AI笔记: 数学基础之正交矩阵与矩阵的QR分解
正交矩阵
- 若n阶方阵A满足ATA=EA^TA = EATA=E, 则称A为正交矩阵, 简称正交阵 (复数域上称为酉矩阵)
- A是正交阵的充要条件:A的列(行)向量都是单位向量,且两两正交。
- 若A为正交矩阵,x为向量,则Ax称为正交变换
- 正交变换不改变向量的长度 y=Ax,yTy=(Ax)TAx=xTATAx=xTEx=xTxy=Ax, y^Ty = (Ax)^TAx = x^TA^TAx = x^TEx = x^Txy=Ax,yTy=(Ax)TAx=xTATAx=xTEx=xTx
- 正交矩阵的性质
- 若A为正交矩阵,则逆矩阵A−1A^{-1}A−1也为正交矩阵
- 若P、Q为正交矩阵,那么P∗QP*QP∗Q也为正交矩阵
QR分解(正交三角分解)
- 对于m*n的列满秩矩阵A, 必有, Am∗n=Qm∗m⋅Rm∗nA_{m*n} = Q_{m*m} · R_{m*n}Am∗n=Qm∗m⋅Rm∗n
- 其中Q为正交矩阵,R为非奇异上三角矩阵,当要求R的对角线元素为正的时候,该分解唯一。
- 该分解叫做QR分解,常用语求解A的特征值、A的逆,最小二乘等问题
- QR分解是将矩阵分解为一个正交矩阵与上三角矩阵的乘积
- 这其中,Q为正交矩阵,QTQ=lQ^TQ = lQTQ=l, R为上三角矩阵
- 实际中,QR分解经常被用来解线性最小二乘问题。
施密特正交化过程
- 把一组线性无关向量组化为规范正交向量组,继而得到正交阵
- η1=β1∣∣β1∣∣,η2=β2∣∣β2,⋯,ηr=βr∣∣βr∣∣\eta_1 = \frac{\beta_1}{||\beta_1||}, \eta_2 = \frac{\beta_2}{||\beta_2}, \cdots, \eta_r = \frac{\beta_r}{||\beta_r||}η1=∣∣β1∣∣β1,η2=∣∣β2β2,⋯,ηr=∣∣βr∣∣βr 是与α1,α2,...,αr\alpha_1, \alpha_2, ..., \alpha_rα1,α2,...,αr等价的规范(标准)正交组。
- 设α1,α2,...,αr\alpha_1, \alpha_2, ..., \alpha_rα1,α2,...,αr 线性无关, 令 β1=α1,β2=α2−[β1,α2][β1,β1]β1,β3=α3−[β1,α3]β1,β2β1−[β2,α3][β2,β2]β2⋯⋯\beta_1 = \alpha_1, \beta_2 = \alpha_2 - \frac{[\beta_1, \alpha_2]}{[\beta_1, \beta_1]} \beta_1, \beta_3 = \alpha_3 - \frac{[\beta_1, \alpha_3]}{\beta_1, \beta_2} \beta_1 - \frac{[\beta_2, \alpha_3]}{[\beta_2, \beta_2]} \beta_2 \cdots \cdotsβ1=α1,β2=α2−[β1,β1][β1,α2]β1,β3=α3−β1,β2[β1,α3]β1−[β2,β2][β2,α3]β2⋯⋯
- βr=αr−[β1,αr][β1,β1]β1−[β2,αr][β2,β2]β2−⋯−[βr−1αr][βr−1,βr−1]βr−1\beta_r = \alpha_r - \frac{[\beta_1, \alpha_r]}{[\beta_1, \beta_1]}\beta_1 - \frac{[\beta_2, \alpha_r]}{[\beta_2, \beta_2]} \beta_2 - \cdots - \frac{[\beta_{r-1} \alpha_r]}{[\beta_{r-1}, \beta_{r-1}]} \beta_{r-1}βr=αr−[β1,β1][β1,αr]β1−[β2,β2][β2,αr]β2−⋯−[βr−1,βr−1][βr−1αr]βr−1
- 则β1,β2,⋯,βr\beta_1, \beta_2, \cdots, \beta_rβ1,β2,⋯,βr 两两正交,且与 α1,α2,⋯,αr\alpha_1, \alpha_2, \cdots, \alpha_rα1,α2,⋯,αr等价
例1
- 求矩阵A=(11−1100010001)A=\left (\begin{array}{cccc}1 & 1 & -1 \\1 & 0 & 0 \\0 & 1 & 0 \\0 & 0 & 1\end{array} \right )A=⎝⎜⎜⎛11001010−1001⎠⎟⎟⎞的QR(正交三角)分解
- 分析
- 容易判断出A∈C34×3A \in C_3^{4×3}A∈C34×3 即A是一个列满秩矩阵
- 将A=[α1,α2,α3]A = [\alpha_1, \alpha_2, \alpha_3]A=[α1,α2,α3]的三个列向量施密特正交化先得到一个规范正交向量组
- β1=α1=[1100]T\beta_1 = \alpha_1 = [1 \ \ 1 \ \ 0 \ \ 0]^Tβ1=α1=[1 1 0 0]T
- β2=α2−(α2,β1)β1,β1β1=α2−12β1=[12−1210]T\beta_2 = \alpha_2 - \frac{(\alpha_2, \beta_1)}{\beta_1, \beta_1} \beta_1 = \alpha_2 - \frac{1}{2} \beta_1 = [\frac{1}{2} \ \ \frac{-1}{2} \ \ 1 \ \ 0]^Tβ2=α2−β1,β1(α2,β1)β1=α2−21β1=[21 2−1 1 0]T
- β3=α3−(α3,β1)β1,β1β1−(α3,β2)β2,β2β2=α3+12β1+13β2=[−1313131]T\beta_3 = \alpha_3 - \frac{(\alpha_3, \beta_1)}{\beta_1, \beta_1} \beta_1 - \frac{(\alpha_3, \beta_2)}{\beta_2, \beta_2} \beta_2 = \alpha_3 + \frac{1}{2} \beta_1 + \frac{1}{3} \beta_2 = [\frac{-1}{3} \ \ \frac{1}{3} \ \ \frac{1}{3} \ \ 1]^Tβ3=α3−β1,β1(α3,β1)β1−β2,β2(α3,β2)β2=α3+21β1+31β2=[3−1 31 31 1]T
- 再将其单位化,得到一组标准正交向量组
- η1=1∣∣β1∣∣β1=[222200]T\eta_1 = \frac{1}{||\beta_1||} \beta_1 = [\frac{\sqrt{2}}{2} \ \ \frac{\sqrt{2}}{2} \ \ 0 \ \ 0]^Tη1=∣∣β1∣∣1β1=[22 22 0 0]T
- η2=1∣∣β2∣∣β2=[66−63630]T\eta_2 = \frac{1}{||\beta_2||} \beta_2 = [\frac{\sqrt{6}}{6} \ \ -\frac{\sqrt{6}}{3} \ \ \frac{\sqrt{6}}{3} \ \ 0]^Tη2=∣∣β2∣∣1β2=[66 −36 36 0]T
- η3=1∣∣β3∣∣β3=[−36363632]T\eta_3 = \frac{1}{||\beta_3||} \beta_3 = [-\frac{\sqrt{3}}{6} \ \ \frac{\sqrt{3}}{6} \ \ \frac{\sqrt{3}}{6} \ \ \frac{\sqrt{3}}{2}]^Tη3=∣∣β3∣∣1β3=[−63 63 63 23]T
- ⇒Q(η1,η2,η3)=[2266−3622−6636063360032]\Rightarrow Q(\eta_1, \eta_2, \eta_3) = \left [\begin{array}{cccc}\frac{\sqrt{2}}{2} & \frac{\sqrt{6}}{6} & -\frac{\sqrt{3}}{6} \\\frac{\sqrt{2}}{2} & -\frac{\sqrt{6}}{6} & \frac{\sqrt{3}}{6} \\0 & \frac{\sqrt{6}}{3} & \frac{\sqrt{3}}{6} \\0 & 0 & \frac{\sqrt{3}}{2}\end{array} \right ]⇒Q(η1,η2,η3)=⎣⎢⎢⎢⎡22220066−66360−63636323⎦⎥⎥⎥⎤
- β1=α1=[1100]T\beta_1 = \alpha_1 = [1 \ \ 1 \ \ 0 \ \ 0]^Tβ1=α1=[1 1 0 0]T
- β2=α2−(α2,β1)(β1,β1)β1=α2−12β1=[12−1210]T\beta_2 = \alpha_2 - \frac{(\alpha_2, \beta_1)}{(\beta_1, \beta_1)} \beta_1 = \alpha_2 - \frac{1}{2} \beta_1 = [\frac{1}{2} \ \ \frac{-1}{2} \ \ 1 \ \ 0]^Tβ2=α2−(β1,β1)(α2,β1)β1=α2−21β1=[21 2−1 1 0]T
- β3=α3−(α3,β1)β1,β1β1−(α3,β2)β2,β2β2=α3+12β1+13β2=[−1313131]T\beta_3 = \alpha_3 - \frac{(\alpha_3, \beta_1)}{\beta_1, \beta_1}\beta_1 - \frac{(\alpha_3, \beta_2)}{\beta_2, \beta_2} \beta_2 = \alpha_3 + \frac{1}{2}\beta_1 + \frac{1}{3}\beta_2 = [\frac{-1}{3} \ \ \frac{1}{3} \ \ \frac{1}{3} \ \ 1]^Tβ3=α3−β1,β1(α3,β1)β1−β2,β2(α3,β2)β2=α3+21β1+31β2=[3−1 31 31 1]T
- ⇒\Rightarrow⇒
- α1=β1\alpha_1 = \beta_1α1=β1
- α2=12β1+β2\alpha_2 = \frac{1}{2}\beta_1 + \beta_2α2=21β1+β2
- α3=−12β1−13β2+β3\alpha_3 = -\frac{1}{2}\beta_1 - \frac{1}{3}\beta_2 + \beta_3α3=−21β1−31β2+β3
- 再将其单位化,得到一组标准正交向量组
- 由 β1=∣∣β1∣∣η1β2=∣∣β2∣∣η2β3=∣∣β3∣∣η3\left.\begin{array}{cccc}\beta_1 = ||\beta_1|| \eta_1 \\ \beta_2 = ||\beta_2|| \eta_2 \\ \beta_3 = ||\beta_3|| \eta_3\end{array} \right.β1=∣∣β1∣∣η1β2=∣∣β2∣∣η2β3=∣∣β3∣∣η3 和 α1=β1α2=12β1+β2α3=−12β1−13β2+β3\left. \begin{array}{cccc} \alpha_1 = \beta_1 \\ \alpha_2 = \frac{1}{2}\beta_1 + \beta_2 \\ \alpha_3 = -\frac{1}{2}\beta_1 - \frac{1}{3}\beta_2 + \beta_3 \end{array} \right.α1=β1α2=21β1+β2α3=−21β1−31β2+β3
- ⇒α1=2η1α2=62η2+22η1α3=233η3−66η2−22η1⇒R=[222−220626600233]\Rightarrow \left.\begin{array}{cccc}\alpha_1 = \sqrt{2} \eta_1 \\\alpha_2 = \frac{\sqrt{6}}{2} \eta_2 + \frac{\sqrt{2}}{2} \eta_1 \\\alpha_3 = \frac{2\sqrt{3}}{3} \eta_3 - \frac{\sqrt{6}}{6} \eta_2 - \frac{\sqrt{2}}{2} \eta_1 \\ \end{array} \right. \Rightarrow R = \left [ \begin{array}{cccc} \sqrt{2} & \frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} \\ 0 & \frac{\sqrt{6}}{2} & \frac{\sqrt{6}}{6} \\ 0 & 0 & \frac{2\sqrt{3}}{3} \end{array} \right ]⇒α1=2η1α2=26η2+22η1α3=323η3−66η2−22η1⇒R=⎣⎢⎡20022260−2266323⎦⎥⎤
- 故得到A矩阵的QR分解如下:
- A=(α1α2α3)=QR=[2266−3622−6636063360032][222−22062660633600233]A = (\alpha_1 \ \ \alpha_2 \ \ \alpha_3) = QR =\left [\begin{array}{cccc}\frac{\sqrt{2}}{2} & \frac{\sqrt{6}}{6} & -\frac{\sqrt{3}}{6} \\\frac{\sqrt{2}}{2} & -\frac{\sqrt{6}}{6} &\frac{\sqrt{3}}{6} \\ 0 & \frac{\sqrt{6}}{3} & \frac{\sqrt{3}}{6} \\ 0 & 0 & \frac{\sqrt{3}}{2} \end{array} \right ] \left [ \begin{array}{cccc} \sqrt{2} & \frac{\sqrt{2}}{2} & -\frac{\sqrt{2}}{2} \\ 0 & \frac{\sqrt{6}}{2} & \frac{\sqrt{6}}{6} \\ 0 & \frac{\sqrt{6}}{3} & \frac{\sqrt{3}}{6} \\ 0 & 0 & \frac{2\sqrt{3}}{3} \end{array} \right ]A=(α1 α2 α3)=QR=⎣⎢⎢⎢⎡22220066−66360−63636323⎦⎥⎥⎥⎤⎣⎢⎢⎢⎡20002226360−226663323⎦⎥⎥⎥⎤
- 简写为:A4×3=QR=Q4×3R3×3A_{4×3} = QR = Q_{4×3} R_{3×3}A4×3=QR=Q4×3R3×3
AI笔记: 数学基础之正交矩阵与矩阵的QR分解相关推荐
- 数据挖掘--矩阵的QR分解
矩阵的QR分解: A=QR,其中Q为正交矩阵,R为上三角矩阵. 具体可以通过HouseHold变换做到,分步进行,如下图: 如果矩阵A是可逆矩阵的话,那么分出的矩阵R一定是列线性无关的.此时,R的对角 ...
- [矩阵的QR分解系列四] QR(正交三角)分解
QR分解 简介 QR分解 定义 存在和唯一性 存在性证明 唯一性证明 分解方法 施密特(Schmidt)方法 吉文斯(Givens)方法 豪斯霍尔德(Householder)方法 例子 施密特(Sch ...
- 矩阵的QR分解以及在最小二乘法中的应用
一.最小二乘法 最小二乘法是一种数学优化方法,通过最小化误差的平方和来拟合数据点. 以线性回归模型为例,如果我们用最小二乘法来求解线性回归的系数,可得: err(yi−y^)=1n∑i=1n( ...
- 线性代数(15)——矩阵的QR分解
矩阵QR分解 矩阵的QR分解 概述 演示分析 实现QR分解 矩阵的QR分解和LU分解的目的都是为了便于矩阵计算. 矩阵的QR分解 概述 A = Q R A=QR A=QR这一过程将矩阵分解为 Q Q ...
- 矩阵的QR分解(jama和emjl对比,UJMP锦上添花)
一.QR分解法(QR Decomposition) QR分解法是三种将矩阵分解的方式之一.其它两种:Cholesky和LU.QR分解经常用来解线性最小二乘法问题.QR分解也是特定特征值算法即QR算法的 ...
- matlab qr分解作用,MATLAB论文_矩阵的QR分解及其MATLAB实现.doc
您所在位置:网站首页 > 海量文档  > 计算机 > matlab MATLAB论文_矩阵的QR分解及其MATLAB实 ...
- [矩阵的QR分解系列一] 施密特(Schmidt)正交规范化
施密特正交规范化 简介 规范化步骤 例子 引用 之前介绍的矩阵的三角分解系列介绍了利用矩阵初等变换解决了矩阵三角化问题以及具体的三角分解.但是以初等变换工具的三角分解方法并不能消除病态线性方程组不稳定 ...
- 用豪斯霍尔德(Householder)变换进行矩阵的QR分解,及其Matlab和OpenCV实现
1.豪斯霍尔德变换 一般地,对给定的mmm维向量aaa,考虑分块 a=[a1a2]a=\left[ \begin{matrix} {{a}_{1}} \\ {{a}_{2}} \\ \end{matr ...
- 矩阵的QR分解c语言编程,[矩阵的QR分解系列五] Eigen中的QR分解
之前介绍的矩阵的三角分解系列介绍了利用矩阵初等变换解决了矩阵三角化问题以及具体的三角分解.但是以初等变换工具的三角分解方法并不能消除病态线性方程组不稳定问题,而且有时候对于可逆矩阵有可能也不存在三角分 ...
最新文章
- 什么是条带化(striping) ?(转载)
- Android-PopupWindow
- 第一行代码学习笔记第七章——探究内容提供器
- javascript php xmlhttp file,xmlHTTP实例_javascript技巧
- BLE CC2541 串口BootLoader 即 SBL BootLoader 资料 收集
- linux之gdb基本调试命令和使用总结
- MySQL avg()函数
- 基于社交心理过程满足的LBS社交应用研究
- Macaca:南方航空人工测试的拯救者
- html怎么样做出两列布局页面,HTML+CSS实现两栏和三栏布局
- 2000以内!一加Nord 2渲染图曝光:搭载联发科天玑1200
- 微信微订货店:品牌支持,走在同行业的前列。代理,仅仅是寻求双赢
- 个人建站用php,个人用不花钱 8款PHP建站软件推荐
- office2020与2016版的不同_如何解决Office2020与office2020兼容问题
- 小内存电脑安装linux,在低内存的情况下安装CentOS系统的技巧
- 基于sklearn的贝叶斯文本分类
- java 识别图片 边框_atitit.验证码识别step3----去除边框---- 图像处理类库 attilax总结java版本...
- 解决“Error: Too many re-renders. React limits the number of renders to prevent an infinite loop.”
- 两个计算机系统安装,如何一个电脑装两个系统|一个电脑装2个系统方法
- 涂鸦Zigbee SDK开发系列教程——4.烧录授权