Rechner für QR-Zerlegung
Zerlege eine 2-mal-2-Matrix in eine orthogonale Matrix Q und eine obere Dreiecksmatrix R.
Über die QR-Zerlegung
Beispiele zur QR-Zerlegung
| Matrix A | Faktoren | Beobachtung |
|---|---|---|
| [1, 0] [0, 1] | Q = Einheitsmatrix, R = Einheitsmatrix | Die Spalten sind bereits orthonormal |
| [3, 0] [4, 5] | Q = [0.6, -0.8] [0.8, 0.6], R = [5, 4] [0, 3] | Gram-Schmidt trennt Länge und Richtung |
| [1, 1] [1, -1] | Q ist ungefähr [0.707107, 0.707107] [0.707107, -0.707107] | Die Eingabespalten sind senkrecht, aber nicht normiert |
So berechnest du eine QR-Zerlegung
- Gib alle vier Einträge von Matrix A an den beschrifteten Zeilen- und Spaltenpositionen ein.
- Stelle sicher, dass beide Spalten ungleich null und keine skalaren Vielfachen voneinander sind.
- Wähle QR-Zerlegung berechnen, um das Gram-Schmidt-Verfahren anzuwenden.
- Lies Q und R zeilenweise ab und multipliziere sie zur Kontrolle der Faktorisierung.
Häufig gestellte Fragen
Was stellen Q und R dar?
Q enthält orthonormale Spaltenvektoren, die Richtungen beschreiben. R ist eine obere Dreiecksmatrix und speichert die Längen und Projektionskoeffizienten zur Rekonstruktion der ursprünglichen Matrix.
Warum müssen die Spalten unabhängig sein?
Gram-Schmidt benötigt für jede neue Q-Spalte einen von null verschiedenen senkrechten Restvektor. Abhängige Spalten machen diesen Rest null, sodass auf diese Weise keine vollständige orthonormale Basis aus zwei Spalten entsteht.
Ist die QR-Zerlegung eindeutig?
Unterschiedliche Vorzeichen können gleichwertige Zerlegungen erzeugen, weil sich passende Vorzeichen in Q und R im Produkt aufheben. Nichtnegative Diagonaleinträge in R sind eine übliche Konvention zur Eindeutigkeit.
Wie kann ich das Ergebnis überprüfen?
Multipliziere Q mit R und vergleiche jeden Eintrag mit der ursprünglichen Matrix A. Du kannst auch prüfen, ob Q transponiert mal Q die Einheitsmatrix ergibt.
Wofür wird die QR-Zerlegung verwendet?
Sie wird häufig für kleinste Quadrate, Eigenwertalgorithmen und stabile Gleichungslösungen eingesetzt. Orthogonale Matrizen helfen, numerische Fehler bei diesen Berechnungen zu begrenzen.