矩陣分析學(xué)習(xí)筆記(二)-矩陣的分解

滿秩分解

如果矩陣A的行(列)向量組線性無關(guān),則稱A為行(列)滿秩矩陣。

定理:設(shè)Am \times n矩陣,A的秩為r,則存在m\times r列滿秩F和r \times n行滿秩G,使A=FG,稱為矩陣A的滿秩分解。

設(shè)F=(p_1,p_2,\cdots,p_r), G=(q_1,q_2,\cdots,q_r)^T,則
A=\left( \matrix{ p_1,p_2,\cdots,p_r }\right) \left[ \matrix{ q_1^T\\q_2^T\\\cdots\\q_r^T }\right]=\sum_{i=1}^np_iq_i^T
例:設(shè)A=\left(\alpha_1,\alpha_2,\alpha_3,\alpha_4,\alpha_5\right)=\left[\matrix{2&1&6&1&0\\3&2&10&1&0\\2&3&10&-1&3\\4&4&16&0&1}\right],求A的滿秩分解。

解:先用初等行變換將A化為簡化階梯型矩陣。

\left[\matrix{2&1&6&1&0\\3&2&10&1&0\\2&3&10&-1&3\\4&4&16&0&1}\right]\rightarrow\left[\matrix{2&1&6&1&0\\1&1&4&0&0&\\0&2&4&-2&3\\0&2&4&-2&1}\right]\rightarrow\left[\matrix{1&0&2&1&0\\0&1&2&-1&0\\0&0&0&0&1\\0&0&0&0&0}\right]\rightarrow(\beta_1,\beta_2,\beta_3,\beta_4,\beta_5)=\left(\matrix{G\\0}\right)

其中G=\left[\matrix{1&0&2&1&0\\0&1&2&-1&0\\0&0&0&0&1}\right]3\times5行滿秩矩陣;

\beta_1,\beta_2,\beta_5線性無關(guān),且\beta_3=2\beta_1+2\beta_2,\beta_4=\beta_1-\beta_2。由于初等行變換保持列向量線性組合關(guān)系,故\alpha_1,\alpha_2,\alpha_5線性無關(guān),且\alpha_3=2\alpha_1+2\alpha_2,\alpha_4=\alpha_1-\alpha_2。

F=(\alpha_1,\alpha_2,\alpha_5)=\left[\matrix{2&1&3\\3&2&0\\2&3&3\\4&4&1}\right]4\times3列滿秩矩陣,

FG=(\alpha_1,\alpha_2,\alpha_5)\left[\matrix{1&0&2&1&0\\0&1&2&-1&0\\0&0&0&0&1}\right]=(\alpha_1,\alpha_2,2\alpha_1+2\alpha_2,\alpha_1-\alpha_2,\alpha_5)=(\alpha_1,\alpha_2,\alpha_3,\alpha_4,\alpha_5)=A

定理二:(正交滿秩分解定理)設(shè)Am\times n階實(shí)矩陣,A的秩為r,則存在m\times r列正交矩陣W和行滿秩矩陣的r \times n階矩陣R,使得A=WR。其中,W列正交含義為W^TW=E_r。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請結(jié)合常識與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容