Kalkulator Rozkładu QR

O Kalkulator Rozkładu QR

Kalkulator Rozkładu QR rozkłada dowolną macierz A na iloczyn macierzy ortogonalnej Q i macierzy górnotrójkątnej R, tak aby A = QR. Wprowadź macierz o wymiarach od 2×2 do 5×5 (w tym macierze niekwadratowe, gdzie liczba wierszy ≥ liczba kolumn) i uzyskaj pełną ortogonalizację Grama-Schmidta z rozwiązaniami krok po kroku, interaktywną animacją, weryfikacją ortogonalności QᵀQ = I oraz szczegółowymi informacjami edukacyjnymi.

Co to jest rozkład QR?

Rozkład QR (zwany również faktoryzacją QR) zapisuje macierz A jako:

$$A = QR$$

gdzie Q jest macierzą ortogonalną (jej kolumny są wektorami ortonormalnymi spełniającymi warunek QᵀQ = I), a R jest macierzą górnotrójkątną. Dla macierzy m×n o m ≥ n i pełnym rzędzie kolumnowym, zredukowany rozkład QR daje Q jako m×n oraz R jako n×n.

Wyjaśnienie procesu Grama-Schmidta

Dla danych wektorów kolumnowych a₁, a₂, …, aₙ macierzy A, klasyczny algorytm Grama-Schmidta tworzy wektory ortonormalne e₁, e₂, …, eₙ:

Krok 1. Przyjmij u₁ = a₁, następnie znormalizuj: e₁ = u₁ / ‖u₁‖.

Krok 2. Dla każdej kolejnej kolumny aⱼ, odejmij jej rzuty na wszystkie poprzednie eₖ:

$$\mathbf{u}_j = \mathbf{a}_j - \sum_{k=1}^{j-1} (\mathbf{a}_j \cdot \mathbf{e}_k) \, \mathbf{e}_k$$

Następnie znormalizuj: eⱼ = uⱼ / ‖uⱼ‖.

Krok 3. Macierz Q ma e₁, …, eₙ jako kolumny. R jest macierzą górnotrójkątną z elementami rᵢⱼ = eᵢ · aⱼ.

Jak korzystać z tego kalkulatora

Krok 1. Ustaw wymiary macierzy (wiersze × kolumny). Liczba wierszy musi być ≥ liczbie kolumn dla rozkładu QR.

Krok 2. Wprowadź wartości do siatki lub kliknij szybki przykład, aby załadować gotowe dane. Użyj tabulatora lub strzałek do nawigacji.

Krok 3. Kliknij Rozłóż A = QR. Kalkulator przeprowadzi proces Grama-Schmidta i wyświetli Q oraz R.

Krok 4. Obejrzyj animację Grama-Schmidta, aby zobaczyć, jak każda kolumna jest ortogonalizowana: wektor oryginalny → odejmowanie rzutów → wynik nieznormalizowany → znormalizowany wektor ortonormalny.

Krok 5. Zweryfikuj wynik: sprawdź, czy QR = A oraz QᵀQ = I (macierz jednostkowa). Prześledź pełne wyprowadzenie za pomocą nawigatora kroków.

Zastosowania rozkładu QR

QR vs. inne rozkłady macierzy

Często zadawane pytania

Co to jest rozkład QR?

Rozkład QR faktoryzuje macierz A na iloczyn macierzy ortogonalnej Q (której kolumny są ortonormalne) i macierzy górnotrójkątnej R. Każda macierz rzeczywista o liniowo niezależnych kolumnach posiada unikalny rozkład QR, gdy wymagamy, aby R miała dodatnie elementy na przekątnej.

Czym jest proces Grama-Schmidta?

Proces Grama-Schmidta to algorytm, który przyjmuje zestaw liniowo niezależnych wektorów i tworzy zestaw ortonormalny rozpinający tę samą podprzestrzeń. Działa poprzez iteracyjne odejmowanie rzutów na wszystkie wcześniej obliczone wektory ortonormalne, a następnie normalizację pozostałości.

Czy rozkład QR działa dla macierzy niekwadratowych?

Tak. Dla macierzy m×n, gdzie m ≥ n, zredukowany (cienki) rozkład QR daje Q jako m×n z kolumnami ortonormalnymi oraz R jako n×n górnotrójkątną. Jest to forma najczęściej stosowana w praktyce, szczególnie w problemach najmniejszych kwadratów.

Kiedy powinienem użyć QR zamiast rozkładu LU?

Używaj QR, gdy stabilność numeryczna jest ważniejsza niż prędkość — na przykład przy macierzach źle uwarunkowanych, problemach najmniejszych kwadratów lub obliczaniu wartości własnych. LU jest szybszy (około 2× dla układów kwadratowych), ale może wzmacniać błędy zaokrągleń. QR zachowuje normy wektorowe, ponieważ Q jest ortogonalna.

Jaka jest różnica między QR a SVD?

Oba dają czynniki ortogonalne, ale SVD rozkłada A na trzy macierze (UΣVᵀ), ujawniając wartości osobliwe i rząd, podczas gdy QR daje dwie macierze (QR) i jest szybszy w obliczeniach. SVD jest preferowane w problemach o niepełnym rzędzie i obliczaniu pseudoodwrotności; QR jest preferowane do rozwiązywania układów o pełnym rzędzie i w algorytmach wartości własnych.