 0 , ξ 4 , ⋯   , ξ n ) T \bm{T}_{13}(\bm{T}_{12}\bm{x})=(\sqrt{\xi_1^2+\xi_2^2+\xi_3^2},0,0,\xi_4,\cdots,\xi_n)^{\rm T} T13(T12x)=(ξ12+ξ22+ξ32 ,0,0,ξ4,,ξn)T

  • 如此下去,最后对 T 1 , n − 1 T 1 , n − 2 ⋯ T 13 T 12 x \bm{T}_{1,n-1}\bm{T}_{1,n-2}\cdots \bm{T}_{13}\bm{T}_{12}\bm{x} T1,n1T1,n2T13T12x构造Givens矩阵 T 1 n ( c , s ) = [ c s I − s c ] \bm{T}_{1n}(c,s)=\begin{bmatrix} c& &s \\ & \bm{I}& \\-s & & c \end{bmatrix} T1n(c,s)= csIsc ,其中 c = ξ 1 2 + ⋯ + ξ n − 1 2 ξ 1 2 + ξ 2 2 + ⋯ + ξ n − 1 2 + ξ n 2   ,   s = ξ n ξ 1 2 + ξ 2 2 + ⋯ + ξ n − 1 2 + ξ n 2 \color{#F0F}c=\cfrac{\sqrt{\xi_1^2+\cdots+\xi_{n-1}^2}}{\sqrt{\xi_1^2+\xi_2^2+\cdots+\xi_{n-1}^2+\xi_{n}^2}}\,,\,s=\cfrac{\xi_n}{\sqrt{\xi_1^2+\xi_2^2+\cdots+\xi_{n-1}^2+\xi_{n}^2}} c=ξ12+ξ22++ξn12+ξn2 ξ12++ξn12 ,s=ξ12+ξ22++ξn12+ξn2 ξn,有
    T 1 n ( T 1 , n − 1 ⋯ T 12 x ) = ( ξ 1 2 + ξ 2 2 + ⋯ + ξ n − 1 2 + ξ n 2 , 0 , ⋯   , 0 ) T \bm{T}_{1n}(\bm{T}_{1,n-1}\cdots \bm{T}_{12}\bm{x})=(\sqrt{\xi_1^2+\xi_2^2+\cdots+\xi_{n-1}^2+\xi_{n}^2},0,\cdots,0)^{\rm T} T1n(T1,n1T12x)=(ξ12+ξ22++ξn12+ξn2 ,0,,0)T

T = T 1 n T 1 , n − 1 ⋯ T 12 \bm{T}=\bm{T}_{1n}\bm{T}_{1,n-1}\cdots \bm{T}_{12} T=T1nT1,n1T12,有 T x = ∣ x ∣ z = ∣ x ∣ e 1 \bm{T}\bm{x}=|\bm{x}|\bm{z}=|\bm{x}|\bm{e}_1 Tx=xz=xe1,即通过有限个Givens矩阵 T   \bm{T}\, T x   \bm{x}\, x变换为与 z   \bm{z}\, z同方向的向量。

3.2、Householder矩阵与Householder变换

  任意给定非零列向量 x ∈ R n    ( n > 1 ) \bm{x}\in {\bf{R}}^n\;(n>1) xRn(n>1)及单位列向量 z ∈ R n \bm{z}\in {\bf{R}}^n zRn,则存在矩阵 H \bm{H} H,使得
H x = ∣ x ∣ z (4) \color{#F00}\bm{H}\bm{x}=|\bm{x}|\bm{z}\tag{4} Hx=xz(4)

上式即为Householder变换,也称初等反射变换,其中 H = I − 2 u u T \color{#F0F}\bm{H}=\bm{I}-2\bm{uu}^{\rm T} H=I2uuT,为Householder矩阵,也称初等反射矩阵

  对于非零列向量 x = ( ξ 1 , ξ 2 , ⋯   , ξ n − 1 , ξ n ) T \bm{x}=(\xi_1,\xi_2,\cdots,\xi_{n-1},\xi_n)^{\rm T} x=(ξ1,ξ2,,ξn1,ξn)T及单位列向量 z = e 1 = ( 1 , 0 , ⋯   , 0 ) T \bm{z}=\textbf{\textit{e}}_1=(1,0,\cdots,0)^{\rm T} z=e1=(1,0,,0)T,其Householder变换过程如下:

  取 u = x − ∣ x ∣ z ∣ x − ∣ x ∣ z ∣ = x − ∣ x ∣ e 1 ∣ x − ∣ x ∣ e 1 ∣ \color{#F0F}\bm{u}=\cfrac{\bm{x}-|\bm{x}|\bm{z}}{|\bm{x}-|\bm{x}|\bm{z}|}=\cfrac{\bm{x}-|\bm{x}|\bm{e}_1}{|\bm{x}-|\bm{x}|\bm{e}_1|} u=xxzxxz=xxe1xxe1,其中 ∣ x ∣ = ξ 1 2 + ξ 2 2 + ⋯ + ξ n − 1 2 + ξ n 2 |\bm{x}|=\sqrt{\xi_1^2+\xi_2^2+\cdots+\xi_{n-1}^2+\xi_{n}^2} x=ξ12+ξ22++ξn12+ξn2 ,则 H = I − 2 u u T \bm{H}=\bm{I}-2\bm{uu}^{\rm T} H=I2uuT H x = ∣ x ∣ z = ∣ x ∣ e 1 \bm{Hx}=|\bm{x}|\bm{z}=|\bm{x}|\bm{e}_1 Hx=xz=xe1,即通过Householder矩阵 H   \bm{H}\, H x   \bm{x}\, x变换为与 z   \bm{z}\, z同方向的向量。

Givens矩阵 T i j   \textbf{\textit{T}}_{ij}\, Tij具有如下性质Householder矩阵 H   \textbf{\textit{H}}\, H具有如下性质
(1) T i j = − T i j T = − T i j − 1 \bm{T}_{ij}=-\bm{T}_{ij}^{\rm T}=-\bm{T}_{ij}^{-1} Tij=TijT=Tij1 H = H T = H − 1 \bm{H}=\bm{H}^{\rm T}=\bm{H}^{-1} H=HT=H1
(2) T i j 2 = − T i j T T i j = − T i j − 1 T i j = − I \bm{T}_{ij}^{2}=-\bm{T}_{ij}^{\rm T}\bm{T}_{ij}=-\bm{T}_{ij}^{-1}\bm{T}_{ij}=-\bm{I} Tij2=TijTTij=Tij1Tij=I H 2 = H T H = H − 1 H = I \bm{H}^2=\bm{H}^{\rm T}\bm{H}=\bm{H}^{-1}\bm{H}=\bm{I} H2=HTH=H1H=I
(3) d e t T i j = 1 \rm{det}\bm{T}_{ij}=1 detTij=1 d e t H = − 1 \rm{det}\bm{H}=-1 detH=1

初等旋转矩阵是两个初等反射矩阵的乘积,即有 T i j = H v H u (5) \color{#F00}初等旋转矩阵是两个初等反射矩阵的乘积,即有\bm{T}_{ij}=\bm{H}_v\bm{H}_u\tag{5} 初等旋转矩阵是两个初等反射矩阵的乘积,即有Tij=HvHu(5)

3.3、QR分解

  设 A A A m × n m\times n m×n实(复)矩阵,且其 n n n个列线性无关,则 A A A有分解
A = Q R (6) \color{#F00}A=QR\tag{6} A=QR(6)

其中 Q Q Q m × n m\times n m×n实(复)矩阵,且满足 Q T Q = I Q^{\text T}Q=I QTQ=I Q H Q = I Q^{\text H}Q=I QHQ=I), R R R n n n阶实(复)可逆上三角矩阵。上式即为矩阵的QR分解,也称正交三角分解,该分解除去相差一个对角元素的绝对值(模)全等于1的对角矩阵因子外是唯一的。

  对于任意的 n n n阶实可逆矩阵 A = ( a i j ) n × n A=(a_{ij})_{n \times n} A=(aij)n×n,均可通过左连乘Givens矩阵(初等旋转矩阵)或左连乘Householder矩阵(初等反射矩阵),将其化为可逆上三角矩阵。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2402071.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

MySQL——视图 用户管理 语言访问

目录 视图 用户管理 数据库权限 访问 准备工作 使用函数 mysql界面级工具 连接池 视图 这里的视图与事务中的读视图是两个不同的概念:视图是一个虚拟表,其内容由查询定义。同真实的表一样,视图包含一系列带有名称的列和行数据。视图的…

二、Sqoop 详细安装部署教程

作者:IvanCodes 日期:2025年6月2日 专栏:Sqoop教程 Apache Sqoop 是一个强大的工具,用于在 Hadoop (HDFS, Hive, HBase) 与关系型数据库 (如 MySQL, PostgreSQL, Oracle) 之间高效传输数据。本教程将详细指导您如何根据官方网站截…

【C语言预处理详解(下)】--#和##运算符,命名约定,命令行定义 ,#undef,条件编译,头文件的包含,嵌套文件包含,其他预处理指令

目录 五.#和##运算符 5.1--#运算符 5.2--##运算符 六.命名约定,#undef,命令行定义 6.1--命名约定 6.2--#undef 6.3--命名行定义 七.条件编译 常见的条件编译指令: 1.普通的条件编译: 2.多个分支的条件编译(可以利用条…

03.搭建K8S集群

K8S集群搭建的方式 目前主流的搭建k8s集群的方式有kubeadm、minikube、二进制包三种方式: kubeadm(本案例搭建方式) 是一个工具,用于快速搭建kubernetes集群,目前应该是比较方便和推荐的,简单易用 kubea…

RDMA简介3之四种子协议对比

RDMA协议共有四种子协议,分别为InfiniBand、iWARP、RoCE v1和RoCE v2协议。这四种协议使用统一的RDMA API,但在具体的网络层级实现上有所不同,如图1所示,接下来将分别介绍这四种子协议。 图1 RDMA四种子协议网络层级关系图 Infin…

【最新版】西陆洗车系统源码全开源+uniapp前端+搭建教程

一.系统介绍 一款基于ThinkPHPUniapp开发的多门店洗车系统,包含用户端(小程序)、门店员工端(小程序)、门店端(PC)、平台管理端(PC)。 门店分连锁门店和独立门店&#xf…

Linux开发工具(apt,vim,gcc)

目录 yum/apt包管理器 Linux编辑器 vim 1.见一见vim 2.vim的多模式 3.命令模式底行模式等 4.vim的配置 Linux编译器 gcc/g 1.预处理(宏替换) 2.编译(生成汇编) 3.汇编(生成机器可识别代码) 4.连…

鸿蒙Next开发真机调试签名申请流程

背景: 在学习鸿蒙next开发应用的初期总是会遇到一堆的问题,毕竟鸿蒙next开发不管是他的ArKTS语言还是他的开发工具DevEco Studio都还在起步阶段,就像当初的Android起步一样,总会有资料不足的一些问题。就比如我们学习下载完DevEco…

[yolov11改进系列]基于yolov11引入上下文锚点注意力CAA的python源码+训练源码

【CAA介绍】 本文记录的是基于CAA注意力模块的RT-DETR目标检测改进方法研究。在远程遥感图像或其他大尺度变化的图像中目标检测任务中,为准确提取其长距离上下文信息,需要解决大目标尺度变化和多样上下文信息时的不足的问题。CAA能够有效捕捉长距离依赖…

【linux】全志Tina预编译一个so库文件到根文件系统/usr/lib/下

一、sdk中新建文件夹 路径: V:\t113\work3\t113\openwrt\package\feeds\libs\md5util md5util为需要注入的库文件夹。 文件结构 libs md5util files libmd5util.so makefile etc.. 二、编写makefile include $(TOPDIR)/rules.mkPKG_NAME : md5util PKG_VERSIO…

C# 类和继承(成员访回修饰符)

成员访回修饰符 本章之前的两节阐述了类的可访问性。对类的可访问性,只有两种修饰符:internal和public。 本节阐述成员的可访问性。类的可访问性描述了类的可见性;成员的可访问性描述了类成员的可 见性。 声明在类中的每个成员对系统的不同…

Linux-文件管理及归档压缩

1.根下的目录作用说明: /:Linux系统中所有的文件都在根下/bin:(二进制命令目录)存放常用的用户命令/boot:系统启动时的引导文件(内核的引导配置文件,grub配置文件,内核配置文件) 例…

微软认证考试科目众多?该如何选择?

在云计算、人工智能、数据分析等技术快速发展的今天,微软认证(Microsoft Certification)已成为IT从业者、开发者、数据分析师提升竞争力的重要凭证。但面对众多考试科目,很多人不知道如何选择。本文将详细介绍微软认证的考试方向、…

Dify工作流实践—根据word需求文档编写测试用例到Excel中

前言 这篇文章依赖到的操作可查阅我之前的文章: dify里的大模型是怎么添加进来的:在Windows本地部署Dify详细操作 flask 框架app.route()函数的开发和调用:PythonWeb开发框架—Flask工程创建和app.route使用详解 结构化提示词的编写&…

【LC实战派】小智固件编译

这篇写给立创吴总,是节前答应他配合git代码的说明;也给所有对小智感兴趣的小伙伴。 请多提意见,让这份文档更有价值 - 第一当然是拉取源码 - git clone https://github.com/78/xiaozhi-esp32.git 完成后,先查看固件中实际的…

jdbcTemplate.query备忘录

jdbcTemplate.query中使用全部字符串和参数注入&#xff0c; 查询速度为什么差距这么大 如何正确使用JdbcTemplate参数化查询 1、使用?占位符 String sql "SELECT * FROM users WHERE name LIKE ?"; List<User> users jdbcTemplate.query(sql,new Object[…

如何搭建Z-Blog PHP版本:详细指南

Z-Blog是一款功能强大且易于使用的博客平台&#xff0c;支持PHP和ASP两种环境。本文将重点介绍如何在PHP环境下搭建Z-Blog博客系统&#xff0c;帮助您快速上线自己的个人博客站点。 准备工作 1. 获取Z-Blog PHP版本 首先&#xff0c;访问Z-Blog官方网站下载最新版本的Z-Blog…

Github Copilot新特性:Copilot Spaces-成为某个主题的专家

概述 当今的工程团队都会面临知识碎片化的问题。关键的上下文分散在代码、文档和团队成员的头脑中&#xff0c;这使得他们很难在一个新的领域快速上手并完成工作。Copilot Spaces 通过集中您的项目上下文解决了这个问题&#xff0c;因此 Copilot 可以根据您的工作提供更智能、…

攻防世界-XCTF-Web安全最佳刷题路线

每次写序都是最烦恼的&#xff0c;都不知道写什么&#xff0c;CTF是团队竞赛&#xff0c;有很多分支&#xff08;Web安全&#xff0c;密码学&#xff0c;杂项&#xff0c;Pwn&#xff0c;逆向&#xff0c;安卓&#xff09;&#xff0c;可以每个领域都涉猎&#xff0c;或许感觉那…

t021-高校物品捐赠管理系统【包含源码材料!!!!】

视频演示地址 摘 要 传统办法管理信息首先需要花费的时间比较多&#xff0c;其次数据出错率比较高&#xff0c;而且对错误的数据进行更改也比较困难&#xff0c;最后&#xff0c;检索数据费事费力。因此&#xff0c;在计算机上安装高校物品捐赠管理系统软件来发挥其高效地信息…