Калькулятор QR-разложения

О Калькулятор QR-разложения

Калькулятор QR-разложения разлагает любую матрицу A на произведение ортогональной матрицы Q и верхней треугольной матрицы R так, что A = QR. Введите матрицу размером от 2×2 до 5×5 (включая неквадратные матрицы, где строк ≥ столбцов) и получите полную ортогонализацию Грама-Шмидта с пошаговыми решениями, интерактивной анимацией, проверкой ортогональности QᵀQ = I и подробными учебными пояснениями.

Что такое QR-разложение?

QR-разложение (также называемое QR-факторизацией) представляет матрицу A в виде:

$$A = QR$$

где Q — ортогональная матрица (ее столбцы являются ортонормированными векторами, удовлетворяющими условию QᵀQ = I), а R — верхняя треугольная матрица. Для матрицы m×n при m ≥ n и полном ранге столбцов экономичное QR-разложение дает Q размера m×n и R размера n×n.

Объяснение процесса Грама-Шмидта

Для заданных векторов-столбцов a₁, a₂, …, aₙ матрицы A классический алгоритм Грама-Шмидта создает ортонормированные векторы e₁, e₂, …, eₙ:

Шаг 1. Принять u₁ = a₁, затем нормализовать: e₁ = u₁ / ‖u₁‖.

Шаг 2. Для каждого последующего столбца aⱼ вычесть его проекции на все предыдущие eₖ:

$$\mathbf{u}_j = \mathbf{a}_j - \sum_{k=1}^{j-1} (\mathbf{a}_j \cdot \mathbf{e}_k) \, \mathbf{e}_k$$

Затем нормализовать: eⱼ = uⱼ / ‖uⱼ‖.

Шаг 3. Матрица Q имеет столбцы e₁, …, eₙ. Матрица R является верхней треугольной с элементами rᵢⱼ = eᵢ · aⱼ.

Как пользоваться этим калькулятором

Шаг 1. Установите размерность матрицы (строки × столбцы). Количество строк должно быть ≥ количества столбцов для QR-разложения.

Шаг 2. Введите значения в сетку или нажмите на быстрый пример для загрузки предустановки. Используйте Tab или клавиши со стрелками для навигации.

Шаг 3. Нажмите Разложить A = QR. Калькулятор выполнит процесс Грама-Шмидта и выведет Q и R.

Шаг 4. Посмотрите анимацию Грама-Шмидта, чтобы увидеть, как ортогонализируется каждый столбец: исходный вектор → вычитание проекций → ненормированный результат → нормированный ортонормированный вектор.

Шаг 5. Проверьте результат: убедитесь, что QR = A и QᵀQ = I (единичная матрица). Изучите полный вывод с помощью навигатора по шагам.

Применение QR-разложения

QR в сравнении с другими разложениями матриц

Часто задаваемые вопросы

Что такое QR-разложение?

QR-разложение разлагает матрицу A на произведение ортогональной матрицы Q (столбцы которой ортонормированы) и верхней треугольной матрицы R. Каждая вещественная матрица с линейно независимыми столбцами имеет единственное QR-разложение, если мы требуем, чтобы диагональные элементы R были положительными.

Что такое процесс Грама-Шмидта?

Процесс Грама-Шмидта — это алгоритм, который берет набор линейно независимых векторов и создает ортонормированный набор, порождающий то же подпространство. Он работает путем итеративного вычитания проекций на все ранее вычисленные ортонормированные векторы и последующей нормализации остатка.

Работает ли QR-разложение для неквадратных матриц?

Да. Для матрицы m×n, где m ≥ n, экономичное (или тонкое) QR-разложение дает Q размера m×n с ортонормированными столбцами и R размера n×n, являющуюся верхней треугольной. Это форма, наиболее часто используемая на практике, особенно для задач наименьших квадратов.

Когда следует использовать QR вместо LU-разложения?

Используйте QR, когда численная устойчивость важнее скорости — например, при работе с плохо обусловленными матрицами, задачами наименьших квадратов или вычислением собственных значений. LU быстрее (примерно в 2 раза для квадратных систем), но может усиливать ошибки округления. QR сохраняет нормы векторов, так как Q ортогональна.

В чем разница между QR и SVD?

Оба метода создают ортогональные множители, но SVD разлагает A на три матрицы (UΣVᵀ), выявляя сингулярные числа и ранг, в то время как QR дает две матрицы (QR) и вычисляется быстрее. SVD предпочтительнее для задач с неполным рангом и вычисления псевдообратных матриц; QR предпочтительнее для решения систем полного ранга и алгоритмов собственных значений.