QR分解

最新推荐文章于 2024-05-28 21:32:34 发布

hanshihao1336295654

最新推荐文章于 2024-05-28 21:32:34 发布

阅读量3.8k

点赞数

分类专栏：基础算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/hanshihao1336295654/article/details/83445086

版权

基础算法专栏收录该内容

8 篇文章 0 订阅

订阅专栏

QR分解

对于n阶方阵A，A可逆，则存在完全QR分解，Q为n*n的正交矩阵，R为n*n的上三角矩阵。

对于非方阵的m*n(m≥n)阶矩阵A，A列满秩，存在QR分解,Q为m*n的列正交矩阵，R为n*n的上三角矩阵。

方法一：采用Gram-Schmidt法的QR分解

对于可逆矩阵A的列向量组进行Gram–Schmidt正交化，可得标准正交向量

用矩阵表达即是：

T=(tij)，A=（），Q=()，这里注意Q是正交矩阵。若记，则A = QR，其中T的逆矩阵R仍然是上三角矩阵

方法二：采用修正Gram-Schmidt法的QR分解

对于Gram–Schmidt正交化求正交矩阵Q提出一种改进的计算方法，改进的地方是每产生一个单位正交向量后，就用后续的向量减去它，消去其中包含这个正交向量的部分。

将向量 $a_1$ 标准正交化的结果取作 $q_1$ ，即

$\\R_{11}=||a_1||\\ \\q_1=a_1/R_{11}$

然后从 $a_2$ 中减去与 $a_1$ 平行的分量，然后再标准化

$\\R_{12}=q_{1}^Ha_2 \\ \\R_{22}=||a_2-q_1R_{12}|| \\ \\ q_2=(a_2-q_1R_{12})/R_{22}$

其中 $R_{12}$ 表示 $a_2$ 在 $q_1$ 中的投影长度。 $a_2-q_1R_{12}$ 表示 $a_2$ —（ $a_2$ 在 $q_1$ 中的投影矢量)， $R_{22}$ 表示 $a_2-q_1R_{12}$ 的大小， $q_2$ 就是 $a_2$ 对应的标准正交基。

进而，又从 $a_3$ 除去与 $a_1$ 和 $a_2$ 平行的两个分量，再进行标准正交化

以 $q_1,q_2,....q_n$ 为列向量的矩阵Q与A之间有下列关系：

A=QR

方法三：采用Givens旋转的QR分解

Givens旋转也可以用来计算QR分解。以4*3的矩阵为例说明Givens QR分解的思想

参考：https://blog.csdn.net/u010945683/article/details/45972819

hanshihao1336295654

关注

0
点赞
踩
10

收藏

觉得还不错? 一键收藏
0
评论
QR分解

QR分解对于n阶方阵A，A可逆，则存在完全QR分解，Q为n*n的正交矩阵，R为n*n的上三角矩阵。对于非方阵的m*n(m≥n)阶矩阵A，A列满秩，存在QR分解,Q为m*n的列正交矩阵，R为n*n的上三角矩阵。方法一：采用Gram-Schmidt法的QR分解对于可逆矩阵A的列向量组进行Gram–Schmidt正交化，可得标准正交向量用矩阵表达即是： T=(tij)，A...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。