Calculadora de descomposición QR
Descompón una matriz de 2 por 2 en una matriz ortogonal Q y una triangular superior R.
Acerca de la descomposición QR
Ejemplos de descomposición QR
| Matriz A | Factores | Observación |
|---|---|---|
| [1, 0] [0, 1] | Q = identidad, R = identidad | Las columnas ya son ortonormales |
| [3, 0] [4, 5] | Q = [0.6, -0.8] [0.8, 0.6], R = [5, 4] [0, 3] | Gram-Schmidt separa longitud y dirección |
| [1, 1] [1, -1] | Q es aproximadamente [0.707107, 0.707107] [0.707107, -0.707107] | Las columnas de entrada son perpendiculares, pero no están normalizadas |
Cómo calcular una descomposición QR
- Introduce las cuatro entradas de A en las posiciones de fila y columna indicadas.
- Comprueba que ninguna columna sea nula y que no sean múltiplos escalares entre sí.
- Selecciona Calcular descomposición QR para aplicar el proceso de Gram-Schmidt.
- Lee Q y R por filas y multiplícalas para comprobar la factorización.
Preguntas frecuentes
¿Qué representan Q y R?
Q contiene vectores columna ortonormales que describen direcciones. R es triangular superior y registra las longitudes y los coeficientes de proyección necesarios para reconstruir la matriz original.
¿Por qué deben ser independientes las columnas?
Gram-Schmidt necesita un resto perpendicular no nulo para cada nueva columna de Q. Las columnas dependientes hacen que ese resto sea cero, por lo que no se puede formar así una base ortonormal completa de dos columnas.
¿La descomposición QR es única?
Las elecciones de signo pueden producir descomposiciones equivalentes porque los signos correspondientes de Q y R se cancelan en el producto. Exigir entradas diagonales no negativas en R es una convención habitual de unicidad.
¿Cómo puedo verificar el resultado?
Multiplica Q por R y compara cada entrada con la matriz original A. También puedes comprobar que la transpuesta de Q multiplicada por Q sea la matriz identidad.
¿Para qué sirve la descomposición QR?
Se usa ampliamente en problemas de mínimos cuadrados, algoritmos de valores propios y resolución estable de ecuaciones. Las matrices ortogonales ayudan a controlar el error numérico durante esos cálculos.