机器学习深度学习之数学基础:经过吉文斯变换完成矩阵的QR分解
作者头像
  • 金融亮点
  • 2020-06-07 18:39:35 10

本文重点

在接下来的课程中,我们将学习平面旋转变换(即吉文斯变换)。本节课程中,我们将运用这种变换来实现矩阵的分解任务。为了更好地理解这部分内容,建议读者先回顾之前关于吉文斯变换的相关课程,这里不再赘述基础知识。

QR分解定义

首先,需要明确的是,一个矩阵要能够进行QR分解,必须是非奇异矩阵。这意味着该矩阵可以通过一系列有限的正交矩阵相乘,从而转化为一个可逆的上三角矩阵。因此,我们可以表示为PA=R,进一步推导出A=QR,其中Q是P的逆矩阵。

吉文斯变换实现矩阵的QR分解实例

吉文斯变换和初等反射矩阵在实现QR分解方面有着相同的核心思想,即逐步处理矩阵的每一列。通过吉文斯变换,我们可以将矩阵的某一列转化为特定形式。

首先,我们需要对矩阵的第一列进行变换,使其从(3,0,4)变为(a,0,0)的形式。从吉文斯变换的角度来看,i=1,j=3。因此,计算得出c=3/5,s=4/5。这样,吉文斯变换矩阵可以表示为:

经过吉文斯变换,向量(3,0,4)可以被转换为(5,0,0)。通过这种方式,吉文斯变换矩阵能够将原始矩阵A转化为特定形式:

然后,继续采用同样的方法对上图中红色部分的矩阵进行变换,目标是将(3,-4)变为(a,0)的形式:

至此,变换过程完成。此时,矩阵A在P1和P2的作用下,变为了:

Q矩阵则是P2P1乘积的逆矩阵:

这样,我们就通过吉文斯变换实现了矩阵的QR分解。

    本文来源:图灵汇
责任编辑: : 金融亮点
声明:本文系图灵汇原创稿件,版权属图灵汇所有,未经授权不得转载,已经协议授权的媒体下载使用时须注明"稿件来源:图灵汇",违者将依法追究责任。
    分享
习之文斯数学基础矩阵分解变换深度经过机器完成
    下一篇