GSL 系列 6 — 线性代数 3 — QR 分解

最新推荐文章于 2024-04-29 09:11:41 发布

无聊就去玩一玩

最新推荐文章于 2024-04-29 09:11:41 发布

阅读量632

点赞数

分类专栏： GSL 文章标签：线性代数 c++

本文链接：https://blog.csdn.net/weixin_43852511/article/details/105829301

版权

本文详细介绍了GSL库中线性代数的QR分解，包括Householder和递归版本的实现，以及如何使用QR分解求解线性方程组、计算矩阵乘积和进行秩1更新。此外，还讨论了特殊矩阵和带列转置的QR分解。

摘要由CSDN通过智能技术生成

文章目录

0 写在前面

关于 QR 分解的背景知识介绍，参见：GSL 系列 6 — 线性代数 1 — 背景知识 1
(QR 分解) 节，本篇只说明相关函数

若无特别说明，本篇代码均来自头文件 gsl_linalg.h

1 QR 分解相关函数

1.1 QR 分解

$A = Q R$

Householder 版:

将 A 分解为 Q R, Q 分别存储在矩阵 A 的下三角部分 ( $v$ ) 和向量 tau ( $\tau$ ) 中，R 存储在矩阵 A 的上三角部分（含对角）

推荐此方法用于中小型矩阵，或用于 $M < N$ 时

int gsl_linalg_QR_decomp (gsl_matrix * A, gsl_vector * tau);

递归版 (带 _r)：

将 A 分解为 Q R, Q 分别存储在矩阵 A 的下三角部分 ( $V$ ) 和矩阵 T ( $T$ ) 中，R 存储在矩阵 A 的上三角部分（含对角）

int gsl_linalg_QR_decomp_r (gsl_matrix * A, gsl_matrix * T);

此方法要求 $M\ge N$ ，并且该方法对于“高瘦”型矩阵 ( $M\gg N$ ) 表现更佳

1.2 QR 解包

根据 QR 和 tau (T) 得到矩阵 Q 和矩阵 R

int gsl_linalg_QR_unpack(const gsl_matrix * QR, const gsl_vector * tau, gsl_matrix * Q, gsl_matrix * R);
int gsl_linalg_QR_unpack_r(const gsl_matrix * QR, const gsl_matrix * T, gsl_matrix * Q, gsl_matrix * R);

1.3 QR 求解线性方程组

根据 QR 分解得到的 QR 和 tau (或 T)，求解线性方程组 $A x = b$

int gsl_linalg_QR_solve (const gsl_matrix * QR, const gsl_vector * tau, const gsl_vector * b, gsl_vector * x);
int gsl_linalg_QR_solve_r (const gsl_matrix * QR, const gsl_matrix * T, const gsl_vector * b, gsl_vector * x);
// 置换版本
int gsl_linalg_QR_svx (const gsl_matrix * QR, const gsl_vector * tau, gsl_vector * x);

求解 $A x = b$ 的最小二乘解（使用欧几里得范数， $A (M > N)$ ）

Householder 版还输出残差向量 (residual)

递归版输出的向量 x 包含两个部分，x 的前 $N$ 个元素为解，后 $M - N$ 个元素的向量范数等于残差范数，递归版还需要一个向量工作空间 (work)，长度为 $N$

int gsl_linalg_QR_lssolve (const gsl_matrix * QR, const gsl_vector * tau, const gsl_vector * b, 
                           gsl_vector * x, gsl_vector * residual);
int gsl_linalg_QR_lssolve_r (const gsl_matrix * QR, const gsl_matrix * T, const gsl_vector