矩阵分解

最新推荐文章于 2025-07-02 17:48:43 发布

nancy_princess

最新推荐文章于 2025-07-02 17:48:43 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏： matlab

本文链接：https://blog.csdn.net/ningyaliuhebei/article/details/44056233

matlab 专栏收录该内容

36 篇文章

订阅专栏

下面谈谈矩阵分解的应用

SVD分解

可以看看我前面的一片博文http://blog.csdn.net/ningyaliuhebei/article/details/7104951

QR分解

QR分解法是目前求一般矩阵全部特征值的最有效并广泛应用的方法，一般矩阵先经过正交相似变化成为Hessenberg矩阵，然后再应用QR方法求特征值和特征向量。它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R，所以称为QR分解法，与此正规正交矩阵的通用符号Q有关。QR 分解经常用来解线性最小二乘法问题。

在Matlab中，语法为[Q,R]=qr(A)，如果A是一个m×n的矩阵，其QR分解后，Q为一个m×m的矩阵，R是一个m×n的矩阵。假定A是mxn的矩阵且列满秩,即rank(A)=n,那么A=QR在要求R的对角元为正实数的情况下是唯一的.如果不要求R的对角元为正实数,那么可以有其它的QR分解A=(QD)(DR),其中D是任何对角酉阵,可以证明只有这些QR分解.如果不是列满秩的话就没有上述唯一性了,除非对R的阶梯结构有额外要求.注意A的QR分解相当于对A的前k列张成的空间找正交基,从这里很容易理解什么时候会有唯一性.

语法为[Q,R,perm] = qr(A,0)，如果A是一个m×n的矩阵，当m≤n时，其QR分解后，Q为一个m×m的矩阵，R是一个m×n的矩阵。当m ≥n时，其QR分解后，Q为一个m×n的矩阵，R是一个n×n的矩阵。

贴个不错的链接 http://blog.sina.com.cn/s/blog_3f41287a0101ke2s.html

矩阵的QR分解有多种方法： Givens 旋转、Householder 变换，以及 Gram-Schmidt 正交化等。

关于Gram-Schmidt 正交化的QR分解见 http://blog.163.com/shikang999@126/blog/static/1726248962011224596997/

关于QR分解的具体过程见下面的链接： http://www.docin.com/p-491155243.html 或 http://www.doc88.com/p-79759204581.html

QR分解的Givens变换和householder变换见下载链接：http://download.csdn.net/detail/fuqifalilu/2673607#comment

http://blog.163.com/java_mc/blog/static/8148469520091028114559329/

QR分解求特征值特征向量链接http://blog.sina.com.cn/s/blog_719e3ac6010170fb.html

c++通过QR分解法求矩阵特征值Matrix_EigenValue http://blog.163.com/shikang999@126/blog/static/17262489620114208458265/

QR分解的具体应用及意义：