满秩分解

矩阵满秩分解的一些应用第35卷第5期2005年9月中国海洋大学PERIoDICALoFoCEANUNIVERSITY oFCHINA35(5):761～762Sept.,2005矩阵满秩分解的一些应用姚增善,刘新国(中国海洋大学数学系,山东青岛266071)摘要:把矩阵的满秩分解用于分析广义投影矩阵及双曲广义投影矩阵,得到了新的特征刻画.关键词:广义投影矩阵;Moore-Penrose广义逆;Hermite矩阵中图法分类号:O172.1文献标识码:A文章编号:1672—5174(2005)05—761—020引言首先给出有关的定义.定义1设K为7/阶复方阵,记K为矩阵K的共轭转置.(1)如果K2=K=K,则称K为正交投影矩阵;(2)如果存在/./阶方阵K,使KK及KK都是Hermite矩阵,且满足KKK=K及KKK=K,则称K为矩阵K的Moore—Penrose广义逆.Moore-Penrose广义逆和正交投影矩阵都是代数学中的基本概念.前者在最zb--乘法等问题中有许多应用;而后者用来刻画子空间与投影矩阵的一一对应性,从而把有关子空间的定量研究转化为矩阵分析.1997年,Grofl和Trenkler[推广正交投影矩阵而引入了下面的广义投影矩阵及双曲广义投影矩阵.定义2设K为n阶复方阵,K和K分别为矩阵K的共轭转置及Moore—Penrose广义逆.(1)如果K2=K,则称K为广义投影矩阵;(2)如果K2=K,则称K为双曲广义投影矩阵.最近,Baksalary和Xiao—jiLiu等详细地讨论了定义2给出的这两类矩阵[2-3J.本文继续他们的讨论.但使用的方法不同,本文的基本工具是矩阵的满秩分解_4J:任何秩为r的m×7/矩阵A都可分解为A=BC其中,B和c分别为m×r和7/×r的列满秩矩阵.为了叙述方便,文中使用了下述记号:c表示7/阶复方阵所成的线性空间,矩阵A的列向量张成的线性空间记为R(A).上标及+分别表示共轭转置及Moore—Penrose广义逆,I表示适当阶数的单位阵.1主要结果及其证明设K是秩为r的n阶复方阵,本节考虑下述集合:收稿日期:2005.06.01;修订日期:2005.07.07作者简介:姚增善(1963.),男,硕士,副教授.Tel:(0532)85901953 c={KIK∈C,K:K);cP』={KiK∈c,K=K};c={KIK∈C,K:K);c={KIK∈C,KK=KK);c={KIK∈C,K=K);c={KIK∈c,KKKK=KKKK).显见,cGP为广义投影矩阵构成的集合,c为双曲广义投影矩阵构成的集合.易知cGPc,而且c口P还有下述重要的子集c={KIK∈C,K=K).同时,K为正交投影矩阵当且仅当K:K,K=K,还易知,K为正交投影矩阵的充要条件为K=K= K.因此,广义投影矩阵及双曲广义投影矩阵确实是正交投影矩阵的推广.首先给出c的特征.考虑K的满秩分解K=BC,那么K=K甘B(CB)0C=BC错(CB)0=I.命题1K∈c当且仅当K的满秩分解K=BC满足(CB).=I.接下来考虑cP』.记K=BC,则K=C(CC)I1(BB)I1B.从而K=K错CB=C(CC)(BB)B甘(BB)(CC)=I.再作B和C的极分解B=QlHl,C=Q2H2,这里Hl 和H2为Hermite正定矩阵,且QQl=QQ2=I.则BB=H},CC=H;.总结上述,有命题2cP』={QlQIQl,Q2为竹×r阵,QQl=QQ2=I}.再考虑cGP.考虑K的特殊满秩分解K=BC,cC=I,,那么中国海洋大学K2=K甘BCBC=CB,这说明R(B)=R(C).从而存在r阶可逆方阵G,使B=CG.且K2=K甘(CGC)(CGC)=CGC甘G=G.又由Schur分解,G可分解为G=Q0R0Q,Q0为酉阵,R.为上三角阵,而G=G甘R8=R甘R0=diag(dl,dE,…,d).其中,dj(j=1,2,…,r)为三次单位根,即d;=1,d=d.综上所述,有命题3c?e={QDQIQ为×r阵,QQ=J,D=diag(dI'2,…,d),d=1}.注:三次单位根集合为{?,一号一,/5吉+譬}o再讨论c.令K=BC为满秩分解,那么KK=KK甘BB=CC甘C=BG.这里G=BC为r×r可逆方阵.因此有命题4={QGQIQ为×r阵,QQ=I,G为r×r可逆阵}.再分析cW.考虑K的满秩分解变形K=QlGQ,其中,G为r×r可逆方阵,Ql,Q2为×r矩阵,QQl=QQ2=J.那么K=K甘QlGQQlGQ=Q2G-1Q,从而R(Q1)=R(Q2).因此,不妨取Ql=Q2,此时K=QlGQ.又K=K甘QlGQ=QlG一Q甘G=G一甘G.=J,而G.=J甘G=Q0diag(dl,2,…,d)Q,QQ0=J,d;=1.命题5cW={QDQIQ为×r阵,QQ=I,,D=diag(dI'2,…,d),d=1}.最后考虑cUe.令K=BC,记PK=KK,PK=KK,贝0有PK=BB,PK=CC.可见K∈cUe甘BBCC=CCBB.注意到,PK和PK?为正交投影矩阵且为Hermite阵,上式表明PK和PK.可交换,因而存在酉阵Q,使BB=Qdiag(aI'a2,…,a)Q,CC=Qdiag(卢l,卢2,…,卢)Q,这里ai和取0或1.取R(B)nR(C)的标准正交基(为列)构成矩阵Q,Q适当排列后可用分块阵表示为Q=[QI'Q')],这样BB=[QI'QB],CC=[Ql,Qc],而[Ql,QB,Qc]是列规范正交阵.这表明B=[Ql,QBJGB,C=【QI'QcJGc,其中GB,Gc为r阶可逆阵.从而K=[QI'QB]?G[Ql,Qc],G为可逆阵.易知K∈cW,故有下述结论:命题6cUe=I[QI'Q2]G[QI'Q3]_[QI'Q2,Q3]列规范正交,G为可逆阵}.本文得到的结果大部分是新的,使用的基本工具是矩阵的满秩分解.Baksalary等人使用Jordan分解或Schur分解以及奇异值分解,分析了G及G中矩阵的谱特征,得到的结果很有趣.不难看出,本文的结论可以很容易地导出他们得到的大部分结果.而且,作者认为,从应用的角度看这里得到的结论更便于应用.参考文献:Gro口J,TrenklerG.Generalizedandhypergeneralizedproiectors [J].LinAlgAppl,1997,264:463—474.BaksalaryJK.Baksalary0M.LIUXiao—ji.Furtherpropertiesof generalizedandhypergeneralizedprojectors[J].LinAlgAppl, 2004,389:295—303.BaksalaryJK,LIUXiao-Ji.Analternativecharacterizationofgener—alizedprojectors[J].LinAlgAppl.2004,388:61—65.北京大学数学系编.高等代数第二版[M].北京:高等教育出版社.1988.SomeApplicationsoftheFull-RankDecompositionofMatricesY AOZeng—Shan,LIUXin—Guo(DepartmentofMathematics,OceanUniversityofChina,Qingdao266071,China) Abstract:Inthispaper,thefull—rankdecompositionofmatricesisusedtoanalysegeneralizedprojectionma—tricesandhypergeneralizedprojectionmatrices,andsomenewcharacteristicdescriptionsar eobtained.Keywords:Orthogonalprojectionmatrix;Moore—Penrosegeneralizedinverse;HermitematrixAMSSubjectClassifications:15A23。

§矩阵的满秩分解本节讨论一个n m ⨯复矩阵A 可以分解为两个与A 的秩相同的矩阵之积的问题。

定义设n m ⨯复矩阵A 的秩为r ，如果存在两个与A 的秩相同的复矩阵F 与G ，使得FG A =，则称此式为复矩阵A 的满秩分解。

当A 是满秩矩阵时（行满秩或列满秩）A 可以分解为单位矩阵与A 自身的乘积，这个满秩分解叫做平凡分解。

定理设n m ⨯复矩阵A 的秩为r 0>，则A 有满秩分解。

证：因为0>=r rankA ，对A 施行初等行变换，可得到阶梯形矩阵⎪⎪⎭⎫ ⎝⎛=0G B ， 其中G 为n r ⨯矩阵，并且0>=r rankG ；因此存在着有限个m 阶初等矩阵之积，记作P ，有B PA =，或者B P A 1-=，将矩阵1-P 分块为()S F P =-1 ，其中F 为r m ⨯矩阵，S 为)(r n m -⨯矩阵，并且r rankF =，r n rankS -=。

则有()FG G S F B P A =⎪⎪⎭⎫ ⎝⎛==-01 ，其中F 是列满秩矩阵，S 是行满秩矩阵。

▌但是，矩阵A 的满秩分解不唯一。

这是因为若取任意一个r 阶非奇异矩阵D ，则有G F G D FD FG A ~~))((1===-。

例1、 求矩阵⎪⎪⎪⎭⎫ ⎝⎛----=122211212101A 的满秩分解。

解：对矩阵A 进行初等行变换()⎪⎪⎭⎫ ⎝⎛==⎪⎪⎪⎭⎫ ⎝⎛--→⎪⎪⎪⎭⎫ ⎝⎛----=0111000001130200012101100122201011210012101G B I A 其中⎪⎪⎭⎫ ⎝⎛-=30202101G 所以⎪⎪⎪⎭⎫ ⎝⎛-=000030202101B ，⎪⎪⎪⎭⎫ ⎝⎛-=111011001P ；而()S F P =⎪⎪⎪⎭⎫ ⎝⎛--=-1120110011，其中⎪⎪⎪⎭⎫ ⎝⎛--=121101F 由此可见，所以有()⎪⎪⎪⎭⎫ ⎝⎛--==⎪⎪⎭⎫ ⎝⎛==-12110101FG G S F B P A ⎪⎪⎭⎫ ⎝⎛-30202101。

第十二讲 满秩分解与奇异值分解一、矩阵的满秩分解1. 定义：设m n r A C (r 0)⨯∈>，若存在矩阵m r r F C ⨯∈及r nrG C ⨯∈，使得 A FG =，则称其为A 的一个满秩分解。

说明：（1）F 为列满秩矩阵，即列数等于秩；G 为行满秩矩阵，即行数等于秩。

（2）满秩分解不唯一。

r rrD C ⨯∀∈（r 阶可逆方阵），则 1111A FG F(DD )G (FD)(D G)F G --====，且m r r n1r 1rF C ,G C ⨯⨯∈∈ 2. 存在性定理：任何非零矩阵均存在满秩矩阵证明：采用构造性证明方法。

设m nr A C ⨯∈，则存在初等变换矩阵m mmE C ⨯∈， 使 G r EA B .......O (m r)⎡⎤⎢⎥==⎢⎥-⎢⎥⎣⎦行行， 其中r nr G C ⨯∈ 将A 写成1A E B -=，并把1E -分块成[]1r (m r)E F |S --=列列，其中m rrF C ⨯∈ .G A F .S ....FG .O ⎡⎤⎡⎤⎢⎥⎢⎥∴==⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦是满秩分解。

3. Hermite 标准形（行阶梯标准形）设m nr B C (r 0)⨯∈>，且满足（1） B 的前r 行中每一行至少含一个非零元素（称为非零行），且第一个非零元素为1，而后(m r)-行的元素全为零（称为零行）；（2） 若B 中第i 行的第一个非零元素（即1）在第i j 列(i 1,2,...,r)=，则12r j j ...j <<<;（3） 矩阵B 的第1j 列，第2j 列，…,第r j 列合起来恰为m 阶单位方阵m I 的前r 列（即12r j ,j ,...,j 列上除了前述的1外全为0）则称B 为Hermite 标准形。

例1 561356120013001022B C 000111000000000000⨯⨯-⎡⎤⎢⎥⎢⎥=∈-⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦ 为Hermite 标准形452245010200013B C 0000000000⨯⨯⎡⎤⎢⎥⎢⎥=∈⎢⎥⎢⎥⎣⎦ 也是Hermite 标准形4. 满秩分解的一种求法设m nr A C ⨯∈，（1） 采用行初等变换将A 化成Hermite 标准形，其矩阵形式为EA B =，其中B 为Hermite 标准形定义中给出的形状；（2） 选取置换矩阵1 P 的第i 列为i j e ，即该列向量除第i j 个元素为1外，其余元素全为零(i 1,2,...,r)=,其中i j 为Hermite 标准形中每行第一个非零元素（即1）所在的列数；2 其它(n r)-列只需确保P 为置换矩阵即可（P 的每一行，每一列均只有一个非零元素，且为1）；3 用P 右乘任何矩阵（可乘性得到满足时），即可将该矩阵的第i j 列置换到新矩阵（即乘积矩阵）的第i 列 4 令[]1r (n r)P P |*-=列列，即12r n r1j j j rn rP e e ...e C ⨯⨯⎡⎤=∈⎣⎦（3）令G B =的前r 行r nnC ⨯∈，m r 1r F AP C ⨯=∈则A FG = 证明：G EA B O ⎡⎤==⎢⎥⎣⎦，[]1G A E B F |S FG O -⎡⎤===⎢⎥⎣⎦则m r r F C ⨯∈，r n rG C ⨯∈，G 已知，但F ?=，当然可以通过求出1E,E -再将1E -分块得到，但这样G 就没必要采用Hermite 标准形形式，注意到r 1I BP O ⎡⎤=⎢⎥⎣⎦，则[]1r 11I AP E BP F |S F O -⎡⎤===⎢⎥⎣⎦证毕例2 1230A 02111021⎡⎤⎢⎥=-⎢⎥⎢⎥⎣⎦求其满秩分解解：（1）首先求出A 的秩。

满秩矩阵及满秩矩阵的应用专业：通信与信息系统姓名：李娜学号：6120140151目录一、满秩矩阵及满秩矩阵在矩阵分解方面的应用 (2)1.1矩阵的秩 (2)1.2满秩矩阵 (2)1.3满秩矩阵的性质 (3)1.3.1行(列)矩阵的一些性质 (4)1.4 行(列) 满秩矩阵在矩阵分解方面的应用 (6)二、满秩矩阵在保密通信中的应用 (8)2.1 基于满秩矩阵的保密通信模型 (8)2.1.1加密保密通信模型 (8)2.2.2满秩矩阵的应用 (8)2.2密钥的生成 (10)2.2.1加密密钥的生成 (10)2.2.2解密密钥的生成 (10)2.3其它问题 (10)2.3.1明文矩阵的选择 (10)2.3.2加密矩阵的选择 (11)2.3.3算法优化 (11)一、满秩矩阵及满秩矩阵在矩阵分解方面的应用引言矩阵是数学中的一个重要的基本概念，是现代数学的一个主要研究对象，也是数学研究和应用的一个重要工具。

“矩阵”这个词是由西尔维斯特首先使用的，他是为了将数学的矩形阵列区别于行列式而发明了这个述语，而实际上，矩阵这个课题在诞生之前就已经发展的很好了。

1.1矩阵的秩设A是一组向量，定义A的最大无关组中向量的个数为A的秩。

定义1 在m n矩阵A中，任意决定k行和k列交叉点上的元素构成A的一个k阶子矩阵，此子矩阵的行列式，称为A的一个k阶子式。

例如，在阶梯形矩阵中，选定1，3行和3，4列，它们交叉点上的元素所组成的2阶子矩阵的行列式就是矩阵A的一个2阶子式。

定义2 A=(a ij)m×n的不为零的子式的最大阶数称为矩阵A的秩，记作r(A），或rank（A）或R(A)。

特别规定零矩阵的秩为零。

显R（A）≤min(m,n)易得：若A中至少有一个r阶子式不等于零，且在R(A)<min(m,n)时，A中所有的r+1阶子式全为零，则A的秩为r。

由定义直接可得n阶可逆矩阵的秩为n，通常又将可逆矩阵称为满秩矩阵,不满秩矩阵就是奇异矩阵，det(A)=0。

且谈矩阵的RankGM0732130 钟小兵矩阵的Rank是反映矩阵固有特性的一个重要概念。

在本文中，作者介绍了Rank的定义和计算方法；并结合自己的学习和认识，解释了Rank与行列式、向量组、线形方程组、线性空间、向量系之间千丝万缕的关系。

一、矩阵的秩1.1 定义矩阵A mxn的不为零的子式的最大阶数称为矩阵A的秩，记作r(A)，或rank(A)。

显然, 矩阵A的秩是唯一确定的,并且,r(A)≤min(m,n), r(A)=r(A T), 零矩阵的秩等于 0。

根据定义，矩阵A的秩等于r的充分必要条件是A中至少有一个r阶子式D r r+1阶子式(若存在)D r+1=0。

换个说法，矩阵A中有一个r阶子≠0 , 并且所有的式不为0，则r(A)≥r；矩阵A中所有r阶子式全为0, 则r(A)<r。

1.2 性质1)r(AB) ≤r(A),r(AB)≤r(B)。

2)任何矩阵经过矩阵初等变换后其秩不变。

3)设A是m×n矩阵，P是m阶满秩方阵，Q是n阶满秩方阵，则r(A)=r(PA)=r(AQ)。

可以理解为：A左乘P，相当于矩阵A经过一些行的初等变换；A右乘Q，相当于矩阵A经过一些列的初等变换，由前一性质可知矩阵的秩不变。

4)同型矩阵Am×n与Bm×n等价的二种充分必要条件分别为：●Am×n与Bm×n的秩相等。

●存在m阶可逆阵p与n阶可逆阵Q，使PAQ=B。

5)对于任意一个矩阵A，A的秩，A的行秩和A的列秩三者都相等，称为矩阵三秩相等。

当rA＝r时，A中非零的r阶子式所在的行（列）正好构成A的行（列）向量组的一个最大无关组。

矩阵三秩相等，反映了矩阵内在的重要性质，也是线性代数中非常重要的一个结论。

n维向量空间的n个线性无关的向量构成的矩阵A，一定是满秩的，r(A)=n。

1.3 满秩矩阵的特性1)满秩矩阵的所有行（列）向量是线性无关的。

2)如果A是满秩方阵，则行列式|A|≠0。