QR(正交三角)分解法是求一般矩阵全部
特征值的最有效并广泛应用的方法,一般矩阵先经过正交相似变化成为Hessenberg矩阵,然后再应用
QR方法求
特征值和特征向量。它是将
矩阵分解成一个正规
正交矩阵Q与
上三角形矩阵R,所以称为QR分解法,与此正规正交矩阵的
通用符号Q有关。
这里给出一个利用
Householder变换的QR分解方法,给定mxn阶
实矩阵,m≥n,本算法计算Householder矩阵H1H2...Hn满足:如果Q=H1H2...Hn,则A=R是
上三角矩阵,A1的上三角部分被R的上三角部分覆盖,第j个Householder向量的j+1:m分量储存于A(j+1:m,j),j<m.
在Matlab中,语法为[Q,R]=qr(A)或者[Q,R,perm] = qr(A,0),如果A是一个m×n的矩阵,其QR分解后,Q为一个m×m的
酉矩阵,R是一个m×n的上
三角矩阵。
系统辨识是
现代控制理论的重要组成部分。对
系统的结构和参数进行辨识在工程上和理论上都占有重要的地位。
最小二乘法是系统
参数辨识中的重要估计方法,并在众多领域和场合得到了广泛的应用。