QR分解

QR分解

求矩阵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阵全部特征值的最有效并广泛应用的方法,一般矩阵先经过正交相似变化成为Hessenberg矩阵,然后再应用QR方法求特征值和特征向量。[1]它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R,所以称为QR分解法,与此正规正交矩阵的通用符号Q有关。如果实(复)非奇异矩阵A能够化成正交(酉)矩阵Q与实(复)非奇异上三角矩阵R的乘积,即A=QR,则称其为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

这里给出一个利用Householder变换的QR分解方法,给定mxn阶实矩阵,m≥n,本算法计算Householder矩阵H1H2...Hn满足:如果Q=H1H2...Hn,则A=R是上三角矩阵,A1的上三角部分被R的上三角部分覆盖,第j个Householder向量的j+1:m分量储存于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,语法为[Q,R]=qr(A)或者[Q,R,perm] = qr(A,0),如果A是一个m×n的矩阵,其QR分解后,Q为一个m×m的酉矩阵,R是一个m×n的上三角矩阵。

分解流程

(1)对需要求解的特征值的矩阵进行QR分解

(2)对分解出来的结果进行逆向相乘

3)将相乘得到的矩阵进行QR分解

(4)对分解出来的结果进行逆向相乘

实用意义

使用qr分解有助于加快解方程或求解速度即收敛速度。

应用领域

系统辨识是现代控制理论的重要组成部分。对系统的结构和参数进行辨识在工程上和理论上都占有重要的地位。最小二乘法是系统参数辨识中的重要估计方法,并在众多领域和场合得到了广泛的应用。

相关词条

相关搜索

其它词条