Sari la conținut

Descompunerea QR

De la Wikipedia, enciclopedia liberă

În algebra liniară, descompunerea QR (numită și factorizarea QR) a unei matrice este o descompunere a acelei matrice într-un produs dintre o matrice ortogonală și una triunghiulară. Descompunerea QR este adesea folosită pentru a rezolva problema celor mai mici pătrate. Descompunerea QR stă și la baza unui algoritm de aflare a valorilor proprii, algoritmul QR.

O descompunere QR a unei matrice pătrate reale A este o descompunere a lui A de forma

A=QR,

unde Q este o matrice ortonormală (cu proprietatea că QTQ = I ) și R este o matrice superior triunghiulară. Analog, se pot defini descompunerile QL, RQ și LQ ale lui A.

Mai general, se poate factoriza o matrice complexă m×n (cu m ≥ n) sub forma unui produs dintre o matrice unitară m×n (în sensul că Q∗Q = I ) și o matrice n×n superior triunghiulară.

Dacă A este nesingulară, atunci această factorizare este unică dacă se pune condiția ca elementele diagonale ale lui R să fie pozitive.

Calculul descompunerii QR

[modificare | modificare sursă]

Există câteva metode pentru calculul efectiv al descompunerii QR, cum ar fi cele cu ajutorul procedeului Gram–Schmidt, transformărilor Householder, sau al rotațiilor Givens. Fiecare metodă are avantaje și dezavantaje.

Descompunerea QR prin procedeul Gram-Schmidt

[modificare | modificare sursă]

Se consideră procedeul Gram–Schmidt, unde vectorii considerați în procedeu sunt coloanele matricei A=(𝐚1|⋯|𝐚n). Se definește proj𝐞𝐚=⟨𝐞,𝐚⟩⟨𝐞,𝐞⟩𝐞 unde ⟨𝐯,𝐰⟩=𝐯T𝐰.

Atunci

𝐮1=𝐚1,𝐞1=𝐮1‖𝐮1‖
𝐮2=𝐚2−proj𝐞1𝐚2,𝐞2=𝐮2‖𝐮2‖
𝐮3=𝐚3−proj𝐞1𝐚3−proj𝐞2𝐚3,𝐞3=𝐮3‖𝐮3‖
⋮
𝐮k=𝐚k−∑j=1k−1proj𝐞j𝐚k,𝐞k=𝐮k‖𝐮k‖

Atunci se rearanjează ecuațiile de mai sus astfel încât 𝐚is să fie în stânga și rezultă următoarele ecuații.

𝐚1=𝐞1‖𝐮1‖
𝐚2=proj𝐞1𝐚2+𝐞2‖𝐮2‖
𝐚3=proj𝐞1𝐚3+proj𝐞2𝐚3+𝐞3‖𝐮3‖
⋮
𝐚k=∑j=1k−1proj𝐞j𝐚k+𝐞k‖𝐮k‖

Se observă că deoarece 𝐞i sunt versori, avem următoarele.

𝐚1=𝐞1‖𝐮1‖
𝐚2=⟨𝐞1,𝐚2⟩𝐞1+𝐞2‖𝐮2‖
𝐚3=⟨𝐞1,𝐚3⟩𝐞1+⟨𝐞𝟐,𝐚3⟩𝐞2+𝐞3‖𝐮3‖
⋮
𝐚k=∑j=1k−1⟨𝐞j,𝐚k⟩𝐞j+𝐞k‖𝐮k‖

Aceste ecuații pot fi scrise sub formă matriceală după cum urmează.

(𝐞1|…|𝐞n)(‖𝐮1‖⟨𝐞1,𝐚2⟩⟨𝐞1,𝐚3⟩…0‖𝐮2‖⟨𝐞2,𝐚3⟩…00‖𝐮3‖…⋮⋮⋮⋱)

Dar produsul fiecărui rând și coloană al matricelor de mai sus ne dau o coloană corespunzătoare a matricei A inițiale, și împreună, ne dau matricea A, deci am factorizat pe A într-o matrice ortogonală Q (matricea formată din ek), via Gram Schmidt, și evident, matricea superior triunghiulară este restul R.

Altfel, R poate fi calculată după cum urmează:

Dat fiind că Q=(𝐞1|…|𝐞n). avem

R=QTA=(⟨𝐞1,𝐚1⟩⟨𝐞1,𝐚2⟩⟨𝐞1,𝐚3⟩…0⟨𝐞2,𝐚2⟩⟨𝐞2,𝐚3⟩…00⟨𝐞3,𝐚3⟩…⋮⋮⋮⋱).

Se observă că ⟨𝐞j,𝐚j⟩=‖𝐮j‖, ⟨𝐞j,𝐚k⟩=0  pentru  j>k, și QQT=I, deci QT=Q−1.

Se cere descompunerea lui

A=(12−5146167−68−424−41).

Fie matricea ortogonală Q astfel încât

QQT=I.

Atunci putem calcula Q prin Gram-Schmidt astfel:

U=(𝐮1𝐮2𝐮3)=(12−69−58/561586/5−430−33);
Q=(𝐮1‖𝐮1‖𝐮2‖𝐮2‖𝐮3‖𝐮3‖)=(6/7−69/175−58/1753/7158/1756/175−2/76/35−33/35);

Deci avem:

A=QQTA=QR;
R=QTA=(1421−140175−700035).

Efectuând operația cu ajutorul MATLAB, admițând erorile de rotunjire datorate operațiilor cu precizie finită, se obține: Q=(0.857142857142857−0.394285714285714−0.3314285714285710.4285714285714290.9028571428571430.034285714285714−0.2857142857142860.171428571428571−0.942857142857143);

R=(1421−141.11022302462516×10−16175−70−1.77635683940025×10−15−5.32907051820075×10−1435).

Calculul QR cu ajutorul reflectorilor Householder

[modificare | modificare sursă]

Un reflector Householder (sau transformare Householder) este o transformare operată asupra unui vector pe care îl reflectă față de un plan. Putem folosi această proprietate pentru a calcula factorizarea QR a unei matrice.

Q poate fi folosită pentru a reflecta un vector în așa fel încât dispar toate coordonatele mai puțin una.

Fie 𝐱 un vector-coloană arbitrar m-dimensional cu proprietatea că ||𝐱|| = |α| pentru un scalar α. Dacă algoritmul este implementat folosind aritmetica în virgulă mobilă, atunci α trebuie să aibă semnul opus primei coordonate a lui 𝐱 pentru a evita pierderea de semnificație. Dacă 𝐱 e un vector complex, atunci definiția

α=−eiarg⁡x1‖𝐱‖

ar trebui să fie utilizată (Stoer,Bulirsch,2002,p.225).

Atunci, unde 𝐞1 este vectorul (1,0,...,0)T, și ||·|| norma euclidiană, fie

𝐮=𝐱−α𝐞1,
𝐯=𝐮‖𝐮‖,
Q=I−2𝐯𝐯T.

Q este o matrice Householder și

Qx=(α,0,⋯,0)T.

Aceasta se poate folosi treptat pentru a transforma o matrice m-pe-n A în forma superior triunghiulară. Întâi, se înmulțește A cu matricea Householder Q1 obținută prin alegerea primei coloane pentru x. Aceasta are ca rezultat o matrice QA cu zerouri în coloana din stânga (cu excepția primului rând).

Q1A=[α1⋆…⋆0⋮A′0]

Aceasta se poate repeta pentru A′ (obținută din Q1A ștergând primul rând și prima coloană), având ca rezultat o matrice Householder Q′2. Se observă că Q′2 este mai mică decât Q1. Deoarece este de dorit ca ea să opereze asupra lui Q1A în loc de A′ trebuie să fie extinsă spre sus și stânga, completând-o cu un 1, sau în general:

Qk=(Ik−100Qk′).

După t iterații ale acestui proces, t=min⁡(m−1,n),

R=Qt⋯Q2Q1A

este o matrice superior triunghiulară. Deci, cu

Q=Q1Q2⋯Qt

A=QR is a QR decomposition of A.

Aceasta metodă are o stabilitate numerică superioară metodei Gram-Schmidt descrisă mai sus.

Tabelul următor dă numărul de operații în pasul k al descompunerii QR prin transformări Householder, presupunând o matrice pătrată de dimensiune n.

Operație Număr de operații în pasul k
înmulțiri 2(n−k+1)2
adunări (n−k+1)2+(n−k+1)(n−k)+2
împărțiri 1
rădăcini pătrate 1

Adunând aceste numere pe cei (n−1) pași (pentru o matrice pătrată de dimensiune n), complexitatea algoritmului este dată de

43n3+32n2+196n−6=O(n3)

Se va calcula descompunerea matricei

A=(12−5146167−68−424−41).

Întâi, trebuie să fie găsit un reflector care transformă prima coloană a lui A, vector 𝐚1=(12,6,−4)T, în ‖𝐚1‖e1=(14,0,0)T.

Acum,

𝐮=𝐱−α𝐞1,

și

𝐯=𝐮‖𝐮‖,.

Aici,

α=14 and 𝐱=𝐚1=(12,6,−4)T

Deci

𝐮=(−2,6,−4)T and 𝐯=114(−1,3,−2)T, și apoi
Q1=I−21414(−13−2)(−13−2)
=I−17(1−32−39−62−64)
=(6/73/7−2/73/7−2/76/7−2/76/73/7).

Se observă că:

Q1A=(1421−140−49−140168−77),

deci avem deja o matrice aproape triunghiulară. Trebuie doar adusă la zero valoarea de pe poziția (3, 2).

Se ia minorul (1, 1) minor, și se aplică din nou procedeul pe

A′=M11=(−49−14168−77).

Prin aceeași metodă ca mai sus, se obține matricea de transformare Householder

Q2=(1000−7/2524/25024/257/25)

după efectuarea unei sume directe cu 1 pentru a ne asigura că următorul pas din procedeu funcționează corect.

Se găsește

Q=Q1Q2=(6/7−69/17558/1753/7158/175−6/175−2/76/3533/35)
R=Q2Q1A=Q⊤A=(1421−140175−7000−35).

Matricea Q este ortogonală iar R este superior triunghiulară, deci A = QR este descompunerea QR căutată.

  • Horn, Roger A. (). Matrix Analysis. Cambridge University Press. ISBN 0-521-38632-2. . Section 2.8.
  • Stoer, Josef (). Introduction to Numerical Analysis (ed. 3rd). Springer. ISBN 0-387-95452-X. .