矩阵分解(三)——满秩分解
目录
- 矩阵相关术语
- 秩、满秩
- 矩阵初等变换
- 初等矩阵
- 阶梯型矩阵
- 初等矩阵求逆
- 满秩分解(法1)
- 满秩分解(法2)
矩阵相关术语
秩、满秩
设A是一组向量,定义A的极大无关组中向量的个数为A的秩。
矩阵A的列秩是A的线性独立的纵列的极大数目,通常表示为r(A)或rank A。
满秩:m × n矩阵的秩为m和n中的较小者。(设A是n阶矩阵, 若r(A) = n, 则称A为满秩矩阵。但满秩不局限于n阶矩阵)
- 性质
- 初等变换不改变矩阵的秩
- 如果A可逆,则r(AB)=r(B),r(BA)=r(B)
- 矩阵的乘积的秩Rab<=min{Ra,Rb};
- 矩阵的行秩,列秩,秩都相等
- 转置后秩不变
- r(kA)=r(A),k不等于0
- r(A+B)<=r(A)+r(B)
- r(A)=0 <=> A=0
矩阵初等变换
矩阵的初等变换又分为矩阵的初等行变换和矩阵的初等列变换。
定义:如果B可以由A经过一系列初等变换得到,则称矩阵A与B称为等价。
- 初等行(列)变换
- 互换矩阵中两行(列)的位置
- 把矩阵的某一行(列)的c倍加到另一行(列)
- 一个非零的数p乘矩阵的某一行(列)
- 性质
- 任意一个矩阵经过一系列初等行变换总能变成阶梯型矩阵
- 由单位矩阵E经过一次初等变换得到的矩阵称为初等矩阵
- 初等变换后,行列式值不变
初等矩阵
初等矩阵是指由单位矩阵经过一次初等变换得到的矩阵。
- 性质
- 初等矩阵都是可逆矩阵,即非奇异矩阵
- 单位矩阵第i,j两行互换得到的方阵为Pij ,将矩阵 B的第i,j两行互换所得矩阵B1 ,即有 B1 = Pij * B**(左乘行变换,右乘列变换)**
阶梯型矩阵
阶梯型矩阵是矩阵的一种类型。它的基本特征是所给矩阵为阶梯型矩阵则矩阵中每一行的第一个不为零的元素的左边及其所在列以下全为零。
初等矩阵求逆
- 行交换(列交换)的初等矩阵,逆矩阵还是本身
- 某一行(或列)乘以一个倍数的初等矩阵,逆矩阵,是这一行(或列)除以这个倍数的初等矩阵
- 某一行(或列)乘以一个倍数,加到另一行(或列)的初等矩阵,逆矩阵,是这一行(或列)乘以这个倍数的相反数,加到另外那一行(或列)的初等矩阵
满秩分解(法1)
定义:对于m×n的矩阵A,假设其秩为r,若存在秩同样为r两个矩阵:Cm×r(列满秩)和Dr×n(行满秩),使得A=CD,则称其为矩阵A的满秩分解。
当m×n矩阵A为列满秩矩阵时,则A=AIn(这时m≥n)就是一个满秩分解。
当m×n矩阵A为行满秩时,则A=ImA(这时m≤n)是一个满秩分解。
I表示单位矩阵
- 性质
- 满秩分解不唯一
- 任何非零矩阵一定存在满秩分解
- 证明
矩阵Am × n,rank(A) = r (0<r<=min{m,n}),对A实行若干次初等行变换后,可将A化为行阶梯矩阵B:
即B的后m-r行全为零,Drxn。对A做若干次初等行变换相当于对A左乘一个初等矩阵Pmxm。即
B = PA —》 A = P-1B
然后将P-1进行分块,即P-1 = [C,M],Cmxr、Mmx(m-r)可得:
因C是可逆矩阵P-1 的前r列,所以C是一个m×r列满秩矩阵,D是r×n行满秩矩阵,故A=CD是A的一个满秩分解。
- 满秩分解不唯一证明
对A的一个满秩分解A=CD,若取K为任一r阶非奇异矩阵,则
A = (CK)(K-1D)也是A的一个满秩分解。
- 例子
现在要计算下面矩阵A的满秩分解
为对A施行初等行变换后化为阶梯形矩阵B,并且记录初等矩阵的乘积P,故对分块矩阵[A,Im]施行初等行变换
所以可得:
由B可得D:
由初等矩阵P可求其逆矩阵
于是得A的一个满秩分解
满秩分解(法2)
- 对A(R(A) = r)施行初等行变换化为行最简形矩阵B
- 取矩阵B前r行,构成矩阵D
- 对D矩阵前r行第一个非零元所在的列号,按此列号取矩阵对应的列组成矩阵C。
- 最后矩阵A分解为
矩阵分解(三)——满秩分解相关推荐
- 求解矩阵A的满秩分解的一般方法
什么是满秩分解? A是一个m*n大小的矩阵,若存在列满纸矩阵F和行满秩矩阵G使得 A=FG 则称矩阵A有满秩分解,等式A=FG称为A的满秩分解. 1,求A的Hermite标准形: 2,设H中单位子矩阵 ...
- 矩阵分解_满秩分解、三角分解、QR分解、奇异值分解
矩阵的因子分解 满秩分解 分解方法 满秩分解例题 三角分解(LU分解) 分解方法 三角分解例题 LDU分解 分解方法 LDU分解例题 正交三角分解(QR分解) 分解方法 QR分解例题 奇异值分解(SV ...
- 三角分解、满秩分解、Schur分解与奇异值分解一网打尽
文章目录 前言 一.三角分解 二.满秩分解 三.Schur分解 1.UR分解 2.QR分解 四.奇异值分解(SVD) 总结 前言 本文的主要内容是三角分解.满秩分解.Schur分解与奇异值分解的简单介 ...
- 矩阵论(零):线性代数基础知识整理(1)——逆矩阵、(广义)初等变换、满秩分解
矩阵论专栏:专栏(文章按照顺序排序) 线性代数是矩阵论的先修课程,本篇博客整理线性代数的基础理论知识,为矩阵论的学习做准备.限于篇幅,梳理的重点将在定理和结论上(只给出部分必要的定义),对最基础的概念 ...
- 低秩矩阵分解 matlab,低秩分解的matlab代码看不懂,分解的两个矩阵在哪呀??...
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼 有四个文件:demo.m function [] = demo() %This routine demonstrates an example of us ...
- 深度学习模型压缩与加速技术(三):低秩分解
目录 总结 低秩分解 定义 特点 1.二元分解 2.多元分解 参考文献 深度学习模型的压缩和加速是指利用神经网络参数的冗余性和网络结构的冗余性精简模型,在不影响任务完成度的情况下,得到参数量更少.结构 ...
- C#,数值计算,矩阵的乔莱斯基分解(Cholesky decomposition)算法与源代码
一.安德烈·路易斯·乔尔斯基 安德烈·路易斯·乔尔斯基出生于法国波尔多以北的查伦特斯海域的蒙古扬.他在波尔多参加了Lycée e,并于1892年11月14日获得学士学位的第一部分,于1893年7月24 ...
- 【张量分解(二)】CP分解
本文是对论文Tensor Decompositions and Applications进行了翻译.整理.筛选和适当的补充,如何希望深入理解可以阅读原文. 相关文章: [张量分解(一)]符号与基础知识 ...
- 马毅:低维模型与深度模型的殊途同归(神经网络、压缩感知和低秩分解与补全)
机器之心原创 作者:邱陆陆 上周,今日头条人工智能实验室在清华大学举办了第二期 AI 技术沙龙,邀请到上海科技大学信息科学与技术学院的马毅教授带来题为「高维数据的低维结构与深度模型」的主题分享.马毅教 ...
- 【CNN削减阅读笔记】【简化网络设计】【低秩分解】
转载自:http://blog.csdn.net/electech6/article/details/72822009 孙剑:简化网络设计方法 旷世科技研究院院长孙剑的报告中介绍了模型压缩优化.他举了 ...
最新文章
- MySQL5.7 Replication主从复制配置教程
- selenium webdrive 默认打开浏览器设置
- android java设置颜色_java – 设置背景颜色:Android
- java list set map的区别_Java集合类List/Set/Map的区别和联系
- Going Home
- 解决 A component required a bean of ‘XXX.RoleService‘ that could not be found.
- 最小步长移动word表格标尺
- PHP如何读取excel文,PHP-php如何读取excel?
- 小学奥数_7655回文数个数 python
- 微信 小程序布局 scroll-view
- ArcGIS案例学习笔记_3_2_CAD数据导入建库
- ea建模 教学_周末特惠:EA促销开启,吉你太美首次打折 + EA旗下多款游戏登陆Steam,EA access即将推出...
- Exchange 2016 CU3 安装失败解决方法
- TextWatcher
- 【Grasshopper基础1】怎样制作一个Grasshopper电池 / 二次开发基础
- 怎样带团队,带好团队
- Android 10去除电池图标以及设置
- 【独立后台】2021全新最火表情包小程序源码,无限裂变,斗图小程序,头像壁纸,外卖服务内附详细搭建教程
- 【蓝桥杯经典数学题】杨辉三角形
- Github每日精选(第48期):SQLite下的知识库memos
热门文章
- linux服务运维管理,Linux服务器运维管理(第2版)
- 互联网基石:TCP/IP 四层模型,由浅入深直击原理!
- 联发科正式发布Helio P23/P30 SoC:GPU、基带大升级
- 微信公众号H5网页支付
- android 一个app启动另一个App的几种方法
- 【VSCode】解决Java项目的Referenced Libraries (Read-only)问题
- Android开发实例详解之IMF(输入法)(Android SDK Sample—SoftKeyboard)
- Linux 3.x 的platform
- 用C语言写一个数字版的3阶魔方
- kaggle员工离职预测案例(1)