Interested Article - QR-разложение

Q R {\displaystyle QR} -разложение матрицы — представление матрицы в виде произведения унитарной (или ортогональной матрицы ) и верхнетреугольной матрицы . QR-разложение является основой одного из методов поиска собственных векторов и чисел матрицы — QR-алгоритма .

Определение

Матрица A {\displaystyle A} размера n × m {\displaystyle n\times m} , где n m {\displaystyle n\geqslant m} , с комплексными элементами может быть представлена в виде

A = Q R , {\displaystyle A=QR,}

где Q {\displaystyle Q} — матрица размера n × m {\displaystyle n\times m} с ортонормированными столбцами, а R {\displaystyle R} верхнетреугольная матрица размера m × m {\displaystyle m\times m} . При n = m {\displaystyle n=m} матрица Q {\displaystyle Q} унитарная . Если при этом A {\displaystyle A} невырождена , то Q R {\displaystyle QR} -разложение единственно и матрица R {\displaystyle R} может быть выбрана так, чтобы её диагональные элементы были положительными вещественными числами. В частном случае, когда матрица A {\displaystyle A} состоит из вещественных чисел , матрицы Q {\displaystyle Q} и R {\displaystyle R} также могут быть выбраны вещественными, причём Q {\displaystyle Q} является ортогональной .

По аналогии, если A {\displaystyle A} — матрица размера n × m {\displaystyle n\times m} , где n m {\displaystyle n\leqslant m} , то она может быть разложена как

A = L P , {\displaystyle A=LP,}

где матрица L {\displaystyle L} порядка n {\displaystyle n} нижнетреугольная , а матрица P {\displaystyle P} размера n × m {\displaystyle n\times m} имеет ортонормированные строки .

Алгоритмы

Q R {\displaystyle QR} -разложение может быть получено различными методами. Проще всего оно может быть вычислено, как побочный продукт в процессе Грама — Шмидта . На практике следует использовать модифицированный алгоритм Грама ― Шмидта , поскольку классический алгоритм обладает плохой численной устойчивостью .

Альтернативные алгоритмы для вычисления Q R {\displaystyle QR} -разложения основаны на отражениях Хаусхолдера и вращениях Гивенса .

Пример QR-разложения

Рассмотрим матрицу :

A = {\displaystyle {\mathsf {\mathrm {A} }}=} ( 1 2 4 3 3 2 4 1 3 ) {\displaystyle {\begin{pmatrix}1&2&4\\3&3&2\\4&1&3\end{pmatrix}}}

Через a 1 , a 2 , a 3 {\displaystyle a_{1},a_{2},a_{3}} обозначим векторы-столбцы заданной матрицы A . {\displaystyle {\mathsf {\mathrm {A} }}.} Получаем следующий набор векторов:

a 1 = ( 1 3 4 ) , {\displaystyle a_{1}={\begin{pmatrix}1\\3\\4\end{pmatrix}},} a 2 = ( 2 3 1 ) , {\displaystyle a_{2}={\begin{pmatrix}2\\3\\1\end{pmatrix}},} a 3 = ( 4 2 3 ) {\displaystyle a_{3}={\begin{pmatrix}4\\2\\3\end{pmatrix}}}

Далее, применяем алгоритм ортогонализации Грама — Шмидта и нормируем полученные вектора, получаем следующий набор:

e 1 = ( 26 26 3 26 26 4 26 26 ) , {\displaystyle e_{1}={\begin{pmatrix}{\frac {\sqrt {26}}{26}}\\{\frac {3{\sqrt {26}}}{26}}\\{\frac {4{\sqrt {26}}}{26}}\end{pmatrix}},} e 2 = ( 37 3614 3614 33 3614 3614 34 3614 3614 ) , {\displaystyle e_{2}={\begin{pmatrix}{\frac {37{\sqrt {3614}}}{3614}}\\{\frac {33{\sqrt {3614}}}{3614}}\\-{\frac {34{\sqrt {3614}}}{3614}}\end{pmatrix}},} e 3 = ( 9 139 139 7 139 139 3 139 139 ) {\displaystyle e_{3}={\begin{pmatrix}{\frac {9{\sqrt {139}}}{139}}\\-{\frac {7{\sqrt {139}}}{139}}\\{\frac {3{\sqrt {139}}}{139}}\end{pmatrix}}}

Из полученных векторов e 1 , e 2 , e 3 {\displaystyle e_{1},e_{2},e_{3}} составляем по столбцам матрицу Q из разложения:

Q = ( 26 26 37 3614 3614 9 139 139 3 26 26 33 3614 3614 7 139 139 4 26 26 34 3614 3614 3 139 139 ) . {\displaystyle Q={\begin{pmatrix}{\frac {\sqrt {26}}{26}}&{\frac {37{\sqrt {3614}}}{3614}}&{\frac {9{\sqrt {139}}}{139}}\\{\frac {3{\sqrt {26}}}{26}}&{\frac {33{\sqrt {3614}}}{3614}}&-{\frac {7{\sqrt {139}}}{139}}\\{\frac {4{\sqrt {26}}}{26}}&-{\frac {34{\sqrt {3614}}}{3614}}&{\frac {3{\sqrt {139}}}{139}}\end{pmatrix}}.} Полученная матрица является ортогональной , это означает, что Q 1 = Q T . {\displaystyle Q^{-1}=Q^{T}.}

Найдем матрицу R {\displaystyle R} из выражения R = Q 1 A = Q T A {\displaystyle R=Q^{-1}A=Q^{T}A} :

R = ( 26 3 2 13 + 9 26 11 2 13 0 20 2 1807 + 99 3614 56 2 1807 0 0 31 139 ) {\displaystyle R={\begin{pmatrix}{\sqrt {26}}&3{\sqrt {\frac {2}{13}}}+{\frac {9}{\sqrt {26}}}&11{\sqrt {\frac {2}{13}}}\\0&20{\sqrt {\frac {2}{1807}}}+{\frac {99}{\sqrt {3614}}}&56{\sqrt {\frac {2}{1807}}}\\0&0&{\frac {31}{\sqrt {139}}}\end{pmatrix}}} — искомая верхнетреугольная матрица .

Получили разложение A = Q R {\displaystyle A=QR} .

Примечания

  1. ↑ , p. 114.
  2. ↑ , p. 112.
  3. , p. 116.
  4. , p. 117.

Литература

  • Horn, R. A. , Johnson C. R. Matrix analysis (англ.) . — Cambridge University Press , 1990. — ISBN 0-521-30586-1 .

Same as QR-разложение