QR 분해 계산기
그람-슈미트 과정을 사용하여 행렬 A를 직교 행렬 Q와 상삼각 행렬 R로 분해합니다. 2×2부터 5×5 행렬까지 지원하며, 단계별 직교화 애니메이션, 직교성 검증(QᵀQ = I) 및 대화형 시각화를 제공합니다.
광고 차단기로 인해 광고를 표시할 수 없습니다
MiniWebtool은 광고로 무료로 운영됩니다. 이 도구가 도움이 되었다면 Premium(광고 제거 + 더 빠름)으로 지원하시거나 MiniWebtool.com을 허용 목록에 추가한 뒤 새로고침하세요.
- 또는 Premium(광고 없음)으로 업그레이드
- MiniWebtool.com 광고를 허용한 다음 새로고침하세요
QR 분해 계산기 정보
QR 분해 계산기는 모든 행렬 A를 직교 행렬 Q와 상삼각 행렬 R의 곱으로 인수분해하여 A = QR을 만족하도록 합니다. 2×2에서 5×5 행렬(행 ≥ 열인 비정사각 행렬 포함)을 입력하고 단계별 솔루션, 대화형 애니메이션, 직교성 검증 QᵀQ = I, 그리고 상세한 교육적 통찰력을 포함한 완전한 그람-슈미트 직교화 결과를 확인하세요.
QR 분해란 무엇인가요?
QR 분해(또는 QR 인수분해)는 행렬 A를 다음과 같이 씁니다:
$$A = QR$$
여기서 Q는 직교 행렬(열 벡터가 정규 직교 벡터이며 QᵀQ = I를 만족함)이고, R은 상삼각 행렬입니다. m ≥ n이고 풀 컬럼 랭크를 가진 m×n 행렬의 경우, 축소된 QR은 Q를 m×n, R을 n×n으로 생성합니다.
그람-슈미트 과정 설명
A의 열 벡터 a₁, a₂, …, aₙ이 주어지면, 클래식 그람-슈미트 알고리즘은 정규 직교 벡터 e₁, e₂, …, eₙ을 생성합니다:
단계 1. u₁ = a₁로 설정한 후 정규화: e₁ = u₁ / ‖u₁‖.
단계 2. 이후의 각 열 aⱼ에 대해, 이전의 모든 eₖ 위로의 투영을 뺍니다:
$$\mathbf{u}_j = \mathbf{a}_j - \sum_{k=1}^{j-1} (\mathbf{a}_j \cdot \mathbf{e}_k) \, \mathbf{e}_k$$
그런 다음 정규화: eⱼ = uⱼ / ‖uⱼ‖.
단계 3. Q 행렬은 e₁, …, eₙ을 열로 가집니다. R은 rᵢⱼ = eᵢ · aⱼ 성분을 가진 상삼각 행렬입니다.
이 계산기 사용 방법
단계 1. 행렬 차원(행 × 열)을 설정합니다. QR 분해를 위해 행은 열보다 크거나 같아야 합니다.
단계 2. 그리드에 값을 입력하거나 빠른 예제를 클릭하여 프리셋을 불러옵니다. Tab이나 화살표 키를 사용하여 이동할 수 있습니다.
단계 3. A = QR 분해하기를 클릭합니다. 계산기가 그람-슈미트 과정을 실행하고 Q와 R을 표시합니다.
단계 4. 그람-슈미트 애니메이션을 시청하여 각 열이 어떻게 직교화되는지 확인하세요: 원래 벡터 → 투영 빼기 → 정규화되지 않은 결과 → 정규화된 정규 직교 벡터.
단계 5. 결과 검증: QR = A 및 QᵀQ = I(단위 행렬)인지 확인합니다. 단계별 내비게이터를 사용하여 전체 도출 과정을 확인하세요.
QR 분해의 응용 분야
| 응용 분야 | QR 사용 방식 |
|---|---|
| 최소제곱법 (Ax ≈ b) | 후방 대입법으로 Rx = Qᵀb를 해결 — 정규 방정식 AᵀAx = Aᵀb보다 안정적임 |
| 고윳값 계산을 위한 QR 알고리즘 | Aₖ = QₖRₖ로 반복 분해한 후 Aₖ₊₁ = RₖQₖ 설정 — 슈어 형식으로 수렴함 |
| 선형 시스템 (Ax = b) | A = QR로 분해한 후 Rx = Qᵀb 해결. 조건이 나쁜 시스템에 대해 LU보다 수치적으로 더 안정적임 |
| 신호 처리 | 적응형 빔포밍 및 MIMO 채널 추정에서 실시간 처리를 위해 QR 업데이트 사용 |
| 머신러닝 | 신경망 훈련에서의 QR 기반 직교화, 특성 공학에서의 그람-슈미트 사용 |
QR vs 기타 행렬 분해
| 분해 방식 | 형태 | 최적 용도 |
|---|---|---|
| QR (이 도구) | A = QR | 최소제곱법, 고윳값 알고리즘, 수치적으로 안정적인 해법 |
| LU | A = LU | 정사각 시스템의 빠른 해법, 행렬식 계산 |
| Cholesky | A = LLᵀ | 대칭 양의 정부호 시스템 (가장 빠름) |
| SVD | A = UΣVᵀ | 랭크 분석, 의사역행렬, PCA, 이미지 압축 |
| 고윳값 분해 | A = PDP⁻¹ | 행렬 거듭제곱, 미분 방정식, 스펙트럼 분석 |
자주 묻는 질문
QR 분해란 무엇인가요?
QR 분해는 행렬 A를 직교 행렬 Q(열이 정규 직교함)와 상삼각 행렬 R의 곱으로 인수분해하는 것입니다. 선형 독립인 열을 가진 모든 실수 행렬은 R의 대각 성분이 양수여야 한다는 조건을 달 때 유일한 QR 분해를 가집니다.
그람-슈미트 과정이란 무엇인가요?
그람-슈미트 과정은 선형 독립인 벡터 집합을 가져와 동일한 부분 공간을 생성하는 정규 직교 집합을 만드는 알고리즘입니다. 이전에 계산된 모든 정규 직교 벡터에 대한 투영을 반복적으로 빼고 남은 부분을 정규화하는 방식으로 작동합니다.
정사각 행렬이 아닌 경우에도 QR 분해가 가능한가요?
네. m ≥ n인 m×n 행렬의 경우, 축소된(또는 씬) QR 분해는 m×n 크기의 정규 직교 열을 가진 Q와 n×n 크기의 상삼각 행렬 R을 생성합니다. 이것은 특히 최소제곱법 문제에서 실무적으로 가장 많이 사용되는 형태입니다.
언제 LU 분해 대신 QR을 사용해야 하나요?
속도보다 수치적 안정성이 더 중요할 때 QR을 사용하세요. 예를 들어 조건이 나쁜 행렬, 최소제곱법 문제 또는 고윳값 계산 등이 있습니다. LU는 정사각 시스템에 대해 약 2배 정도 빠르지만 반올림 오차를 증폭시킬 수 있습니다. QR은 Q가 직교 행렬이므로 벡터 노름을 보존합니다.
QR과 SVD의 차이점은 무엇인가요?
둘 다 직교 인자를 생성하지만, SVD는 A를 세 개의 행렬(UΣVᵀ)로 분해하여 특이값과 랭크를 드러내는 반면, QR은 두 개의 행렬(QR)을 제공하며 계산 속도가 더 빠릅니다. SVD는 랭크 부족 문제와 의사역행렬 계산에 선호되고, QR은 풀 랭크 시스템 해결과 고윳값 알고리즘에 선호됩니다.
이 콘텐츠, 페이지 또는 도구를 다음과 같이 인용하세요:
"QR 분해 계산기" - https://MiniWebtool.com/ko//에서 MiniWebtool 인용, https://MiniWebtool.com/
MiniWebtool 팀 제작. 업데이트: 2026-04-12
또한 저희의 AI 수학 해결사 GPT를 사용하여 자연어 질문과 답변으로 수학 문제를 해결할 수 있습니다.