QR分解计算器

QR分解计算器

QR分解计算器可以将任何矩阵 A 分解为一个正交矩阵 Q 和一个上三角矩阵 R 的乘积，使得 A = QR。您可以输入 2×2 到 5×5 的矩阵（包括行数 ≥ 列数的非方阵），并获得完整的 Gram-Schmidt 正交化过程、逐步解决方案、交互式动画、正交性验证 QᵀQ = I 以及详细的学术见解。

什么是QR分解？

QR分解（也称为 QR 因子分解）将矩阵 A 写作：

$$A = QR$$

其中 Q 是正交矩阵（其列为满足 QᵀQ = I 的标准正交向量），而 R 是上三角矩阵。对于一个 m×n 且 m ≥ n 且列满秩的矩阵，化简后的 QR 分解得到 Q 为 m×n 矩阵，R 为 n×n 矩阵。

Gram-Schmidt 过程解析

给定矩阵 A 的列向量 a₁, a₂, …, aₙ，经典的 Gram-Schmidt 算法生成标准正交向量 e₁, e₂, …, eₙ：

第 1 步： 令 u₁ = a₁，然后单位化：e₁ = u₁ / ‖u₁‖。

第 2 步： 对于后续的每一列 aⱼ，减去它在之前所有 eₖ 上的投影：

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

然后单位化：eⱼ = uⱼ / ‖uⱼ‖。

第 3 步： Q 矩阵以 e₁, …, eₙ 作为列。R 是一个上三角矩阵，其元素 rᵢⱼ = eᵢ · aⱼ。

如何使用此计算器

第 1 步： 设置矩阵维度（行 × 列）。在进行 QR 分解时，行数必须 ≥ 列数。

第 2 步： 在网格中输入数值，或点击快速示例加载预设。使用 Tab 或方向键进行导航。

第 3 步： 点击 分解 A = QR。计算器将运行 Gram-Schmidt 过程并显示 Q 和 R。

第 4 步： 观看 Gram-Schmidt 动画，了解每一列是如何正交化的：原始向量 → 减去投影 → 未单位化结果 → 标准正交向量。

第 5 步： 验证结果：检查 QR = A 和 QᵀQ = I（单位矩阵）。使用步骤导航器查看完整的推导过程。

QR分解的应用

QR 与其他矩阵分解的对比

常见问题

什么是QR分解？

QR分解将矩阵 A 分解为一个正交矩阵 Q（其列为标准正交向量）和一个上三角矩阵 R 的乘积。当我们要求 R 的对角线元素为正时，每个列线性无关的实矩阵都有唯一的 QR 分解。

什么是 Gram-Schmidt 过程？

Gram-Schmidt 过程是一种算法，它接收一组线性无关的向量并产生一组张成相同子空间的标准正交向量。它的工作原理是迭代地减去在先前计算的所有标准正交向量上的投影，然后对余项进行单位化。

QR分解适用于非方阵吗？

是的。对于一个 m×n 且 m ≥ n 的矩阵，化简（或瘦）QR 分解得到的 Q 为 m×n 矩阵且具有标准正交列，R 为 n×n 上三角矩阵。这是实践中最常用的形式，特别是在最小二乘问题中。

我什么时候应该使用 QR 而不是 LU 分解？

当数值稳定性比速度更重要时，请使用 QR —— 例如处理病态矩阵、最小二乘问题或特征值计算。LU 分解速度更快（对于方阵系统大约快 2 倍），但可能会放大舍入误差。由于 Q 是正交的，QR 分解可以保持向量范数。

QR分解和 SVD 有什么区别？

两者都会产生正交因子，但 SVD 将 A 分解为三个矩阵 (UΣVᵀ)，从而揭示奇异值和秩，而 QR 分解得到两个矩阵 (QR) 且计算速度更快。SVD 优选用于秩亏问题和伪逆计算；QR 优选用于求解满秩系统和特征值算法。

线性代数:

• 向量夹角计算器 新
• 特征多项式计算器 新
• 乔列斯基分解计算器 新
• 列空间计算器 新
• 克莱姆法则计算器 新
• 向量叉积计算器 新
• 行列式计算器 热门
• 向量点积计算器 新
• 特征值和特征向量计算器 热门
• 格拉姆-施密特计算器
• 雅可比矩阵计算器 新
• 约当标准形计算器 新
• 矩阵计算器
• 矩阵对角化计算器 新
• 矩阵指数计算器 新
• 逆矩阵计算器 新
• 矩阵LU分解计算器
• 矩阵乘法计算器 新
• 矩阵幂计算器 新
• 矩阵秩计算器
• 矩阵迹计算器
• 零空间计算器 新
• 部分分式分解计算器
• QR分解计算器 新
• RREF计算器行最简阶梯形 新
• 奇异值分解SVD计算器
• 张量积计算器 新
• 单位向量计算器 新
• 向量计算器 热门
• 向量模计算器 新
• 向量投影计算器