矩阵的满秩分解知识讲解
第四章 矩阵分解
定理1.2：若 A BC B1C1 均为A的满秩分解，那么
(1)存在 CrrR , 使得B B1 , C 1C1 (2)C H (CC H )1 (BH B)1 BH C1H (C1C1H )1 (B1H B1 )1 B1H
4.2 矩阵的正交分解 （UR、QR分解）
证明：
AAH 是正规矩阵，所以存在酉矩阵使得
H U H AAH U 0
0 0
U U1 U2
U1 U mr
U2 U m( mr )
0 0
U1H H H H AA U1 U 2 0 U 2
U1H H H H AA U1 U 2 0 U 2
则称 i
i (i 1,2,, n) 为 A 的奇异值．
本书中只考虑i=1,3,…,r时非零奇异值
1 0 3 2 5 17 H A 1 1 例如，对于 ，A A 2 2 的特征值是 1 2 ， 1 1
A UR
U U rmr
R 是 r 阶正线上三角阵
推论2.2：设 A Crrn ， 则 A 可以唯一的分解为
A LU
U U rrn
L 是 r 阶正线下三角阵
mn A C 推论2.3：设 ， 则 A 可以分解为 r A U1R1L2U 2 R1 是 r 阶正线上三角阵 U1 Urmr L2 是 r 阶正线上三角阵 U U rn
nn 定理2.1：设 A Cn ， 则 A 可以唯一的分解为
A UR
A RU 1 1
nn
R 是正线上三角阵
U , U1 U
证明：
R1 是正线下三角阵
2-1 满秩、LU、QR分解
满秩分解反映出关于矩阵A的秩的信息。 应用：当r远小于m和n时，利用满秩分解可以去 除掉A中的冗余信息，节省存储量和运算量。
2. LU分解
设矩阵A∈Rn×n，如果存在上三角矩阵L，下三角 矩阵U，使得A=LU，则称之为A的LU分解。 如果存在单位上三角矩阵L，单位下三角矩阵U， 对角矩阵D，使得A=LDU，则称之为LDU分解。
定理：矩阵A的LDU分解存在唯一(或LU分解存在)
的充要条件是A的顺序主子式Dk≠0。
LU分解的实现过程实际上就是Gauss消去法。
应用：求解线性方程组Ax=b。
3. QR分解
设矩阵A∈Rn×n，且非奇异，则存在正交矩阵Q， 非奇异上三角矩阵R，使得A=QR，称之为QR分 解(QR decomposition)，且此时分解唯一。
QR分解的实现方式：GS/MGS，Givens变换， Hous会怎样？
第二章 矩阵分解
2.1 矩阵的分解 2.2 标准型
2.1 矩阵的分解
1. 满秩分解 2. LU分解 3. QR分解
1. 满秩分解
设矩阵A∈Rm×n，且rankA=r(r≤m,r≤n)， 则存在矩阵分解：
A=FG， 其中F∈Rm×r，且rankF=r(列满秩)， G∈Rr×n，且rankG=r(行满秩)。称为满秩分解。
矩阵的满秩分解
§矩阵的满秩分解本节讨论一个n m ⨯复矩阵A 可以分解为两个与A 的秩相同的矩阵之积的问题。
定义设n m ⨯复矩阵A 的秩为r ，如果存在两个与A 的秩相同的复矩阵F 与G ，使得FG A =，则称此式为复矩阵A 的满秩分解。
当A 是满秩矩阵时（行满秩或列满秩）A 可以分解为单位矩阵与A 自身的乘积，这个满秩分解叫做平凡分解。
定理设n m ⨯复矩阵A 的秩为r 0>，则A 有满秩分解。
证：因为0>=r rankA ，对A 施行初等行变换，可得到阶梯形矩阵⎪⎪⎭⎫ ⎝⎛=0G B ， 其中G 为n r ⨯矩阵，并且0>=r rankG ；因此存在着有限个m 阶初等矩阵之积，记作P ，有B PA =，或者B P A 1-=，将矩阵1-P 分块为()S F P =-1 ，其中F 为r m ⨯矩阵，S 为)(r n m -⨯矩阵，并且r rankF =，r n rankS -=。
则有()FG G S F B P A =⎪⎪⎭⎫ ⎝⎛==-01 ，其中F 是列满秩矩阵，S 是行满秩矩阵。
▌但是，矩阵A 的满秩分解不唯一。
这是因为若取任意一个r 阶非奇异矩阵D ，则有G F G D FD FG A ~~))((1===-。
例1、 求矩阵⎪⎪⎪⎭⎫ ⎝⎛----=122211212101A 的满秩分解。
解：对矩阵A 进行初等行变换()⎪⎪⎭⎫ ⎝⎛==⎪⎪⎪⎭⎫ ⎝⎛--→⎪⎪⎪⎭⎫ ⎝⎛----=0111000001130200012101100122201011210012101G B I A 其中⎪⎪⎭⎫ ⎝⎛-=30202101G 所以⎪⎪⎪⎭⎫ ⎝⎛-=000030202101B ，⎪⎪⎪⎭⎫ ⎝⎛-=111011001P ；而()S F P =⎪⎪⎪⎭⎫ ⎝⎛--=-1120110011，其中⎪⎪⎪⎭⎫ ⎝⎛--=121101F 由此可见，所以有()⎪⎪⎪⎭⎫ ⎝⎛--==⎪⎪⎭⎫ ⎝⎛==-12110101FG G S F B P A ⎪⎪⎭⎫ ⎝⎛-30202101。
满秩矩阵及满秩矩阵的应用
满秩矩阵及满秩矩阵的应用专业：通信与信息系统姓名：李娜学号：6120140151目录一、满秩矩阵及满秩矩阵在矩阵分解方面的应用 (2)1.1矩阵的秩 (2)1.2满秩矩阵 (2)1.3满秩矩阵的性质 (3)1.3.1行(列)矩阵的一些性质 (4)1.4 行(列) 满秩矩阵在矩阵分解方面的应用 (6)二、满秩矩阵在保密通信中的应用 (8)2.1 基于满秩矩阵的保密通信模型 (8)2.1.1加密保密通信模型 (8)2.2.2满秩矩阵的应用 (8)2.2密钥的生成 (10)2.2.1加密密钥的生成 (10)2.2.2解密密钥的生成 (10)2.3其它问题 (10)2.3.1明文矩阵的选择 (10)2.3.2加密矩阵的选择 (11)2.3.3算法优化 (11)一、满秩矩阵及满秩矩阵在矩阵分解方面的应用引言矩阵是数学中的一个重要的基本概念，是现代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。
“矩阵”这个词是由西尔维斯特首先使用的，他是为了将数学的矩形阵列区别于行列式而发明了这个述语，而实际上，矩阵这个课题在诞生之前就已经发展的很好了。
1.1矩阵的秩设A是一组向量，定义A的最大无关组中向量的个数为A的秩。
定义1 在m n矩阵A中，任意决定k行和k列交叉点上的元素构成A的一个k阶子矩阵，此子矩阵的行列式，称为A的一个k阶子式。
例如，在阶梯形矩阵中，选定1，3行和3，4列，它们交叉点上的元素所组成的2阶子矩阵的行列式就是矩阵A的一个2阶子式。
定义2 A=(a ij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作r(A），或rank（A）或R(A)。
特别规定零矩阵的秩为零。
显R（A）≤min(m,n)易得：若A中至少有一个r阶子式不等于零，且在R(A)<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。
由定义直接可得n阶可逆矩阵的秩为n，通常又将可逆矩阵称为满秩矩阵,不满秩矩阵就是奇异矩阵，det(A)=0。
矩阵的满秩分解
为 r ( B), r (C ) ≤ r ，但若 r ( B) < r 或 r (C ) < r ，则 r ( A) = r ( BC ) ≤ min(r ( B), r (C )) < r ， 矛盾！ 从定理的证明可以看出， 可以通过对矩阵进行初等变换， 化为行阶梯形矩阵， 从而得到满秩分解。先求得可逆矩阵 P ，使得 PA 为行阶梯形矩阵，再求得 P −1 ， 而后分块即可。 P 的求得很容易，只要将 ( A, I ) 化为行阶梯形矩阵，则右边的一 块即为 P 。我们也可以通过矩阵的初等变换与初等矩阵之间的关系来直接求得 P −1 ，好处在于可以避免复杂的求逆运算。
⎛1 0 0⎞ ⎛ 1 −1 2 ⎞ ⎜ ⎟ ⎜ ⎟， ⎜ −1 0 1 ⎟ A = ⎜ 0 0 −1⎟ ⎜ 2 1 −3 ⎟ ⎜0 0 0 ⎟ ⎝ ⎠ ⎝ ⎠
⎛1 0 0⎞ ⎜ ⎟ A = ⎜ −1 0 1 ⎟ ⎜ 2 1 −3 ⎟ ⎝ ⎠
−1
⎛ 1 −1 2 ⎞ ⎛1 0 0 ⎞ ⎛ 1 −1 2 ⎞ ⎛ 1 0 ⎞ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎛ 1 −1 2 ⎞ ⎜ 0 0 −1⎟ = ⎜1 3 1 ⎟ ⎜ 0 0 −1⎟ = ⎜ 1 3 ⎟ ⎜ 0 0 −1⎟ ⎠ ⎜ 0 0 0 ⎟ ⎜1 1 0 ⎟ ⎜ 0 0 0 ⎟ ⎜1 1 ⎟ ⎝ ⎝ ⎠ ⎝ ⎠⎝ ⎠ ⎝ ⎠
3
为满秩分解。
法二
⎛ 1 0 0⎞ ⎜ ⎟ ⎜ −1 1 0 ⎟× ⎜ −1 0 1 ⎟ ⎝ ⎠ ⎛ ⎞ ⎜ 1 0 0⎟ ⎜ ⎟ ⎜ 0 1 0 ⎟× ⎜ ⎟ ⎜ 0 −1 1⎟ ⎟ ⎜ 3 ⎝ ⎠
矩阵论 11 满秩分解与奇异值分解
第十一讲 满秩分解与奇异值分解一、矩阵的满秩分解1. 定义：设m n r A C (r 0)⨯∈>，若存在矩阵m r r F C ⨯∈及r nrG C ⨯∈，使得 A FG =，则称其为A 的一个满秩分解。
说明：（1）F 为列满秩矩阵，即列数等于秩；G 为行满秩矩阵，即行数等于秩。
（2）满秩分解不唯一。
r rrD C ⨯∀∈（r 阶可逆方阵），则 1111A FG F(DD )G (FD)(D G)F G --====，且m r r n1r 1rF C ,G C ⨯⨯∈∈ 2. 存在性定理：任何非零矩阵均存在满秩矩阵证明：采用构造性证明方法。
设m nr A C ⨯∈，则存在初等变换矩阵m mmE C ⨯∈， 使 G r EA B .......O (m r)⎡⎤⎢⎥==⎢⎥-⎢⎥⎣⎦行行， 其中r nr G C ⨯∈ 将A 写成1A E B -=，并把1E -分块成[]1r (m r)E F |S --=列列，其中m rrF C ⨯∈ .G A F .S ....FG .O ⎡⎤⎡⎤⎢⎥⎢⎥∴==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦E 是满秩分解。
3. Hermite 标准形（行阶梯标准形）设m nr B C (r 0)⨯∈>，且满足（1） B 的前r 行中每一行至少含一个非零元素（称为非零行），且第一个非零元素为1，而后(m r)-行的元素全为零（称为零行）；（2） 若B 中第i 行的第一个非零元素（即1）在第i j 列(i 1,2,...,r)=，则 12r j j ...j <<<;（3） 矩阵B 的第1j 列，第2j 列，…,第r j 列合起来恰为m 阶单位方阵m I 的前r 列（即12r j ,j ,...,j 列上除了前述的1外全为0）则称B 为Hermite 标准形。
例1 561356120013001022B C 000111000000000000⨯⨯-⎡⎤⎢⎥⎢⎥=∈-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ 为Hermite 标准形452245010200013B C 0000000000⨯⨯⎡⎤⎢⎥⎢⎥=∈⎢⎥⎢⎥⎣⎦ 也是Hermite 标准形4. 满秩分解的一种求法设m nr A C ⨯∈，（1） 采用行初等变换将A 化成Hermite 标准形，其矩阵形式为EA B =，其中B 为Hermite 标准形定义中给出的形状；（2） 选取置换矩阵1 P 的第i 列为i j e ，即该列向量除第i j 个元素为1外，其余元素全为零(i 1,2,...,r)=,其中i j 为Hermite 标准形中每行第一个非零元素（即1）所在的列数；2 其它(n r)-列只需确保P 为置换矩阵即可（P 的每一行，每一列均只有一个非零元素，且为1）；3 用P 右乘任何矩阵（可乘性得到满足时），即可得该矩阵的第i j 列置换到新矩阵（即乘积矩阵）的第i 列 4 令[]1r (n r)P P |*-=列列，即12r n r1j j j rn rP e e ...e C ⨯⨯⎡⎤=∈⎣⎦（3）令G B =的前r 行r n n C ⨯∈，m r1rF AP C ⨯=∈则A FG = 证明：G EA B O ⎡⎤==⎢⎥⎣⎦，[]1G A E B F |S FG O -⎡⎤===⎢⎥⎣⎦则m r r F C ⨯∈，r nrG C ⨯∈，G 已知，但F ?=，当然可以通过求出1E,E -再将1E -分块得到，但这样G 就没必要采用Hermite 标准形形式，注意到r 1I BP O ⎡⎤=⎢⎥⎣⎦，则[]1r 11I AP E BP F |S F O -⎡⎤===⎢⎥⎣⎦证毕例1 1230A 02111021⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦求其满秩分解解：（1）首先求出A 的秩。
满秩分解
例1
化矩阵A为Hermite 标准形
1 0 2i i 0 4 2i 2 A 0 0 0 3 6 3 3i , i 1 0 2 1 1 4 4i 1
i 0 1 2 i 0 1 1 2 2 i r1 ( 2 ) 0 0 0 3 6 3 3i 0 2 1 1 4 4i 1
i 0 1 2 i 0 1 1 2 2 r3 2r1 0 0 0 3 6 3 3i 0 0 0 1 2 1 i
i 0 1 2 i 0 1 1 2 2 r2 3r3 2 1 i H 0 0 0 1 r2 r3 0 0 0 0 0 0
y1 x1 0,0,2T ,
y 2 x2
y 3 x3
( x2 , y1 ) ( y1 , y1 )
T y1 x 2 1 y 3 , 4 , 0 2 1
( x3 , y2 ) ( y2 , y2 )
( x3 , y1 ) ( y1 , y1 )
y1
1 8 6 y 2 x3 y1 y 2 , ,0 5 5 5
矩阵QR分解是一种特殊的三角分解，在解决 矩阵特征值的计算、最小二乘法等问题中起到重 要作用。
主要内容： 1· 矩阵的QR分解-- Schmidt正交化方法 2· 矩阵的QR分解-- Householder变换、 Givens变换（略）
nn 如果存在n阶酉矩阵Q和n阶上三角矩阵 A C . 定义:设
满秩分解定理：设 A C rmn r 0, 且A的Hermite 标准形H为
k1 0 0 H 0 0 0 0 0 0 0 1 0 0 0 0 * 0 0 0 * 0 0 0 k2 0 1 0 0 0 * * * 0 * * 0 0 0 0 1 0 0 kr * * * 0 * * * 第r行 0 0 0
矩阵论学习-(矩阵的分解)-1
0 ｗ
.
0
故有 A = 0 .
(2 ) A2 = A, 则 A 的特征值为 1 或 0 , 假定 r ( A) = r ; A 可酉对角化为 :
UH AU =
Ir
0 , ( UH AU) H =
Ir
0H , UH AH U =
Ir 0
00
00
00
可得 AH = A .
λ1
λ21
( 3 ) A3 = A2 , 且 UH AU =
t11 t12 … t1 n
UH AU =
t2 2 ｗ
, tij = 0 , 且 tii = λi . i > j,
tnn
UH AH AU =
n
∑ | ti1 | 2
i =1
＊
n
∑ | ti2 | 2 i= 1
ｗ
＊ ,
n
∑ | tin |2
i =1
所以 , 有
n
n
n
n
n
∑∑ ∑ ∑ ∑ | aij | 2 = t r( AH A) = t r( UH AH AU) =
等价地 : Hermite 矩阵 A , 必存在酉矩阵 U , 使得
λ1
UH AU =
ｗ
.
λn
定理 1 .5 Hermite 二次型正定 ( A 正定 ) 的等价命题如下 . (1 ) Hermite 二次型 f = XH AX 正定 ( 即 ＂ X≠0, 恒有 XH AX > 0 ) . ( 2 ) f = XH AX 的正惯性指数为 n . (3 ) 存在可逆矩阵 P , 使得 PH AP = I .
nn
例 3 .1－6 A = ( ai j ) n × n , λ1 , λ2 , … , λn 为 A 的 特 征 值 , 若 ∑ ∑ | aij | 2 = i=1 j =1
第二章矩阵分解3_矩阵的最大秩分解
(r 0) 的 Hermite 行标准形为B(如定义
A FG
证 由条件知,存在m阶可逆矩阵P,使得 G r n , 或者 PA B , G C r O 根据定理2.7 ,设 P 1的分块阵为 P 1 F ,可得最大秩分解 A FG .
A P 1 B
0 1 1 ~~ 0 A FG 0 0 1 3 5 10 0 1 4 1 5 6 0 1 2 0 1 0 14 3 1 2 0 0 1 5
4 1 0 2 F 1 2 1 2 而B的前三个非零行组成矩阵
1 0 4 1
于是, 的最大秩分解为
1 0 0 2 3 G 0 1 0 1 2 0 0 1 1 5
4 1 1 1 0 0 2 3 0 0 2 A FG 0 1 0 1 2 1 2 4 0 0 1 1 5 1 2 1
求矩阵满秩分解的初等行变换法的缺点是必须求出 P和P 1 ，下面介绍一个不需求出
P和P
1 简便方法.
定义2.12 如果 B C rmn (r 0) ,并且满足条件:
(1) B的前r行中每一行至少有一个非零元素,且从左到右第一个 非零元素等于1;
, (2) B的后m-r行元素都等于零 ;
S , F C rmr , S C nmr( nr )
设A.B的分块矩阵为 A (a1 , a 2 ,, a n ) , B (b1 , b2 ,, bn ) ,对应A的
P1 (e j1 , e j2 ,, e jr , e jr 1 e jn )
,则有
Hermite 行标准形B,构造阶置换矩阵
满秩矩阵及满秩矩阵的应用
满秩矩阵及满秩矩阵的应用专业：通信与信息系统姓名：李娜学号：6120140151目录一、满秩矩阵及满秩矩阵在矩阵分解方面的应用 (2)1.1矩阵的秩 (2)1.2满秩矩阵 (2)1.3满秩矩阵的性质 (3)1.3.1行(列)矩阵的一些性质 (4)1.4 行(列) 满秩矩阵在矩阵分解方面的应用 (6)二、满秩矩阵在保密通信中的应用 (8)2.1 基于满秩矩阵的保密通信模型 (8)2.1.1加密保密通信模型 (8)2.2.2满秩矩阵的应用 (8)2.2密钥的生成 (10)2.2.1加密密钥的生成 (10)2.2.2解密密钥的生成 (10)2.3其它问题 (10)2.3.1明文矩阵的选择 (10)2.3.2加密矩阵的选择 (11)2.3.3算法优化 (11)一、满秩矩阵及满秩矩阵在矩阵分解方面的应用引言矩阵是数学中的一个重要的基本概念，是现代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。
“矩阵”这个词是由西尔维斯特首先使用的，他是为了将数学的矩形阵列区别于行列式而发明了这个述语，而实际上，矩阵这个课题在诞生之前就已经发展的很好了。
1.1矩阵的秩设A是一组向量，定义A的最大无关组中向量的个数为A的秩。
定义1 在m n矩阵A中，任意决定k行和k列交叉点上的元素构成A的一个k阶子矩阵，此子矩阵的行列式，称为A的一个k阶子式。
例如，在阶梯形矩阵中，选定1，3行和3，4列，它们交叉点上的元素所组成的2阶子矩阵的行列式就是矩阵A的一个2阶子式。
定义2 A=(a ij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作r(A），或rank（A）或R(A)。
特别规定零矩阵的秩为零。
显R（A）≤min(m,n)易得：若A中至少有一个r阶子式不等于零，且在R(A)<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。
由定义直接可得n阶可逆矩阵的秩为n，通常又将可逆矩阵称为满秩矩阵,不满秩矩阵就是奇异矩阵，det(A)=0。
线性代数中的秩与矩阵变换解读
线性代数中的秩与矩阵变换解读在线性代数中，秩是一个非常重要的概念。
它可以帮助我们理解矩阵的性质和变换的本质。
本文将探讨线性代数中的秩与矩阵变换的关系，并解读其背后的数学原理和几何意义。
一、秩的定义与性质在线性代数中，矩阵的秩是指矩阵中线性无关的行（或列）向量的最大个数。
我们用r(A)表示矩阵A的秩。
秩的定义可以通过高斯消元法得到，即将矩阵A进行初等行变换，化为行阶梯形矩阵，秩就是矩阵中非零行的个数。
秩具有以下性质：1. 对于任意矩阵A，秩满足0 ≤ r(A) ≤ min(m, n)，其中m和n分别是矩阵A的行数和列数。
2. 对于任意矩阵A，其秩与其转置矩阵的秩相等，即r(A) = r(A^T)。
3. 对于任意矩阵A和B，r(AB) ≤ min(r(A), r(B))。
当r(A) = r(B) = n时，r(AB) = r(A) = r(B) = n。
二、秩与矩阵变换的关系矩阵变换是线性代数中的一个重要概念，它描述了一个向量空间中的向量在某种变换下的映射关系。
而秩则是描述矩阵的性质的一个指标。
秩与矩阵变换之间有着密切的联系。
1. 矩阵变换的线性性质矩阵变换必须满足线性性质，即对于任意向量x和y以及标量c，有T(x + y) = T(x) + T(y)和T(cx) = cT(x)。
线性性质保证了矩阵变换的可加性和标量倍乘性。
2. 矩阵变换的表示对于一个线性变换T，我们可以用一个矩阵A来表示它。
具体而言，对于任意向量x，有T(x) = Ax。
其中，A是一个m×n的矩阵，m是变换后向量的维度，n是变换前向量的维度。
3. 矩阵变换与秩的关系矩阵变换与秩的关系可以通过矩阵的列空间和零空间来解释。
对于一个m×n的矩阵A，其列空间是所有由A的列向量线性组合而成的向量的集合，记作Col(A)；其零空间是所有满足Ax = 0的向量x的集合，记作Nul(A)。
根据秩的定义，我们可以得到以下结论：- 矩阵A的列空间的维度等于A的秩，即dim(Col(A)) = r(A)。
第四章 矩阵分解
矩阵分析第四章 矩阵分解§4.1: 矩阵的满秩分解 §4.2: 矩阵的正交三角分解 §4.3: 矩阵的奇异值分解 §4.4: 矩阵的极分解 §4.5: 矩阵的谱分解矩阵分解前言矩阵分解定义: 将一个已知矩阵表示为另一些较为简单或 较为熟悉的矩阵的积(或和)的过程称为矩阵分解. 例:(1)对任意n阶正规矩阵A,存在酉阵U∈Un×n使 A=Udiag(λ1,…,λn)U*, 其中λ1,…,λn为A的所有特征值的任一排列. (2)对任意n阶正定矩阵A,存在可逆阵Q∈Cnn×n使A=Q*Q,或存 在唯一正定阵B使A=BB. 矩阵分解意义:有利于研究已知的矩阵. 例如,利用正定阵A的平方根B为正定阵可证: 对任意Hermite阵H,AH或HA都有实特征值.1( AH∼(A1/2)-1AHA1/2=A1/2HA1/2∈Hn×n )2初等变换与初等矩阵(p73)三类初等变换: (行(列)变换←→左(右)乘) (1)将矩阵A的两行互换等价于用第一类初等矩阵P(i,j)左 乘A; (2)将矩阵A的第i行乘以k≠0等价于用第二类初等矩阵 P(i(k))=diag(1,…,1,k,1,…,1)左乘A. (3)将矩阵A的第j行乘以k≠0后再加到第i行等价于左乘第 三类初等矩阵P(i,j(k)).P (i , j ) =⎛1 ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 1 0 1 1 1 0 1 1初等变换与初等矩阵举例⎛1 ⎞⎛ 1 4 7 ⎞ ⎛ 1 4 7 ⎞ ⎜ 0 1 ⎟⎜ 2 5 8 ⎟ = ⎜ 3 6 9 ⎟ ; ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 1 0 ⎟⎜ 3 6 9 ⎟ ⎜ 2 5 8 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎛1 4 7⎞⎛1 ⎞ ⎛ 1 7 4⎞ ⎜ 2 5 8⎟⎜ 0 1⎟ = ⎜ 2 8 5⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 3 6 9⎟⎜ 1 0⎟ ⎜ 3 9 6⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠⎛1 ⎞⎛1 4 7⎞ ⎛ 1 4 7 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ 0.2 ⎟ ⎜ 2 5 8 ⎟ = ⎜ 0.4 1 1.6 ⎟ ; ⎜ ⎜ 1⎟⎜ 3 6 9 ⎟ ⎜ 3 6 9 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠⎛1 4 7⎞⎛1 ⎞ ⎛ 1 4 7 / 9⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 2 5 8⎟⎜ 1 ⎟ = ⎜ 2 5 8/9⎟ ⎜ 3 6 9⎟⎜ 1/ 9 ⎟ ⎜ 3 6 1 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠---- i ---- j⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ 1⎠P (i , j ( k )) =⎛1 ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝1k 1⎞ ⎟ ⎟ ⎟ ---⎟ ⎟ ⎟ ---⎟ ⎟ ⎟ 1⎠i j3⎛1 ⎞⎛ 1 2 3⎞ ⎛ 1 2 3 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ −4 1 ⎟ ⎜ 4 5 6 ⎟ = ⎜ 0 −3 −6 ⎟ ; ⎜ 1⎟⎜ 7 8 9⎟ ⎜ 7 8 9 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠−3 ⎞ ⎛ 1 2 0 ⎞ ⎛ 1 2 3⎞⎛1 ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ 4 5 6⎟⎜ 1 ⎟ = ⎜ 4 5 −6 ⎟ ⎜7 8 9⎟⎜ 1 ⎟ ⎜ 7 8 −12 ⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠4初等变换与初等矩阵的性质3类初等矩阵都是可逆的(行列式不为0). 将A依次作初等矩阵P1,…,Pr对应的行(列)初等变换等价 于左(右)乘A以可逆矩阵Pr…P1(P1…Pr). 可适当选第一类初等矩阵的乘积P使PA(AP)的行(列)是A 的行(列)的任意排列; 可适当选第三类初等矩阵 P(i,j(k))中的k使P(i,j(k))A的(i,j)元变为0; 可适当选第二类初等矩阵P(i(k))中的k使P(i(k))A的非 零(i,i)元变为1. 存在初等矩阵的乘积P和Q,使PAQ= ,其中r=rankA.初等变换与初等矩阵的性质续命题:设A∈Crm×n前r列线性无关,则用初等行变换可把A变为⎛ Er ⎜ ⎝ 0 ⎛1 ⎜ ⎜ D⎞ ⎜ = ⎜ ⎟ 0 ⎠ ⎜ ⎜ ⎜ ⎜ ⎝ 1 1 * * * * *⎞ ⎟ *⎟ *⎟ ⎟ *⎟ ⎟ ⎟ ⎟ ⎠一般地,∀A∈Crm×n都存在m,n阶可逆阵P和Q使PAQ=5证:因前r列线性无关,故用第一类初等矩阵左乘可使A的 (1,1)元≠0. 再用第二类初等矩阵左乘可使a11=1; 最后用若干第三类初等矩阵左乘可使A的第一列=e1. 因前2列线性无关,故新的第2列与e1线性无关且≠0, 故用第一类行变换可使(2,2)元≠0,…可使A的第2列=e2. ….可使A的第r列=er.此时空白处必为0元.安徽大学 章权兵1矩阵分析§4.1: 矩阵的满秩分解⎛ 1 ⎜ A = ⎜ −2 ⎜ 0 ⎝ 0 0 0 0⎞ ⎛1 ⎟ ⎜ 1 ⎟ , 没 有 P ∈ C 33 × 3 使 P A = ⎜ ⎟ ⎜ 0⎠ ⎝0 0 0 0⎞⎛1 ⎟⎜ 1⎟⎜0 0⎟⎜0 ⎠⎝ 0 0 1 0⎞ ⎛ 1 ⎟ ⎜ 1 ⎟ = ⎜ −2 0⎟ ⎜ 0 ⎠ ⎝ 0 1 0 0⎞ ⎟ 0⎟ 0⎟ ⎠1⎞ ⎟ ⎟. 0⎟ ⎠定义:对任意矩阵A∈Crm×n,A=BC 称为A的一个满秩分 解,如果B∈Crm×r,C∈Crr×n. 例:⎛1 ⎜ ⎜1 ⎜0 ⎝ 1 2 1 2 3 1 3 ⎞ ⎛1 ⎟ ⎜ 2 ⎟ = ⎜1 − 1⎟ ⎜ 0 ⎠ ⎝ 1⎞ ⎟⎛ 1 2 ⎟⎜ ⎜0 1 ⎟⎝ ⎠ ⎛1 4 ⎞ ⎜ ⎟ = ⎜1 ⎟ 1 1 − 1⎠ ⎜ ⎝0 0 1 2⎞ ⎟⎛ 1 3 ⎟⎜ ⎜0 1 ⎟⎝ ⎠ −1 0 1 1 5 ⎞ ⎟ − 1⎟ ⎠⎛ 1 ⎜ A P ( 2, 3) = ⎜ − 2 ⎜ 0 ⎝⎛ 1 0 0 ⎞ ⎛ 1 0 0 ⎞ ⎛ 1 0.5 0 ⎞ ⎜ ⎟⎜ ⎟ ⎜ ⎟ PAQ = P (2,1(0.5)) AP (2, 3) = ⎜ 0.5 1 0 ⎟ ⎜ −2 1 0 ⎟ = ⎜ 0 1 0 ⎟ ⎜ 0 0 1⎟⎜ 0 0 0⎟ ⎜ 0 0 0⎟ ⎝ ⎠⎝ ⎠ ⎝ ⎠m=3,n=4,r=2. 注:可能存在不仅是常数差别的两个实质不同的满 秩分解.矩阵满秩分解的存在定理定理4.1.1:任意矩阵A∈Crm×n,都有满秩分解: A=BC,B∈Crm×r,C∈Crr×n. 证:由初等矩阵性质知: 存在可逆阵P∈Cmm×m和Q∈Cnn×n,使 PAQ= 从而 A⎛ Er ⎜ ⎜ 0 ⎝ 0 ⎞ ⎛ Er ⎟=⎜ 0⎟ ⎜ 0 ⎠ ⎝ ⎛ Er ⎞ -1 ⎜ ⎟ ( E r =P ⎝ 0 ⎠ ⎞ ⎟ ⎟ (E r ⎠ 0)存在定理中矩阵B,C的决定对于A的前r列线性无关的情形:⎛E PA = ⎜ r ⎝ 0 D ⎞ ⎛ Er ⎞ = (Er 0 ⎟ ⎜ 0 ⎟ ⎠ ⎝ ⎠ D)⎛E A = P −1 ⎜ r ⎝ 0D⎞ Er ⎞ −1 ⎛ ⎟= P ⎜ ⎟ (Er 0 ⎠ ⎝ 0 ⎠D ) = BC其中0)⎛E ⎞ B = P −1 ⎜ r ⎟ ; C = ( Er ⎝0⎠D)Q-10)= BC,⎛ 其中B=P-1 ⎜Er ⎞ ⎜ 0 ⎟ ,C= ⎟ ⎝ ⎠(ErQ-1满足所要求的条件.C是PA的前r行(即所有非0行)组成的矩阵, B和C的秩显然都是r.10矩阵B的进一步决定对于A的前r列线性无关的情形: 要求PA的前r列化为(Er,0)T,故有 B=P-1(Er,0)T ⇒ PB=(Er,0)T=PA1, 其中,A1为A前r列组成的子矩阵,由此推出B=A1. (参看P.183-184定理的证明及例4.1.1,例4.1.2) 对下例,A的第1,3两列也线性无关. 令A1为A第1,3两列组成的子矩阵,并将A的第1,3 两列化为(E2,0)T,C为所得矩阵的前2行. 则不难看出也有 A=BC和B=A1.求矩阵满秩分解的初等变换方法再以A= ⎜ 1 ⎜⎛1 1 2 3 ⎞ ⎟ 2 3 2 ⎟ 为例作说明如下: ⎜ 0 1 1 −1⎟ ⎝ ⎠①用初等行变换把A前两列变为(E2 0)T⎛1 1 2 3 ⎞ ⎛1 1 2 3 ⎞ ⎛1 0 1 4 ⎞ ⎛1 1⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎛1 0 1 4 ⎞ ⎜ 1 2 3 2 ⎟ → ⎜ 0 1 1 −1 ⎟ → ⎜ 0 1 1 −1⎟ = ⎜ 1 2 ⎟ ⎜ 0 1 1 −1⎟ ⎠ ⎜ 0 1 1 −1 ⎟ ⎜ 0 1 1 −1 ⎟ ⎜ 0 0 0 0 ⎟ ⎜ 0 1 ⎟ ⎝ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠ a1 a2 ②用初等行变换把A的1,3两列变为(E2 0)T ⎛1 1 2 3 ⎞ ⎛1 1 2 ⎜ ⎟ ⎜ ⎜1 2 3 2 ⎟ → ⎜0 1 1 ⎜ 0 1 1 −1 ⎟ ⎜ 0 1 1 ⎝ ⎠ ⎝ 3 ⎞ ⎛ 1 −1 0 5 ⎞ ⎛ 1 2 ⎞ ⎟ ⎜ ⎟ ⎜ ⎟ ⎛ 1 −1 0 5 ⎞ −1 ⎟ → ⎜ 0 1 1 − 1 ⎟ = ⎜ 1 3 ⎟ ⎜ ⎟ 0 1 1 −1 ⎠ −1 ⎟ ⎜ 0 0 0 0 ⎟ ⎜ 0 1 ⎟ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠a1 a3安徽大学 章权兵2矩阵分析关于矩阵满秩分解的注矩阵满秩分解不唯一;但同一矩阵的两个满秩分 解的因式矩阵之间存在密切关系(见定理4.1.2). A∈Crm×n ⇒ r=rank A ≤ min{m,n} A的秩等于它的行秩,列秩或行列式秩. A的行(列)秩是它的行(列)最大线性无关组的行 (列)数;A的行列式秩是其非0子式的最大阶数. A=BC ⇒ rank A≤rank B 且 rank A≤rank C rank A=rank A*13引理4.3.1引理4.3.1:对任意矩阵A∈Crm×n有 rank(AA*)=rank(A*A)=rank A*=rank A=r. 证:因方程组Ax=0的解空间维数等于n-rank A, (*) 故为了证明 rank(A*A)=rank A 只须证明下列两个方程组有相同的解空间即可 Ax=0 ⑴ ⑵ A*Ax=0 显然,x满足⑴ ⇒ x满足⑵. x满足⑵ ⇒ x*A*Ax=0,即(Ax,Ax)=0 ⇒ Ax=0,即x满足⑴. 注:利用A的任意性以A*代A由(*)得 rank A=rank A*=rank((A*)*A*)=rank(AA*)同一矩阵两个满秩分解间的关系定理4.1.2:若A=BC=B1C1均为A∈Crm×n 的满秩分解, 则存在θ∈Crr×r,使得B=B1θ,C=θ-1C1. 证:若A=BC=B1C1,则BCC*=B1C1C*. 由p.190引理4.3.1知:rank(CC*)=rank C=r, 从而 CC*∈Crr×r为可逆矩阵,且满足B=B1C1C*(CC*)-1. 由上式推出r≥rank(C1C*)≥rank B=r,即rank(C1C*)=r. 进而 θ=C1C*(CC*)-1∈Crr×r,满足B=B1θ. 同理可证 C=(B*B)-1B*B1C1=θ′C1,θ′∈Crr×r. 因此,BC=B1C1 ⇒ B1θθ′C1=B1C1 ⇒ B1*B1θθ′C1C1* = B1*B1C1C1* 引理4.3.1 ⇒ θθ′=E ⇒ θ′=θ-1定理4.1.2的补充命题:设A=B1C1为A∈Crm×n的满秩分解, 则A=BC是A的满秩分解,当且仅当 ∃θ∈Crr×r, B=B1θ,C=θ-1C1. 证: 必要性由定理4.1.2给出. 充分性. 若存在θ使(*)成立,则B,C给出A的满秩分解： BC=B1C1=A. (*)§4.2: 矩阵的正交三角分解满秩矩阵的分解 行(列)满秩矩阵的分解 一般矩阵的分解满秩矩阵的正交三角分解定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=UR(或A=LU),其中 U∈Un×n,R(L)为正线上(或下)三角矩阵. 证:(存在性)令A=(α1, … ,αn),则α1, … ,αn线性无关, 用Schmidt方法从α1, … ,αn得标准正交组ν1,…,νn满足⎧ ⎪ ⎪ ⎨ ⎪ ⎪α ⎩α 1 = C 11ν 11αn2= C 21ν1+ C 22 ν22∀i,Cii=‖βi‖>0n= C n 1ν+ Cn2ν+ ... + C nn νC 21 C 22于是其中,U=(ν1,…,νn)为酉矩阵,R为正线上三角矩阵.⎛ C 11 ⎜ A= (α 1 ,..., α n ) = (ν 1 ,..., ν n ) ⎜ ⎜ ⎜ ⎜ ⎝C n1 ⎞ ⎟ C n2 ⎟ ⎟ ⎟ C nn ⎟ ⎠=UR,安徽大学 章权兵3矩阵分析β1=α1 , β2=α2-((α2,β1)/(β1,β1))β1 , β3=α3-((α3,β1)/(β1,β1))β1-((α3,β2)/(β2,β2))β2 , . . . νi=(1/‖βi‖)βi, βi=‖βi‖νi, i=1,2,… α1=β1=‖β1‖ν1; C11=‖β1‖>0 α2=((α2,β1)/(β1,β1))β1+β2=C21ν1+‖β2‖ν2;C22=‖β2‖>0正交三角分解唯一性证明定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=UR(或A=LU), 其中U∈Un×n,R(L)为正线上三角矩阵. (唯一性) 设还有U′∈Un×n和正线上三角矩阵R′使A=U′R′. 则有 UR=U′R′ ⇒ U′*U = R′R-1 = W 矩阵 W=U′*U∈Un×n,且W=R′R-1 仍然是正线上三角矩阵. (正线上三角阵的逆和积仍是正线上三角阵) 于是,由p.162的引理3.9.1知 W=E. 即 (U′)*U=R′R-1=E. 由此式立即推出:U=U′E=U′ & R′=ER=R. 得证唯一性.α3=C31ν1+C32ν2+‖β3‖ν3; . . .C33=‖β3‖>0正交三角分解下三角情形的证明定理4.2.1:∀A∈Cnn×n都可唯一地分解为A=LU,其中 U∈Un×n,L为正线下三角矩阵. 证: ∀A∈Cnn×n ⇒ AT∈Cnn×n. 存在唯一的U′∈Un×n和正线上三角矩阵R,使AT=U′R. 于是A=(AT)T=(U′R)T=RTU′T=LU, 其中,U=U′T∈Un×n,L=RT为正线下三角矩阵.列(行)满秩矩阵的正交三角分解定理4.2.2:∀A∈Crm×r(Crr×n)都可唯一地分解为A=UR (A=LU), 其中U∈Urm×r(Urr×n),R(L)为r阶正上线(下)三角矩阵. (定理4.2.1为m=n=r时的特例) 证:(存在性)令A=(α1, … ,αr),则α1, … ,αr线性无关, 用Schmidt方法求得标正组ν1,…,νr满足⎧ ⎪ ⎪ ⎨ ⎪ ⎪α ⎩αr2α 1 = C 1 1ν 1 = C 2 1ν 1 + C 2 2ν22∀i,Cii>0.r= C r 1ν 1 + C r 2ν+ . . . + C r rν因此A=UR,其中U=(ν1,…,νr)∈Urm×r, R=⎛ C 11 ⎜ ⎜ ⎜ ⎜ ⎝C 21 C 22C r1 ⎞ ⎟ Cr2 ⎟ ⎟ ⎟ C rr ⎠定理4.2.2唯一性证明定理4.2.2: ∀A∈Crm×r都可唯一地分解为A=UR,其中 U∈Urm×r,R为r阶正线上三角矩阵. (唯一性) 设还有U′∈Urm×r和正线上三角矩阵R′∈Cr×r 使A=U′R′. 则有 R*R=A*A=(R′)*R′, 于是由定理3.9.1⑹,A*A是正定Hermite矩阵. 故A*A可唯一地表示为乘积R*R,其中R为正线上三角阵. 因此必有R=R′. 进而,由UR=U′R′给出U=U′,得证唯一性.一般矩阵的正交三角分解定理4.2.3:∀A∈Crm×n可分解为A=U1R1L2U2,其中U1∈Urm×r, U2∈Urr×n,R1和L2分别为r阶正线上三角和下三角矩阵. 证:由矩阵的满秩分解知: 存在列满秩矩阵B和行满秩矩阵C使A=BC. 存在U1∈Urm×r和r阶正上线上三角矩阵R1使得B=U1R1. 存在r阶正线下三角矩阵L2和U2∈Urr×n使得C=L2U2. 从而A=U1R1L2U2满足条件.安徽大学 章权兵4矩阵分析用UR(LU)分解方法解方程组例4.2.1:用UR(LU)方法解方程组 Ax=b (*) − 2 ⎞ 1 ⎛ 1 ⎞ 其中 ⎛ − 3 ⎜ ⎟ ⎜ ⎟⎜ 1 A = ⎜ 1 ⎜ ⎜ 2 ⎝ 1 1 − 1 − 1 0 1 ⎟ ⎜ 0 ⎟, b = ⎜ 2 ⎟ ⎜ ⎟ ⎜ 1 ⎠ ⎝ ⎟ ⎟. ⎟ ⎟ ⎠§4.3: 矩阵的奇异值分解引理4.3.1:对任意矩阵A∈Crm×n有 rank(AA*)=rank(A*A)=rank A*=rank A=r. 引理4.3.2: ∀A∈Cm×n,AA*∈Cm×m 与 A*A∈Cn×n 均为 半正定Hermite矩阵. 证:由(A*A)*=A*A 和 ∀x∈Cn,x*A*Ax=(Ax,Ax)≥0 得证:A*A∈Cn×n 为半正定Hermite矩阵. 同理可证: AA*∈Cm×m 为半正定Hermite矩阵.解:令A=(α1,α2,α3),易见α1,α2,α3线性无关, 用Schmidt方法得标准正交组ν1,ν2,ν3如教本所示. 则A=UR,R为正线上三角矩阵,U=(ν1,ν2,ν3)∈U34×3 于是 R=U*A,代入(*)式得 URx=b ⇒ Rx=U*b ⇒ x=R-1U*b 最后求得 x=(-5/2,-1/2,3)T.AA*∈Cm×m与A*A∈Cn×n的特征值定理4.3.1: ∀A∈Cm×n, AA*∈Cm×m与A*A∈Cn×n的非零特 征值(正特征值)全同. 证法1:不难验证下列矩阵等式:⎛ AA* 0 ⎞⎛ Em A ⎞ ⎛ AA* ⎜ * ⎟⎜ ⎟=⎜ ⎜ A 0 ⎟⎜ En ⎟ ⎜ A* ⎠ ⎝ ⎝ ⎠⎝⎜ 因S= ⎜ ⎝ ⎛ Em定理4.3.1的另一证法证法2:设λ≠0是AA*的非零特征值: AA*x=λx, λ≠0,x≠0 则 A*x≠0, A*A(A*x)=λ(A*x) 所以λ也是A*A的非零特征值. 同理可证： A*A的任一非零特征值也是AA*的非零特征值.AA* A⎞ ⎛ Em A ⎞⎛ 0 ⎟=⎜ ⎟⎜ En ⎟⎜ A* A* A ⎟ ⎜ ⎠⎝ ⎠ ⎝0 ⎞ ⎟ A* A⎟ ⎠0 ⎞ −1 0 ⎞ ⎛ AA * 0 ⎞ A⎞ ⎛ 0 ⎛ 0 ⎟ = S⎜ * ⎜ ⎜ ⎟S ~ ⎜ * ⎜ ⎟ ⎟ * ⎟ * ⎟ En ⎟ 可逆,故 ⎜ A* 0 ⎟ ⎝ A A A⎠ ⎝ A A A⎠ ⎠ ⎠ ⎝ *)=0与det(λE-A*A)=0有相同非零解, 从而det(λE-AA得证AA*与A*A有相同的非零特征值.奇异值的概念定义4.3.1:∀A∈Crm×n,AA*∈Cm×m或A*A∈Cn×n 的正特征 值的算术平方根称为A的正奇异值(简称奇异值, 共有r个记为 α1,…,αr). 例:求A= ⎜ − 1 ⎜⎜ 0 ⎝ ⎛ 1 0⎞ ⎟ 1⎟∈ C 0⎟ ⎠3× 2 2正规矩阵的奇异值定理4.3.2:正规矩阵的奇异值是其非零特征值的模. 证:设A为正规矩阵,则有U∈Un×n使 A=Udiag(λ1, … ,λn)U* A*=Udiag(λ 1 ,..., λ n )U* 从而 AA*=Udiag(|λ1|2, … ,|λn|2)U* 得证A的正奇异值是A的非零特征值的模.的奇异值.解: A*A=⎜ −1 ⎜⎝⎛2−1⎞ ⎟ 1⎟ ⎠,det(λE-A)=λ2-3λ+1的两个根:(3±√5)/2 均为正, A的奇异值为:α1=((3+√5)/2)1/2;α2=((3-√5)/2)1/2. 例4.3.1:见P.191.安徽大学 章权兵5矩阵分析矩阵的酉等价关系定义:设A,B∈Cm×n,若有S∈Cmm×m,T∈Cnn×n 使B=SAT,则称B 与A等价;若有U∈Um×m,V∈Un×n使B=UAV,则称B与A酉等价. 不难证明Cm×n中的等价或酉等价关系R是等价关系. ∀A∈Cm×n,ARA：A=EmAEn (ARB⇒BRA)： A=UBV⇒B=U*AV*,U*∈Um×m,V*∈Un×n (ARB & BRC⇒ARC)：A=UBV & B=U′CV′⇒A=UU′CV′V 注1: A与B酉等价当且仅当它们有相同的奇异值. 注2: ∀A∈Cm×n的酉等价类中有一个最简单形状的矩阵 (见定理4.3.3). ( A∈Crm×n等价于diag(Er,0)=PAQ )奇异值分解定理1定理4.3.3:令α1,…,αr为A∈Crm×n的全部正奇异值; ∆=diag(α1,…,αr),则有U∈Um×m,V∈Un×n使 U*AV= ⎜ 0 ⎜⎛ ∆ 0⎞ ⎟ =D∈C m×n r 0⎟ ⎝ ⎠(*)U满足U*AA*U是对角矩阵,V满足V*A*AV是对角矩阵. ( A=UDV*称为A的奇异值分解式) 证: 因AA*为m阶半正定矩阵,故有U∈Um×m使⎛ ∆2 0⎞ ⎟ 0⎟ ⎝ ⎠ 分块U=(U1,U2),则U1∈Urm×r,U2∈Um-rm×(m-r)U*AA*U=diag(α12,…,αr2,0,…0)= ⎜ 0 ⎜对角阵 次酉阵奇异值分解定理1续⎛ ∆2 ⎜ ⎝ 0 ⎛ U1* ⎞ ⎛ U1* AA *U1 U1* AA *U 2 ⎞ 0 ⎞ ⎛ U1* ⎞ ⎟ ⎟ = ⎜ * ⎟ AA *(U1 , U 2 ) = ⎜ * ⎟ ( AA *U1 , AA *U 2 ) = ⎜ * * U2 ⎠ 0 ⎠ ⎝U 2 ⎠ ⎝ ⎝ U 2 AA *U1 U 2 AA *U 2 ⎠奇异值分解定理1续令 V1=(v1,…,vr),则v1,…,vr为标准正交组. 将此标正组扩大为Cn的标正基:v1,…,vr,vr+1,…,vn, 令V=(v1,…,vn)=(V1,V2)∈Un×n,其中V2=(vr+1,…,vn). 易见 0=V1*V2=∆-1U1*AV2 ⇒ U1*AV2=0 综合以上得⎛ U * AV U 1* AV2 ⎞ ⎛U * ⎞ ⎟ U * AV = ⎜ 1* ⎟ A(V1 , V2 ) = ⎜ 1* 1 ⎜ U AV U * AV ⎟ ⎜U ⎟ 2 2⎠ ⎝ 2 1 ⎝ 2⎠ ⎛ U * AA * U 1∆−1 =⎜ 1 ⎜ 0 ⎝ 0 ⎞ ⎛ ∆2 ∆−1 ⎟=⎜ 0⎟ ⎜ 0 ⎠ ⎝ 0⎞ ⎛ ∆ 0⎞ ⎟=⎜ ⎟ 0⎟ ⎜ 0 0⎟ ⎠ ⎠ ⎝比较(1,1)块得 ∆2=U1*AA*U1 比较(2,2)块得 0=U2*AA*U2=(U2*A)(U2*A)* ⇒ U2*A=0. ( ∀M∈Cm×n,MM*=0 ⇒ 0=tr(MM*)=Σ2 i,j|mij|⇒ ∀i,j,mij=0 ⇒ M=0 ) 令 V1=A*U1∆-1∈Cn×r 则 V1*V1=∆-1U1*AA*U1∆-1=∆-1∆2∆-1=E ⇒ V1∈Urn×r奇异值分解定理2定理4.3.4:令α1,…,αr为A∈Crm×n的全部正奇异值; ∆=diag(α1,…,αr),则有U1∈Urm×r,V1∈Urn×r 使 A=U1ΔV1 . 证:由定理4.3.3直接推出⎛∆ A = U ⎜ ⎜ 0 ⎝ 0 0 ⎞ ⎟V ⎟ ⎠*关于奇异值分解定理的注(1)定理4.3.3的证明同时给出了因子矩阵U,V的求法. (U(V)是使AA*(A*A)酉相似对角化的变换矩阵) (2)矩阵U,V的列分别是AA*,A*A的对应特征向量. 证: 只证U(类似可证V). U*AA*U=diag(λ1,…,λm),λi为AA*的特征值. 令 U=(u1,…,um), 则 (AA*u1,…,AA*um)=AA*(u1,…,um) =(u1,…,um)diag(λ1,…,λm) =(λ1u1,…,λmum) ⇒ ∀i,AA*ui=λiui A*A=VD*U*UDV*=Vdiag(λ1,…,λm)V* ⇒ ∀i,A*Avi=λivi= (U 1 , U2⎛∆ )⎜ ⎜ 0 ⎝0 0⎞ ⎛ V 1* ⎟⎜ * ⎟⎜ V ⎠⎝ 2⎞ ⎟ ⎟ ⎠⎛V * ⎞ = (U 1∆ , 0 )⎜ 1* ⎟ = U 1∆ V1* ⎜V ⎟ ⎝ 2⎠安徽大学 章权兵6矩阵分析奇异值分解例1例4.3.1: 求 A=⎛1 ⎜ ⎜0 ⎜0 ⎝ 2⎞ ⎟ 0⎟ 0⎟ ⎠奇异值分解例2例:求 A= 解: AA* =⎛1 ⎜ ⎜2 ⎝ 0 0 0⎞ ⎟ 0⎟ ⎠的奇异值分解式.的奇异值分解式.解: AA*=diag(5,0,0),σ(AA*)={5,0,0},Δ=(√5). U1∈U13×1是AA*对应于5的单位特征向量x=(1,0,0)T,U=E3. V1=A*U1∆-1= ⎜ ⎜⎛1 ⎝2 0 0 ⎛1⎞ 0 ⎞⎜ ⎟ ⎟⎜ 0 ⎟ ⎟ 0 ⎠⎜ ⎟ ⎝0⎠⎛1 ⎜ ⎜2 ⎝2⎞ * ⎟ 4 ⎟ ,σ(AA )={5,0},r=1,Δ=(√5). ⎠U1∈U12×1是AA*对应于5的单位特征向量x=(1/√5,2/√5)T V1=A*U1∆-1 = ⎜ 0⎜0 ⎝ ⎛1 ⎜ 2⎞ ⎟⎛ 0 ⎟⎜ ⎜ 0 ⎟⎝ ⎠1 5 2 5( )=1 51 5⎛1⎞ ⎜ ⎟ ⎜ 2⎟ ⎝ ⎠, V=1 5⎛1 ⎜ ⎜2 ⎝− 2⎞ ⎟ 1 ⎟ ⎠⎞ ⎟ ⎟ ⎠( )=1 51 5⎛1 ⎜ ⎜0 ⎜0 ⎝2⎞ ⎛1⎞ ⎟⎛ 1 ⎞ ⎜ ⎟ 0 ⎟⎜ ⎟ = ⎜ 0 ⎟ ⎜2⎟ 0 ⎟⎝ ⎠ ⎜ 0 ⎟ ⎠ ⎝ ⎠所以A的奇异值分解式是 A=UDV*= ⎜ 0 ⎜⎝0 ⎛1 ⎜ 0 1 0 0⎞⎛ 5 ⎜ 0⎟⎜ 0 ⎟ 1⎟⎜ 0 ⎠⎝ 0⎞ ⎟⎛ 0⎟⎜ 0⎟⎝ ⎠1 5 −2 5 1 2 5⎛1⎞ ⎞ ⎜ ⎟ ⎟ = ⎜0⎟ 5 ⎠ ⎜0⎟ ⎝ ⎠( 5 )(1 52 5)=U1∆ V 1*所以A的奇异值分解式是 ⎛ 15 * = ⎜ A = U1ΔV1 ⎜ 2 ⎝ 5⎞ ⎟( ⎟ ⎠5 ) (1, 0 , 0 )§4.4: 矩阵的极分解定义:令A∈Cn×n,A=HU或A=UH称为A的极分解式,如果 U∈Un×n,H∈Cn×n 是半正定Hermite矩阵. 特例: n=1时,由复数的指数表示式 a=ρeiθ 有 A=(a)=(ρ)(eiθ)=HU, H=(ρ)是半正定Hermite矩阵,U=(eiθ)是酉矩阵. 下面的定理证明： 矩阵的极分解式存在并且是唯一的.满秩方阵的极分解定理4.4.1: ∀A∈Cnn×n,存在U∈Un×n 和n阶正定Hermite矩阵 H1,H2 使 A=H1U (H12=AA*,即H1=√(AA*))或 A=UH2;并且这 样的分解式是唯一的. 证: 由定理3.9.1和定理3.9.4, 正定Hermite矩阵A*A存在唯一正定矩阵H2=(A*A)1/2. 令U=AH2-1, 则 U*U=(AH2-1)*AH2-1 =H2-1A*AH2-1=H2-1H22H2-1=E, 从而U∈Un×n使A=UH2;因H2可逆且唯一,故U也唯一. ( 另一半的证明: A=UH2=UH2U*U=H1U, H1=UH2U*为正定Hermite矩阵. AA*=H1UU*H1=H12 & H1为正定Hermite阵 ⇒ H1唯一. )非满秩方阵的极分解定理4.4.2: ∀A∈Crn×n,存在U∈Un×n和唯一n阶秩r半正定 Hermite矩阵H1,H2使A=H1U (H12=AA*,即H1=√(AA*)) 或 A=UH2 (即H2=√(A*A)). 证:存在性 由奇异值分解定理有U1,V∈Un×n使A=U1DV*, D=diag(α1,…,αr,0,…,0). 令H1=U1DU1*,H2=VDV*,U=U1V*,则H1,H2,U满足要求 A=U1DU1*U1V*=H1U; A=U1V*VDV*=UH2. 唯一性 若A=H1U,则AA*=H12 ⇒H1=(AA*)1/2唯一. 注:也可用上述方法证明定理4.4.1. 思考:定理4.4.2中U是否唯一? 不一定唯一! 没有U=AH2-1矩阵极分解的一个经典应用定理4.4.3: ∀A∈Cn×n 为正规矩阵当且仅当存在 U,U′∈Un×n和(同一个)n阶半正定Hermite矩阵H使 A=HU=U′H. 证:必要性 设A*A=AA*.由定理4.4.2,存在U∈Un×n和n 阶半正定Hermite矩阵H1,H′使A=H1U=UH′. 因此 H1=(AA*)1/2=(A*A)1/2 =H′. (AA*=H1UU*H1=(H1)2,A*A=H′U*UH′=(H′)2) 充分性 设A=HU=U′H. 则 AA*=HU(HU)*=H2 , A*A=(U′H)*U′H=H2 =AA*安徽大学 章权兵7。
第十六讲 矩阵的满秩分解与奇异值分解
AH A（或 AAH ）的非零特征值的重数大于 1 时，调整V 或（和 U ）的列向量使得
U
0
0 0
V
H
A 是十分困难的。
二、 矩阵的奇异值分解
1 0 0
例
6、仍求例
4
中
A
0
1
0
0 0 0
奇异值分解。
2 1 0
解：
AAH
1
2
0
的
特
征
值
为
0 0 0
1 1 ，2 3 ，3 0（非零特征值应与 AH A
一、 矩阵的满秩分解
0 1 1 1 1
例
1、求矩阵
0
2
2
2
6
的满
0 1 1 2 3
秩分解。
1 1
A
FG
2
1
2 2
0 0
1 0
1 0
0 1
1
2
一、 矩阵的满秩分解
4、应用
例 2、设 A1 与 A2 都是 m n 矩阵，证明 rank( A1 A2 ) rankA1 rankA2 。
定理
3、设
A
C mn r
(r 0) ，则存在 m
阶酉矩阵U 和 n 阶酉矩阵V ，使得
UH
AV
0
0 0
，
其中 diag(1, 2 ,L , r ) ， i (i 1,L , r)
为矩阵 A 的全部非零奇异值。
二、 矩阵的奇异值分解
设
A
C
mn r
(r 0)
的非零奇异值为
1,L , r ， 对 角 阵 diag(1, 2 ,L , r ) ，
15 矩阵的满秩分解
即存在可逆矩阵P2，使得 P2 A B
1
(2)
由(1)式和(2)式得到 B P2 A P2 PH 1 A
令P P2 P 1 ，则有
PB H A
B的Hermite标准形也是H A .
高等工程数学 8
高等工程数学
理学院 杨文强
第四章矩阵分解及其应用
§3 矩阵的Hermite标准形及满秩分解
第四章矩阵分析及其应用
§3 矩阵的Hermite标准形及满秩分解 一、矩阵的Hermite标准形：
矩阵行的初等变换：
(1)交换矩阵的任意两行；
(2)对矩阵的某一行乘以一非零的任意常数；
(3)矩阵的某一行乘以一个常数加到另一行.
注：
矩阵的行初等变换等价于矩阵左乘一相应的初等矩阵；
矩阵的列初等变换等价于矩阵右乘一相应的初等矩阵；
即 PAi Bi，i 1 ， 2， ，n.
Ai P1Bi，i 1 ， 2， ，n.
若矩阵A的列向量Ai1， Ai2， ， Aik 有线性关系：
x1 Ai1 x2 Ai2
则有 P x1 Ai1 x2 Ai2
为Hermite标准形H，即存在可逆方阵P，使得 PA H H 称为A的Hermite标准形 . 高等工程数学
高等工程数学
4
理学院 杨文强
第四章矩阵分解及其应用
§3 矩阵的Hermite标准形及满秩分解
例2：求矩阵A的Hermite标准形及变换矩阵P，其中
1 2 1 2 1 A 2 4 1 2 3 3 6 3 6 3
单形式是什么矩阵？
高等工程数学 2
高等工程数学
理学院 杨文强
第四章矩阵分解及其应用
matlab 复数矩阵满秩分解
matlab 复数矩阵满秩分解
在MATLAB中，可以使用SVD（奇异值分解）来进行复数矩阵的满秩分解。
具体步骤如下：
假设存在一个复数矩阵A，大小为m×n，其中m>n。
1. 对矩阵A进行SVD分解。
使用MATLAB的svd函数来计算奇异值分解。
```
[U, S, V] = svd(A);
```
其中，U是一个m×m的酉矩阵，S是一个m×n的对角矩阵，对角线上的元素是奇异值，V是一个n×n的酉矩阵。
2. 根据奇异值的大小，确定矩阵A的秩r。
一般来说，奇异值小于一个阈值（比如0.01）的可以认为是接近于0的奇异值，可以忽略。
通过计数剩余的奇异值的个数，就可以得到矩阵A的秩r。
3. 令U1是U的前r列，S1是S的前r×r子矩阵，V1是V的前r列。
4. 可以重新构造出一个近似的矩阵A'，大小为m×n：
```
A' = U1*S1*V1';
```
其中，'表示复共轭转置。
这样就完成了复数矩阵A的满秩分解。
满秩矩阵及满秩矩阵的应用
满秩矩阵及满秩矩阵的应用专业：通信与信息系统姓名：李娜学号：6120140151目录一、满秩矩阵及满秩矩阵在矩阵分解方面的应用 (2)1.1矩阵的秩 (2)1.2满秩矩阵 (2)1.3满秩矩阵的性质 (3)1.3.1行(列)矩阵的一些性质 (4)1.4 行(列) 满秩矩阵在矩阵分解方面的应用 (6)二、满秩矩阵在保密通信中的应用 (8)2.1 基于满秩矩阵的保密通信模型 (8)2.1.1加密保密通信模型 (8)2.2.2满秩矩阵的应用 (8)2.2密钥的生成 (10)2.2.1加密密钥的生成 (10)2.2.2解密密钥的生成 (10)2.3其它问题 (10)2.3.1明文矩阵的选择 (10)2.3.2加密矩阵的选择 (11)2.3.3算法优化 (11)一、满秩矩阵及满秩矩阵在矩阵分解方面的应用引言矩阵是数学中的一个重要的基本概念，是现代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。
“矩阵”这个词是由西尔维斯特首先使用的，他是为了将数学的矩形阵列区别于行列式而发明了这个述语，而实际上，矩阵这个课题在诞生之前就已经发展的很好了。
1.1矩阵的秩设A是一组向量，定义A的最大无关组中向量的个数为A的秩。
定义1 在m n矩阵A中，任意决定k行和k列交叉点上的元素构成A的一个k阶子矩阵，此子矩阵的行列式，称为A的一个k阶子式。
例如，在阶梯形矩阵中，选定1，3行和3，4列，它们交叉点上的元素所组成的2阶子矩阵的行列式就是矩阵A的一个2阶子式。
定义2 A=(a ij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作r(A），或rank（A）或R(A)。
特别规定零矩阵的秩为零。
显R（A）≤min(m,n)易得：若A中至少有一个r阶子式不等于零，且在R(A)<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。
由定义直接可得n阶可逆矩阵的秩为n，通常又将可逆矩阵称为满秩矩阵,不满秩矩阵就是奇异矩阵，det(A)=0。
满秩是什么意思
满秩是什么意思
一个矩阵中不等于零的子式的最大阶数叫作这个矩阵的秩。
最大阶数等于矩阵的阶数时称为满秩。
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。
若矩阵秩等于行数，称为行满秩；若矩阵秩等于列数，称为列满秩。
既是行满秩又是列满秩则为n阶矩阵即n阶方阵。
行满秩矩阵就是行向量线性无关，列满秩矩阵就是列向量线性无关；所以如果是方阵,行满秩矩阵与列满秩矩阵是等价的。
扩展资料
单位阵
单位阵是单位矩阵的简称，它指的.是对角线上都是1，其余元素皆为0的矩阵。
在矩阵的乘法中,有一种矩阵起着特殊的作用，如同数的乘法中的1，我们称这种矩阵为单位矩阵，简称单位阵。
它是个方阵，除左上角到右下角的对角线(称为主对角线)上的元素均为1以外全都为0。
可用将系数矩阵转化成单位矩阵的方法解线性方程组。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
矩阵的满秩分解
§4.3矩阵的满秩分解
本节讨论一个n m ⨯复矩阵A 可以分解为两个与A 的秩相同的矩阵之积的问题。
定义4.3.1设n m ⨯复矩阵A 的秩为r ，如果存在两个与A 的秩相同的复矩阵F 与G ，使得FG A =，则称此式为复矩阵A 的满秩分解。
当A 是满秩矩阵时（行满秩或列满秩）A 可以分解为单位矩阵与A 自身的乘积，这个满秩分解叫做平凡分解。
定理4.3.1设n m ⨯复矩阵A 的秩为r 0>，则A 有满秩分解。
证：因为0>=r rankA ，对A 施行初等行变换，可得到阶梯形矩阵⎪⎪⎭
⎫ ⎝⎛=0G B ， 其中G 为n r ⨯矩阵，并且0>=r rankG ；因此存在着有限个m 阶初等矩阵之积，
记作P ，有B PA =，或者B P A 1-=，将矩阵1-P 分块为()S F P =-1 ，其中F 为r m ⨯矩阵，S 为)(r n m -⨯矩阵，并且r rankF =，r n rankS -=。
则有()FG G S F B P A =⎪⎪⎭
⎫ ⎝⎛==-01 ，其中F 是列满秩矩阵，S 是行满秩矩阵。
▌
但是，矩阵A 的满秩分解不唯一。
这是因为若取任意一个r 阶非奇异矩阵D ，则有
G F G D FD FG A ~~))((1===-。
例1、 求矩阵⎪⎪⎪⎭
⎫ ⎝⎛----=122211212101A 的满秩分解。
解：对矩阵A 进行初等行变换
()⎪⎪⎭⎫ ⎝⎛==⎪⎪⎪⎭
⎫ ⎝⎛--→⎪⎪⎪⎭⎫ ⎝⎛----=0111000001130200012101100122201011210012101G B I A 其中⎪⎪⎭⎫ ⎝⎛-=30202101G 所以⎪⎪⎪⎭⎫ ⎝⎛-=000030202101B ，⎪⎪⎪⎭
⎫ ⎝⎛-=111011001P ；而()S F P =⎪⎪⎪⎭⎫ ⎝⎛--=-1120110011，其中⎪⎪⎪⎭
⎫ ⎝⎛--=121101F
由此可见，所以有()⎪⎪⎪⎭
⎫ ⎝⎛--==⎪⎪⎭⎫ ⎝⎛==-12110101FG G S F B P A ⎪⎪⎭⎫ ⎝⎛-30202101。
定义4.3.2设n m ⨯复矩阵H 的秩为r ()0>r ，并且满足以下条件：
1）矩阵H 的前r 行中的每一行至少含有一个不为零的元素，并且第一个不为零的元素是1，而后r m -行的元素均为零；
2）如果矩阵H 的第i 行的第一个不为零的元素1在第i j 列()r i ,,2,1 =， 则r j j j <<< 21；
3）矩阵H 的r j j j ,,,21 列是单位矩阵m I 的前r 列； 则称矩阵H 为Hermite 标准形(最简型)。
由此定义可见，对于任意一个秩为r 的n m ⨯复矩阵A ，均可以经过初等行变换将其化为Hermite 标准形H ，而且矩阵H 的前r 列元素组成的列向量组线性无关。
定义4.3.3以n 阶单位矩阵n I 的n 个列向量n e e e ,,,21 为列构成的n 阶矩阵()n j j j e e e P ,,,21 =叫做置换矩阵。
其中n j j j ,,,21 是n ,,2,1 的一个全排列。
定理4.3.2设n m ⨯复矩阵A 的秩为r ()0>r ，矩阵A 的Hermite 标准形为H ，则在矩阵A 的满秩分解FG A =中，可以取矩阵F 为A 的r j j j ,,,21 列构成的r m ⨯列矩阵，G 为H 的前r 行构成的n r ⨯列矩阵。
例2、求矩阵⎪⎪⎪⎭
⎫ ⎝⎛----=122211212101A 的满秩分解。
解：先求出矩阵A 的Hermite 标准形
H A =⎪⎪⎪⎭⎫ ⎝⎛-→⎪⎪⎪⎭⎫ ⎝⎛----=0000230102101122211212101，H 的第1列与第2列构成3I 的
前两列，所以矩阵F 为A 的第1列与第2列构成的23⨯矩阵，G 为H 的前2行
构成的42⨯矩阵，即⎪⎪⎪⎭
⎫ ⎝⎛-=222101F ，⎪⎪⎭⎫ ⎝⎛-=230102101G ， 所以⎪⎪⎪⎭
⎫ ⎝⎛-==222101FG A ⎪⎪⎭⎫ ⎝⎛-230102101。
对比例1，可以看出矩阵A 的满秩分解不唯一。