Сингулярное разложение в линейной задаче метода наименьших квадратов

Дипломная работа - Математика и статистика

Другие дипломы по предмету Математика и статистика

Скачать Бесплатно!
Для того чтобы скачать эту работу.
1. Пожалуйста введите слова с картинки:

2. И нажмите на эту кнопку.
закрыть



.

Теорема 1. Пусть А mnматрица ранга k, представленная в виде

A=HRKT(2)

где H ортогональная mm матрица; R mnматрица вида

,(3)

где: R11 kxkматрица ранга k; K ортогональная kxkматрица. Определим вектор

(4)

и введем новую переменную

.(5)

Определим как единственное решение системы R11y1=g1. Тогда:

  1. Все решения задачи о минимизации Ax-b имеют вид

    , где y2 произвольно.

  2. Любой такой вектор

    приводит к одному и тому же вектору невязки .(6)

  3. Для нормы r справедливо

  4. Единственным решением минимальной длины является вектор

  5. Доказательство. В выражении для квадрата нормы невязки заменим A на HRKT в соответствии с (2) и умножая на ортогональную матрицу HT (умножение на ортогональную матрицу не меняет евклидову норму вектора) получим

    (7)

    Далее из (3) и (5) следует, что

.

Из (4) следует

Подставляя оба последних выражения в (7) получим

Последнее выражение имеет минимальное значение при R11y1=g1, а в этом уравнении единственным решением является , так как ранг матрицы R11 равен к. Общее решение y выражается формулой , где y2 произвольно. Для вектора имеем

,

что устанавливает равенство (3). Среди векторов наименьшую длину имеет тот, для которого y2=0. Отсюда следует, что решением наименьшей длины будет вектор . Теорема доказана.

Всякое разложение матрицы А типа (2) мы будем называть ортогональным разложением А. Заметим, что решение минимальной длины, множество всех решений и минимальное значение для задачи минимизации Ax-b определяются единственным образом. Они не зависят от конкретного ортогонального разложения.

При проведении разложения необходимо приводить матрицы к диагональному виду. Для этого обычно используются два преобразования: Гивенса и Хаусхолдера, оставляющие нормы столбцов и строк матриц неизменными.

1.2. Ортогональное вращение Гивенса

Лемма. Пусть дан 2вектор , причем либо .Существует ортогональная 22 матрица такая, что:

(8)

 

Доказательство. Положим:

.

Далее прямая проверка.

Матрица преобразования представляет собой матрицу вращений

или отражений

1.3. Ортогональное преобразование Хаусхолдера

Применяется для преобразования матриц к диагональному виду. Матрица преобразования представляет из себя следующее выражение: ,(9)

или, если вектор v нормирован, т.е. используется вектор единичной длины , то . В обоих случаях H симметричная и ортогональная матрица. Покажем это:

.

Отсюда следует: что , т.е. симметричность и ортогональность. В комплексном случае матрица эрмитова и унитарна. Предположим, что дан вектор х размерности m, тогда существует матрица H такая, что , где

а = +1, при положительной первой компоненте вектора х и = 1, при отрицательной.

Доказательство. Положим действительная матрица. Любую действительную матрицу можно привести в треугольному виду

Далее принимаем во внимание то, что и получаем следующее:

1.4. Сингулярное разложение матриц

Пусть X матрица данных порядка Nxp, где N>p, и пусть r ранг матрицы X. Чаще всего r=p, но приводимый ниже результат охватывает общий случай, он справедлив и при условии r<p.

Теорема о сингулярном разложении утверждает, что

(10)

где V матрица порядка Nxr, столбцы которой ортонормированы, т.е. ; U матрица с ортонормированными столбцами порядка pxr; таким образом, ; Г диагональная матрица порядка rxr, диагональные элементы которой , называемые сингулярными числами матрицы X, положительны. Используя диагональные элементы матрицы Г, столбцы матрицы V, и столбцы матрицы U, сингулярное разложение матрицы X, определяемое по (10), можно записать в виде:

(11)

Имеют место следующие фундаментальные соотношения.

  • Квадратная симметричная матрица XX порядка NxN, имеет r положительных и Nr нулевых собственных чисел. Положительными собственными числами XX являются

    , а соответствующими собственными значениями . Таким образом, сингулярные значения это положительные квадратные корни из положительных собственных чисел матрицы XX, а столбцы матрицы V соответствующие собственные векторы.

  • Квадратная симметричная матрица XX порядка pxp, имеет r положительных и pr нулевых собственных чисел. Положительными собственными числами XX являются

    , а соответствующими собственными значениями , таким образом, сингулярные значения это положительные квадратные корни из положительных собственных чисел матрицы XX, а столбцы матрицы U соответствующие собственные векторы.

  • Положительные собственные числа матрицы XX и XX совпадают и равны

    . Более того, если um собственный вектор матрицы XX, а vm собственный вектор матрицы XX, соответствующие одному и тому же собственному числу , то um и vm связаны следующим соотношением

    (12)

Эти соотношения дают возможность вычислять , зная , и наоборот. В компактной форме эти соотношения можно записать следующим образом:

.(13)

Исследование матрицы XX в факторном анализе называется R-модификацией, а XX Qмодификацией. Соотношения (12)(13) пок

s