QR分解

QR分解

求矩陣全部特征值的有效方法
QR(正交三角)分解法是目前求一般矩陣全部特征值的最有效并廣泛應用的方法,一般矩陣先經過正交相似變化成為Hessenberg矩陣,然後再應用QR方法求特征值和特征向量。[1]它是将矩陣分解成一個正規正交矩陣Q與上三角形矩陣R,所以稱為QR分解法,與此正規正交矩陣的通用符号Q有關。如果實(複)非奇異矩陣A能夠化成正交(酉)矩陣Q與實(複)非奇異上三角矩陣R的乘積,即A=QR,則稱其為A的QR分解。
  • 中文名:QR分解
  • 外文名:QR decomposition
  • 别名:正交三角分解法

分解方法

這裡給出一個利用Householder變換的QR分解方法,給定mxn階實矩陣,m≥n,本算法計算Householder矩陣H1H2...Hn滿足:如果Q=H1H2...Hn,則A=R是上三角矩陣,A1的上三角部分被R的上三角部分覆蓋,第j個Householder向量的j+1:m分量儲存于A(j+1:m,j),j

for j=1:n

[v,β]=house(A(j:m,j))

A(j:m,j:n)=(-βV)A(j:m,j:n)

if j

A(j+1:m,j)=v(2:m-j+1)

end

end

在Matlab中,語法為[Q,R]=qr(A)或者[Q,R,perm] = qr(A,0),如果A是一個m×n的矩陣,其QR分解後,Q為一個m×m的酉矩陣,R是一個m×n的上三角矩陣。

分解流程

(1)對需要求解的特征值的矩陣進行QR分解

(2)對分解出來的結果進行逆向相乘

3)将相乘得到的矩陣進行QR分解

(4)對分解出來的結果進行逆向相乘

實用意義

使用qr分解有助于加快解方程或求解速度即收斂速度。

應用領域

系統辨識是現代控制理論的重要組成部分。對系統的結構和參數進行辨識在工程上和理論上都占有重要的地位。最小二乘法是系統參數辨識中的重要估計方法,并在衆多領域和場合得到了廣泛的應用。

相關詞條

相關搜索

其它詞條