Factorización QR

Factorización QR
En álgebra lineal, la descomposición o factorización QR de una matriz es una descomposición de la misma como
producto de una matriz ortogonal por una triangular superior. La descomposición QR es la base del algoritmo QR
utilizado para el cálculo de los vectores y valores propios de una matriz.
Índice
Definición
Cálculo de la descomposición QR
Mediante el método de ortogonalización de Gram-Schmidt
Ejemplo
Mediante el uso de reflexiones de Householder
Ejemplo
Mediante rotaciones de Givens
Ejemplo
Relación con el determinante
Definición
La descomposición QR de una matriz cuadrada real A es
donde Q es una matriz ortogonal (QTQ = I ) y R es una matriz triangular superior.
Cálculo de la descomposición QR
Mediante el método de ortogonalización de Gram-Schmidt

Recurriendo al método de ortogonalización de Gram-Schmidt, con las columnas de A como los vectores a procesar.
. Entonces
Naturalmente, utilizamos los ais de A para obtener:
Ahora estas ecuaciones pueden ser escritas en forma matricial de esta manera:
:::::::::
El producto de cada fila con cada columa de las matrices de arriba, nos da la respectiva columna de A con la que
comenzamos y, por tanto, dada la matriz A, la hemos factorizado en una matriz ortogonal Q (la matriz de eks), aplicando el
proceso de Gram-Schmidt, y la matriz resultante triangular superior es R.
Alternativamente, la matriz puede calcularse de la siguiente manera:
Recordemos que: Entonces, tenemos
Note que y , entonces .
Ejemplo
Si se considera la descomposición de
Se busca la matriz ortogonal tal que
Por lo que calculamos mediante Gram-Schmidt como sigue:
Por lo tanto, tenemos
Mediante el uso de reflexiones de Householder

Una transformación de Householder o reflexión de Householder es una transformación que refleja el espacio con respecto
a un plano determinado. Esta propiedad se puede utilizar para realizar la transformación QR de una matriz si tenemos
en cuenta que es posible elegir la matriz de Householder de manera que un vector elegido quede con una única
componente no nula tras ser transformado (es decir, premultiplicando por la matriz de Householder). Gráficamente, esto
significa que es posible reflejar el vector elegido respecto de un plano de forma que el reflejo quede sobre uno de los ejes
de la base cartesiana.
La manera de elegir el plano de reflexión y formar la matriz de Householder asociada es el siguiente:
Sea un vector columna arbitrario m-dimensional tal que || || = |α|, donde α es un escalar; (si el algoritmo se
implementa utilizando aritmética de coma flotante, entonces α debe adoptar el signo contrario que 1 para evitar pérdida
de precisión).
Entonces, siendo el vector (1,0,...,0)T, y ||·|| la norma euclídea, se define:
es un vector unitario perpendicular al plano de reflexión elegido. es una matriz de Householder asociada a dicho
plano.
Esta propiedad se puede usar para transformar gradualmente los vectores columna de una matriz A de dimensiones m por
n en una matriz triangular superior. En primer lugar se multiplica A con la matriz de Householder Q1 que obtenemos al
elegir como vector la primera columna de la matriz. Esto proporciona una matriz QA con ceros en la primera columna
(excepto el elemento de la primera fila).
el procedimiento se puede repetir para A′ (que se obtiene de A eliminando la primera fila y columna), obteniendo así una
matriz de Householder Q′2. Hay que tener en cuenta que Q′2 es menor que Q1. Para conseguir que esta matriz opere con
Q1A en lugar de A′ es necesario expandirla hacia arriba a la izquierda, completando con un uno en la diagonal, o en
general:
Tras repetir el proceso veces, donde ,
es una matriz triangular superior. De forma que tomando
es una descomposición QR de la matriz .
Este método tiene una estabilidad numérica mayor que la del método de Gram-Schmidt descrito arriba.
Una pequeña variación de este método se utiliza para obtener matrices semejantes con la forma de Hessenberg, muy útiles
en el cálculo de autovalores por acelerar la convergencia del algoritmo QR reduciendo así enormemente su coste
computacional.
Ejemplo
Vamos a calcular la descomposición de la matriz
En primer lugar necesitamos encontrar una reflexión que transforme la primera columna de la matriz A, vector
, en
usando la expresión,
y
en nuestro caso :
Por lo tanto
y , entonces
Ahora observamos:
con lo que ya casi tenemos una matriz triangular. Sólo necesitamos hacer cero en el elemento (3,2).
Tomando la submatriz bajo el (1, 1) y aplicando de nuevo el proceso a
Mediante el mismo método que antes obtenemos la matriz de Householder
Finalmente obtenemos
La matriz Q es ortogonal y R es triangular superior, de forma que A = QR es la descomposición QR buscada.
Mediante rotaciones de Givens

Las descomposiciones QR también puden calcularse utilizando una serie de rotaciones de Givens. Cada rotación anula
(hace cero) un elemento en la subdiagonal de la matriz, formando de este modo la matriz R. La concatenación de todas las
rotaciones de Givens realizadas, forma la matriz ortogonal Q.
En la práctica, las rotaciones de Givens no se utilizan en la actualidad para construir una matriz completa y realizar un
producto de matrices. En su lugar, se utiliza un procedimiento de rotación de Givens, que es equivalente a la
multiplicación reducida de matrices de Givens, sin el trabajo extra de manejar los elementos reducidos. El procedimiento
de rotación de Givens es útil en situaciones donde sólo pocos elementos fuera de la diagonal necesitan ser anulados y es
más fácil de paralelizar que las transformaciones de Householder.
Ejemplo
Calculemos la descomposición de
Primero, necesitamos formar una matriz de rotación tal que hagamos cero el elemento más inferior a la izquierda,
. Construimos esta matriz empleando el método de la rotación de Givens y llamamos la matriz resultante .
Rotamos primero el vector , representándolo a lo largo del eje X. Este vector forma un ángulo .
Creamos la matriz ortogonal de rotación de Givens, :
Y el resultado de tiene ahora un cero en el elemento.

Procedemos análogamente con las matrices de Givens y , que hacen cero los elementos subdiagonales y ,
formando una matriz triangular . La matriz ortogonal es formada a partir del producto en cadena de todas las
matrices de Givens . Luego tenemos , y la descomposición QR es .
Relación con el determinante

Es posible utilizar la descomposición QR para encontrar el valor absoluto del determinante de una matriz. Suponiendo
que una matriz se descompone según . Entonces se tiene
Puesto que Q es unitaria, . Por tanto,
donde son los valores de la diagonal de R.
Obtenido de «https://es.wikipedia.org/w/index.php?title=Factorización_QR&oldid=109112016»
Esta página se editó por última vez el 5 jul 2018 a las 22:40.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0; pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.

Factorización QR

Cargado por

Copyright:

Formatos disponibles

Factorización QR

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Factorización QR

Cargado por

Copyright:

Formatos disponibles

Factorización QR

Relación con el determinante

donde Q es una matriz ortogonal (QTQ = I ) y R es una matriz triangular superior.

Mediante el método de ortogonalización de Gram-Schmidt

Alternativamente, la matriz puede calcularse de la siguiente manera:

Recordemos que: Entonces, tenemos

Note que y , entonces .

Por lo que calculamos mediante Gram-Schmidt como sigue:

Por lo tanto, tenemos

Mediante el uso de reflexiones de Householder

La manera de elegir el plano de reflexión y formar la matriz de Householder asociada es el siguiente:

Entonces, siendo el vector (1,0,...,0)T, y ||·|| la norma euclídea, se define:

Tras repetir el proceso veces, donde ,

es una matriz triangular superior. De forma que tomando

es una descomposición QR de la matriz .

Tomando la submatriz bajo el (1, 1) y aplicando de nuevo el proceso a

Mediante el mismo método que antes obtenemos la matriz de Householder

Mediante rotaciones de Givens

Creamos la matriz ortogonal de rotación de Givens, :

Y el resultado de tiene ahora un cero en el elemento.

Relación con el determinante

Puesto que Q es unitaria, . Por tanto,

donde son los valores de la diagonal de R.

También podría gustarte