怎么把一个矩阵分解成几个矩阵

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了怎么把一个矩阵分解成几个矩阵相关的知识,希望对你有一定的参考价值。

一个nXn的矩阵中的元素只有0和1且每行和每列中的1的个数相同假如为4,怎么在matlaB中分解成一个2X2的阵列,每个阵列都是nXn的矩阵且每行和每列中1的个数都为1

先要学会叙述问题,即使是你在楼上的追问仍然没有足够的信息量。如果对于“分解”没有特殊要求的话,直接用四个单位阵组合就行了。
我只能推测你想要的是把A分解成A=A1+A2+A3+A4的形式,每个Ai都是排列阵。
(如果确是如此的话你应该先反思为什么连那么简单的话都讲不清楚,至于后面构建更大的方阵,这个步骤没有任何难度,你完全可以隐藏掉这个需求。)
对于分解的步骤,可以把A的行和列作为二分图的顶点进行匹配,找到一个完美匹配就等于找到一个排列阵,把相应的位置清零后继续找下一个排列阵。追问

好吧,我会反思的;但是我也想请问你做过LDPC码方面的研究吗,如果研究过我真的要好好反思了

追答

没有研究过,连这概念都是头一次听说,这方面的问题不用问我

参考技术A 楼主能举个小例子说明一下你的需求么?比如对于A = [1 1 1 1;1 1 1 1;1 1 1 1;1 1 1 1],你需要分解成什么样的形式?追问

分解成

2X2的阵列,每个阵列都是4x4维的

参考技术B 数值积分三角分解法、Doolittle分解法、Crout分解法、Cholesky分解法。
矩阵分解 (decomposition, factorization)是将矩阵拆解为数个矩阵的乘积,可分为三角分解、满秩分解、QR分解、Jordan分解和SVD(奇异值)分解等,常见的有三种:1)三角分解法 (Triangular Factorization),2)QR 分解法 (QR Factorization),3)奇异值分解法 (Singular Value Decompostion)。
参考技术C 把问题说的清楚具体些呗~追问

把一个列重为a行重为b的nXn的矩阵分解(dispersion)成一个aXb的阵列,每个阵列的尺寸为nXn,行重和列重都为1

如何理解矩阵特征值

从线性空间的角度看,在一个定义了内积的线性空间里,对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。
特征值越大,说明矩阵在对应的特征向量上的方差越大,功率越大,信息量越多。

应用到最优化中,意思就是对于R的二次型,自变量在这个方向上变化的时候,对函数值的影响最大,也就是该方向上的方向导数最大。
应用到数据挖掘中,意思就是最大特征值对应的特征向量方向上包含最多的信息量,如果某几个特征值很小,说明这几个方向信息量很小,可以用来降维,也就是删除小特征值对应方向的数据,只保留大特征值方向对应的数据,这样做以后数据量减小,但有用信息量变化不大。
参考技术A   从线性空间的角度看,在一个定义了内积的线性空间里,对一个N阶对称方阵进行特征分解,就是产生了该空间的N个标准正交基,然后把矩阵投影到这N个基上。N个特征向量就是N个标准正交基,而特征值的模则代表矩阵在每个基上的投影长度。
特征值越大,说明矩阵在对应的特征向量上的方差越大,功率越大,信息量越多。

  特征向量可以看作坐标向量,特征值就是矩阵在该坐标方向上的分量大小值,特征分析相当于提取矩阵的信息出来吧。较大的特征值对应的特征向量就较为重要,矩阵降维就用的提取主特征向量思想。

以上是关于怎么把一个矩阵分解成几个矩阵的主要内容,如果未能解决你的问题,请参考以下文章

线代--矩阵的分解-LU分解n阶方阵

推荐系统中——矩阵分解

奇异值分解

矩阵的LU分解该怎么具体做。亲,。举个例子吧

qr分解怎么求特征向量,求矩阵E的特征值和特征向量

矩阵的lu分解及应用