Calculadora de Descomposición QR
Descomponga cualquier matriz A en una matriz ortogonal Q y una matriz triangular superior R mediante el proceso de Gram-Schmidt. Soporta matrices de 2×2 a 5×5 con ortogonalización animada paso a paso, verificación de ortogonalidad QᵀQ = I y visualización interactiva.
Tu bloqueador de anuncios impide que mostremos anuncios
MiniWebtool sigue siendo gratis gracias a los anuncios. Si esta herramienta te ayudó, apóyanos actualizando para navegar sin anuncios y tener más usos diarios, o permite MiniWebtool.com y recarga.
- Permite anuncios para MiniWebtool.com y recarga
- O actualiza para navegar sin anuncios y tener límites diarios más altos
Calculadora de Descomposición QR
La Calculadora de Descomposición QR factoriza cualquier matriz A en el producto de una matriz ortogonal Q y una matriz triangular superior R, de modo que A = QR. Ingrese una matriz de 2×2 a 5×5 (incluyendo matrices no cuadradas donde las filas ≥ columnas) y obtenga la ortogonalización completa de Gram-Schmidt con soluciones paso a paso, animación interactiva, verificación de ortogonalidad QᵀQ = I y conocimientos educativos detallados.
¿Qué es la Descomposición QR?
La descomposición QR (también llamada factorización QR) escribe una matriz A como:
$$A = QR$$
donde Q es una matriz ortogonal (sus columnas son vectores ortonormales que satisfacen QᵀQ = I), y R es una matriz triangular superior. Para una matriz m×n con m ≥ n y rango de columna completo, la QR reducida da Q como m×n y R como n×n.
Explicación del Proceso de Gram-Schmidt
Dados los vectores columna a₁, a₂, …, aₙ de A, el algoritmo clásico de Gram-Schmidt produce vectores ortonormales e₁, e₂, …, eₙ:
Paso 1. Establecer u₁ = a₁, luego normalizar: e₁ = u₁ / ‖u₁‖.
Paso 2. Para cada columna subsiguiente aⱼ, restar sus proyecciones sobre todos los eₖ anteriores:
$$\mathbf{u}_j = \mathbf{a}_j - \sum_{k=1}^{j-1} (\mathbf{a}_j \cdot \mathbf{e}_k) \, \mathbf{e}_k$$
Luego normalizar: eⱼ = uⱼ / ‖uⱼ‖.
Paso 3. La matriz Q tiene e₁, …, eₙ como columnas. R es triangular superior con entradas rᵢⱼ = eᵢ · aⱼ.
Cómo Usar Esta Calculadora
Paso 1. Establezca las dimensiones de la matriz (filas × columnas). Las filas deben ser ≥ columnas para la descomposición QR.
Paso 2. Ingrese los valores en la cuadrícula o haga clic en un ejemplo rápido para cargar uno predeterminado. Use Tab o las teclas de flecha para navegar.
Paso 3. Haga clic en Descomponer A = QR. La calculadora ejecuta el proceso de Gram-Schmidt y muestra Q y R.
Paso 4. Vea la animación de Gram-Schmidt para observar cómo se ortogonaliza cada columna: vector original → restar proyecciones → resultado no normalizado → vector ortonormal normalizado.
Paso 5. Verifique el resultado: compruebe que QR = A y QᵀQ = I (matriz identidad). Siga la derivación completa usando el navegador de pasos.
Aplicaciones de la Descomposición QR
| Aplicación | Cómo se usa QR |
|---|---|
| Mínimos Cuadrados (Ax ≈ b) | Resuelve Rx = Qᵀb por sustitución hacia atrás — más estable que las ecuaciones normales AᵀAx = Aᵀb |
| Algoritmo QR para Valores Propios | Factoriza repetidamente Aₖ = QₖRₖ, luego establece Aₖ₊₁ = RₖQₖ — converge a la forma de Schur |
| Sistemas Lineales (Ax = b) | Factoriza A = QR, luego resuelve Rx = Qᵀb. Más estable numéricamente que LU para sistemas mal condicionados |
| Procesamiento de Señales | La formación de haces adaptativa y la estimación de canales MIMO utilizan actualizaciones QR para el procesamiento en tiempo real |
| Aprendizaje Automático | Ortogonalización basada en QR en el entrenamiento de redes neuronales, Gram-Schmidt en ingeniería de características |
QR vs. Otras Descomposiciones de Matrices
| Descomposición | Forma | Mejor para |
|---|---|---|
| QR (esta herramienta) | A = QR | Mínimos cuadrados, algoritmos de valores propios, resoluciones numéricamente estables |
| LU | A = LU | Resoluciones rápidas de sistemas cuadrados, cálculo de determinantes |
| Cholesky | A = LLᵀ | Sistemas simétricos definidos positivos (el más rápido) |
| SVD | A = UΣVᵀ | Análisis de rango, pseudoinversa, PCA, compresión de imágenes |
| Eigendescomposición | A = PDP⁻¹ | Potencias de matrices, ecuaciones diferenciales, análisis espectral |
Preguntas Frecuentes
¿Qué es la descomposición QR?
La descomposición QR factoriza una matriz A en el producto de una matriz ortogonal Q (cuyas columnas son ortonormales) y una matriz triangular superior R. Cada matriz real con columnas linealmente independientes tiene una factorización QR única cuando requerimos que R tenga entradas diagonales positivas.
¿Qué es el proceso de Gram-Schmidt?
El proceso de Gram-Schmidt es un algoritmo que toma un conjunto de vectores linealmente independientes y produce un conjunto ortonormal que genera el mismo subespacio. Funciona restando iterativamente las proyecciones sobre todos los vectores ortonormales calculados previamente y luego normalizando el residuo.
¿Funciona la descomposición QR para matrices no cuadradas?
Sí. Para una matriz m×n donde m ≥ n, la descomposición QR reducida (o delgada) da Q como m×n con columnas ortonormales y R como n×n triangular superior. Esta es la forma más común utilizada en la práctica, especialmente para problemas de mínimos cuadrados.
¿Cuándo debo usar QR en lugar de la descomposición LU?
Use QR cuando la estabilidad numérica sea más importante que la velocidad — por ejemplo, con matrices mal condicionadas, problemas de mínimos cuadrados o cálculo de valores propios. LU es más rápida (aproximadamente el doble para sistemas cuadrados) pero puede amplificar los errores de redondeo. QR preserva las normas vectoriales porque Q es ortogonal.
¿Cuál es la diferencia entre QR y SVD?
Ambas producen factores ortogonales, pero la SVD descompone A en tres matrices (UΣVᵀ) revelando valores singulares y rango, mientras que QR da dos matrices (QR) y es más rápida de calcular. Se prefiere la SVD para problemas de deficiencia de rango y cálculo de pseudoinversas; se prefiere QR para resolver sistemas de rango completo y algoritmos de valores propios.
Cite este contenido, página o herramienta como:
"Calculadora de Descomposición QR" en https://MiniWebtool.com/es/calculadora-de-descomposicion-qr/ de MiniWebtool, https://MiniWebtool.com/
por el equipo de miniwebtool. Actualizado: 2026-04-12
También puede probar nuestro Solucionador de Matemáticas AI GPT para resolver sus problemas matemáticos mediante preguntas y respuestas en lenguaje natural.
Otras herramientas relacionadas:
Álgebra Lineal:
- Calculadora de Determinante
- Calculadora de Valores y Vectores Propios
- Calculadora de matrices
- Calculadora de Descomposición en Fracciones Parciales
- Calculadora vectorial
- Calculadora de Gram-Schmidt
- Calculadora de Proyección Vectorial
- Calculadora de Descomposición LU de Matriz
- Calculadora de Descomposición en Valores Singulares (SVD)
- Calculadora de rango de matriz
- Calculadora de Traza de Matriz
- Calculadora de Matriz Jacobiana Nuevo
- Calculadora RREF (Forma Escalonada Reducida por Filas) Nuevo
- Calculadora de Matriz Inversa Nuevo
- Calculadora de Multiplicación de Matrices Nuevo
- Calculadora de Producto Escalar Nuevo
- Calculadora de Producto Vectorial Nuevo
- Calculadora de Magnitud de Vector Nuevo
- Calculadora de Vector Unitario Nuevo
- Calculadora del Ángulo entre Vectores Nuevo
- Calculadora de Espacio Nulo Nuevo
- Calculadora de Espacio Columna Nuevo
- Calculadora de la Regla de Cramer Nuevo
- Calculadora de Diagonalización de Matrices Nuevo
- Calculadora de Descomposición QR Nuevo
- Calculadora de Descomposición de Cholesky Nuevo
- Calculadora de Potencia de Matriz Nuevo
- Calculadora de Polinomio Característico Nuevo
- Calculadora de Forma Normal de Jordan Nuevo
- Calculadora de Exponencial de Matrices Nuevo
- Calculadora de Producto Tensorial Nuevo