เครื่องคำนวณการแยก QR
แยกเมทริกซ์ A ใดๆ ให้เป็นเมทริกซ์เชิงตั้งฉาก Q และเมทริกซ์สามเหลี่ยมบน R โดยใช้กระบวนการ Gram-Schmidt รองรับเมทริกซ์ขนาด 2×2 ถึง 5×5 พร้อมการแสดงขั้นตอนการทำ Orthogonalization แบบเคลื่อนไหว การตรวจสอบความเป็นเชิงตั้งฉาก QᵀQ = I และการแสดงผลแบบโต้ตอบ
ตัวบล็อกโฆษณาของคุณทำให้เราไม่สามารถแสดงโฆษณาได้
MiniWebtool ให้ใช้งานฟรีเพราะมีโฆษณา หากเครื่องมือนี้ช่วยคุณได้ โปรดสนับสนุนเราด้วย Premium (ไม่มีโฆษณา + เร็วขึ้น) หรืออนุญาต MiniWebtool.com แล้วรีโหลดหน้าเว็บ
- หรืออัปเกรดเป็น Premium (ไม่มีโฆษณา)
- อนุญาตโฆษณาสำหรับ MiniWebtool.com แล้วรีโหลด
เกี่ยวกับ เครื่องคำนวณการแยก QR
เครื่องคำนวณการแยก QR จะแยกตัวประกอบเมทริกซ์ A ใดๆ ออกเป็นผลคูณของเมทริกซ์เชิงตั้งฉาก Q และเมทริกซ์สามเหลี่ยมบน R เพื่อให้ A = QR ป้อนเมทริกซ์ขนาด 2×2 ถึง 5×5 (รวมถึงเมทริกซ์ที่ไม่ใช่จัตุรัสโดยที่แถว ≥ คอลัมน์) และรับผลการจัดระเบียบแบบ Gram-Schmidt ที่สมบูรณ์พร้อมวิธีทำทีละขั้นตอน แอนิเมชันแบบโต้ตอบ การตรวจสอบความเป็นเชิงตั้งฉาก QᵀQ = I และข้อมูลเชิงลึกทางการศึกษาโดยละเอียด
การแยกตัวประกอบ QR คืออะไร?
การแยกตัวประกอบ QR (หรือที่เรียกว่า QR factorization) เขียนเมทริกซ์ A ในรูป:
$$A = QR$$
โดยที่ Q คือเมทริกซ์เชิงตั้งฉาก (คอลัมน์ของมันคือเวกเตอร์ออร์โทนอร์มัลที่เป็นไปตามเงื่อนไข QᵀQ = I) และ R คือเมทริกซ์สามเหลี่ยมบน สำหรับเมทริกซ์ขนาด m×n ที่มี m ≥ n และมีอันดับคอลัมน์เต็ม การแยก QR แบบลดรูปจะได้ Q เป็นขนาด m×n และ R เป็นขนาด n×n
อธิบายกระบวนการ Gram-Schmidt
กำหนดให้เวกเตอร์คอลัมน์ a₁, a₂, …, aₙ ของ A อัลกอริทึม Gram-Schmidt แบบดั้งเดิมจะสร้างเวกเตอร์ออร์โทนอร์มัล e₁, e₂, …, eₙ ดังนี้:
ขั้นตอนที่ 1. กำหนด u₁ = a₁ แล้วทำให้เป็นหน่วยมาตรฐาน: e₁ = u₁ / ‖u₁‖
ขั้นตอนที่ 2. สำหรับแต่ละคอลัมน์ถัดไป aⱼ ให้ลบส่วนที่ฉายลงบน eₖ ก่อนหน้าทั้งหมด:
$$\mathbf{u}_j = \mathbf{a}_j - \sum_{k=1}^{j-1} (\mathbf{a}_j \cdot \mathbf{e}_k) \, \mathbf{e}_k$$
จากนั้นทำให้เป็นหน่วยมาตรฐาน: eⱼ = uⱼ / ‖uⱼ‖
ขั้นตอนที่ 3. เมทริกซ์ Q จะมี e₁, …, eₙ เป็นคอลัมน์ ส่วน R เป็นเมทริกซ์สามเหลี่ยมบนที่มีค่า rᵢⱼ = eᵢ · aⱼ
วิธีใช้งานเครื่องคำนวณนี้
ขั้นตอนที่ 1. กำหนดขนาดเมทริกซ์ (แถว × คอลัมน์) จำนวนแถวต้อง ≥ คอลัมน์สำหรับการแยก QR
ขั้นตอนที่ 2. ป้อนค่าลงในตาราง หรือคลิกตัวอย่างด่วนเพื่อโหลดค่าที่ตั้งไว้ ใช้ปุ่ม Tab หรือลูกศรเพื่อเลื่อน
ขั้นตอนที่ 3. คลิก แยกตัวประกอบ A = QR เครื่องคำนวณจะดำเนินกระบวนการ Gram-Schmidt และแสดงค่า Q และ R
ขั้นตอนที่ 4. ดูแอนิเมชัน Gram-Schmidt เพื่อดูว่าแต่ละคอลัมน์ถูกทำให้ตั้งฉากอย่างไร: เวกเตอร์เดิม → ลบส่วนที่ฉาย → ผลลัพธ์ที่ยังไม่ปรับขนาด → เวกเตอร์ออร์โทนอร์มัลที่ปรับขนาดแล้ว
ขั้นตอนที่ 5. ตรวจสอบผลลัพธ์: ตรวจสอบว่า QR = A และ QᵀQ = I (เมทริกซ์เอกลักษณ์) ดูขั้นตอนการคำนวณแบบเต็มโดยใช้ตัวนำทางขั้นตอน
การประยุกต์ใช้งานการแยกตัวประกอบ QR
| การประยุกต์ใช้งาน | การใช้ QR |
|---|---|
| Least Squares (Ax ≈ b) | แก้สมการ Rx = Qᵀb โดยการแทนที่ย้อนกลับ — มีความเสถียรกว่าสมการปกติ AᵀAx = Aᵀb |
| QR Algorithm สำหรับค่าไอเกน | แยกตัวประกอบ Aₖ = QₖRₖ ซ้ำๆ แล้วกำหนด Aₖ₊₁ = RₖQₖ — เพื่อลู่เข้าสู่ Schur form |
| ระบบสมการเชิงเส้น (Ax = b) | แยก A = QR แล้วแก้ Rx = Qᵀb มีความเสถียรทางตัวเลขมากกว่า LU สำหรับระบบที่มีปัญหาความคลาดเคลื่อนง่าย |
| การประมวลผลสัญญาณ | การทำ Adaptive Beamforming และการประมาณช่องสัญญาณ MIMO ใช้การอัปเดต QR สำหรับการประมวลผลแบบเรียลไทม์ |
| การเรียนรู้ของเครื่อง (Machine Learning) | การทำให้ตั้งฉากด้วย QR ในการฝึกโครงข่ายประสาทเทียม, Gram-Schmidt ในการทำวิศวกรรมฟีเจอร์ |
เปรียบเทียบ QR กับการแยกตัวประกอบเมทริกซ์อื่นๆ
| การแยกตัวประกอบ | รูปแบบ | เหมาะสำหรับ |
|---|---|---|
| QR (เครื่องมือนี้) | A = QR | Least squares, อัลกอริทึมค่าไอเกน, การแก้สมการที่มีความเสถียรทางตัวเลข |
| LU | A = LU | การแก้ระบบจัตุรัสอย่างรวดเร็ว, การคำนวณดีเทอร์มิแนนต์ |
| Cholesky | A = LLᵀ | ระบบสมมาตรและเป็นบวกแน่นอน (เร็วที่สุด) |
| SVD | A = UΣVᵀ | การวิเคราะห์อันดับ, pseudoinverse, PCA, การบีบอัดภาพ |
| Eigendecomposition | A = PDP⁻¹ | เลขยกกำลังเมทริกซ์, สมการเชิงอนุพันธ์, การวิเคราะห์สเปกตรัม |
คำถามที่พบบ่อย
การแยกตัวประกอบ QR คืออะไร?
การแยกตัวประกอบ QR คือการแยกเมทริกซ์ A ออกเป็นผลคูณของเมทริกซ์เชิงตั้งฉาก Q (ซึ่งคอลัมน์เป็นออร์โทนอร์มัล) และเมทริกซ์สามเหลี่ยมบน R ทุกเมทริกซ์จริงที่มีคอลัมน์อิสระเชิงเส้นต่อกันจะมีการแยก QR ที่ไม่ซ้ำกันเมื่อกำหนดให้ R มีค่าแนวทแยงมุมเป็นบวก
กระบวนการ Gram-Schmidt คืออะไร?
กระบวนการ Gram-Schmidt เป็นอัลกอริทึมที่เปลี่ยนชุดเวกเตอร์ที่เป็นอิสระเชิงเส้นต่อกันให้เป็นชุดออร์โทนอร์มัลที่แผ่ขยายปริภูมิเดิม ทำงานโดยการลบส่วนฉาย (projection) ลงบนเวกเตอร์ออร์โทนอร์มัลที่คำนวณไว้ก่อนหน้าออกไปทีละขั้นตอนแล้วจึงปรับขนาดให้เป็นหนึ่งหน่วย
การแยกตัวประกอบ QR ใช้ได้กับเมทริกซ์ที่ไม่ใช่จัตุรัสหรือไม่?
ได้ สำหรับเมทริกซ์ m×n โดยที่ m ≥ n การแยก QR แบบลดรูป (reduced หรือ thin QR) จะให้ Q เป็น m×n ที่มีคอลัมน์ออร์โทนอร์มัล และ R เป็น n×n สามเหลี่ยมบน ซึ่งเป็นรูปแบบที่ใช้กันมากที่สุดโดยเฉพาะในปัญหา Least Squares
เมื่อใดควรใช้ QR แทนการแยกตัวประกอบ LU?
ใช้ QR เมื่อความเสถียรทางตัวเลขสำคัญกว่าความเร็ว — เช่น เมทริกซ์ที่มีแนวโน้มคลาดเคลื่อนสูง (ill-conditioned), ปัญหา Least Squares หรือการคำนวณค่าไอเกน LU จะเร็วกว่า (ประมาณ 2 เท่าสำหรับระบบจัตุรัส) แต่อาจขยายความคลาดเคลื่อนจากการปัดเศษได้ QR จะรักษาบรรทัดฐานของเวกเตอร์ไว้เพราะ Q เป็นเมทริกซ์เชิงตั้งฉาก
ความแตกต่างระหว่าง QR และ SVD คืออะไร?
ทั้งคู่สร้างตัวประกอบเชิงตั้งฉาก แต่ SVD แยก A ออกเป็นสามเมทริกซ์ (UΣVᵀ) ซึ่งเผยให้เห็นค่าเอกฐาน (singular values) และอันดับของเมทริกซ์ ในขณะที่ QR ให้สองเมทริกซ์ (QR) และคำนวณได้เร็วกว่า SVD เป็นที่นิยมสำหรับปัญหาที่อันดับไม่เต็มและการคำนวณ pseudoinverse ส่วน QR นิยมใช้ในการแก้ระบบที่มีอันดับเต็มและอัลกอริทึมหาค่าไอเกน
อ้างอิงเนื้อหา หน้าหรือเครื่องมือนี้ว่า:
"เครื่องคำนวณการแยก QR" ที่ https://MiniWebtool.com/th// จาก MiniWebtool, https://MiniWebtool.com/
โดยทีมงาน miniwebtool อัปเดตเมื่อ: 2026-04-12
คุณสามารถลองใช้ AI แก้ปัญหาคณิตศาสตร์ GPT ของเรา เพื่อแก้ไขปัญหาทางคณิตศาสตร์ของคุณผ่านคำถามและคำตอบด้วยภาษาธรรมชาติ.