Descomposici on QR de matrices con columnas linealmente independientes Jos e Luis Mancilla Aguilar En lo que sigue veremos que toda

matriz A Knm (K = R o C) con rango(A) = m, es decir, cuyas columnas forman un conjunto linealmente independiente, se puede factorizar como producto de dos matrices, una de ellas de n m tal que sus columnas forman un conjunto ortonormal y otra de m m que es triangular superior y con n umeros positivos en la diagonal (y por tanto inversible). Tal factorizaci on, que se denomina descomposici on QR de A, es utilizada por varios algoritmos num ericos para la resoluci on de ecuaciones lineales y para el c alculo de autovalores. Denici on. Dada A Knm con rango(A) = m, una descomposici on QR de A es una factorizaci on A = QR con Q Knm y R Kmm tales que QH Q = I y R es triangular superior y con n umeros positivos en la diagonal principal. Teorema 1. Sea A Knm con rango(A) = m. Supongamos que A = QR es una descomposici on QR de A entonces 1. Las columnas de Q forman una base ortonormal de col(A); 2. P = QQH es la matriz de proyecci on sobre col(A). Demostraci on. Como el punto 2. es consecuencia directa del visto sobre matrices de proyecci on, s olo el primero. Sean u1 , u2 , . . . , um las columnas de Q. Como H H u1 u1 u1 uH 1 u2 uH uH u1 uH u2 2 2 2 QH Q = . [u1 u2 um ] = . . . . . . . . uH m
H uH m u1 um u2

punto 1. por lo que ya hemos

uH 1 um uH 2 um . .. . . . H um um

H y por lo tanto uH on ij , tenemos que i uj es el elemento del producto Q Q ubicado en la posici

QH Q = I uH i uj =

0 1

si i = j si i = j

{u1 , u2 , . . . , um } es un conjunto ortonormal.

Entonces, claramente, {u1 , u2 , . . . , um } es una b.o.n. de col(Q). Si probamos que col(Q) = col(A) tendremos probado el punto 1. Para ello usaremos el siguiente resultado: si A, B y C son matrices tales que A = BC entonces col(A) col(B ). La demostraci on de este resultado es la siguiente: si y col(A) entonces existe x tal que y = Ax = BCx. Llamando z = Cx, tenemos que y = Bz , con lo cual y col(B ). Por lo tanto cada elemento de col(A) es a su vez elemento de col(B ), con lo cual col(A) col(B ). Luego, dado que A = QR, tenemos que col(A) col(Q). Como R es inversible por la denici on de descomposici on QR, tenemos que Q = AR1 , con lo cual col(Q) col(A). Por lo tanto col(A) col(Q) y col(Q) col(A) = col(A) = col(Q). 1

En lo que sigue veremos que toda matriz A de rango completo admite una descomposici on QR. Teorema 2. Sea A Knm con rango(A) = m. Entonces existe una descomposici on QR de A. Demostraci on. Denominemos v1 , v2 , . . . , vm a las columnas de A. Por hip otesis B = {v1 , v2 , . . . , vm } es un conjunto linealmente independiente. Aplicando el procedimiento de Gram-Schmidt al conjunto B obtenemos una base ortogonal {u1 , u2 , . . . , um } de col(A) que satisface las igualdades: u1 u2 u3 . . . uj . . . = v1 = v2 12 u1 = v3 13 u1 23 u2 . . . . . . = vj 1j u1 2j u2 (j 1) j uj 1 . . . . . .

con ij =

uH i vj ui 2

1 i < j.

um = vm 1m u1 2m u2 (m1) m um1 Pero entonces, despejando cada vi obtenemos las igualdades v1 v2 v3 . . . vj . . . = u1 = 12 u1 + u2 = 13 u1 + 23 u2 + u3 . . . . . . = 1j u1 + 2j u2 + + (j 1) j uj 1 + uj . . . . . .

vm = 1m u1 + 2m u2 + + (m1) m um1 + um que pueden escribirse en forma matricial [v1 v2 vm ] = [u1 u2 um ] 1 12 13 0 1 23 0 0 1 . . . . . . . . . 0 0 0 1m 2m 3m . .. . . . 1 .

Llamando Q0 = [u1 u2 um ] y R0 a la matriz triangular superior que aparece arriba, tenemos que A = Q0 R0 , que es casi la factorizaci on que estamos buscando, ya que las columnas de Q0 forman un conjunto ortogonal y R0 es triangular superior e inversible. Lo que hacemos ahora es normalizar cada columna de Q0 , es decir, denimos Q = [q1 q2 qm ] con qi = ui ui

y modicamos R0 de modo tal que su producto con Q siga dando A, para ello multiplicamos cada la de R0 por el n umero por el cual dividimos la correspondiente columna de Q0 obteniendo: u1 12 u1 13 u1 1m u1 0 u2 23 u2 2m u2 0 0 u3 3m u3 R= (1) . . . . . .. . . . . . . . . . 0 0 0 um Entonces A = QR es la factorizaci on QR buscada. Ejemplo. Hallar una descomposici on QR de

1 1 0 A = 1 0 1 . 0 1 1

De acuerdo con la demostraci on del teorema anterior, para hallar tal descomposici on deber amos aplicar el precedimiento de G-S a las columnas de A y con los vectores obtenidos, previa normalizaci on, construir la matriz Q. La matriz R podr a obtenerse directamente mediante (1), calculando los ij mediante la f ormula ij = QH Q
uH i vj . ui 2

Sin embargo ello no es necesario, pues, una

vez obtenida Q, como A = QR y = I , tenemos que QH A = QH (QR) = (QH Q)R = R. Procedemos entonces a aplicar G-S a las columnas de A: llamando vi a la columna i de A tenemos que 1 u1 = v1 = 1 . 0 1 1 1 H u1 v2 1 2 1 = 1 u2 = v2 u1 = 0 2 u1 2 2 1 0 1 1 2 0 1 3 uH uH 1 1 2 1 v3 2 v3 1 2 1 2 u3 = v3 u1 u2 = 1 = . 3 u1 2 u2 2 2 3 2 1 0 1 3 Normalizando los ui obtenidos formamos Q: Q= y calculamos R mediante

2 2 2 2

6 6 6 6 6 3

3 3 3 3 3 3

R = QH A =

2 0 0

2 2 6 2

2 2 6 6 2 3 3

Nota. Cuando se calcula la descomposici on QR de una matriz en forma num erica, es decir, 3

empleando una computadora digital para hacer los c alculos, no se emplea el procedimiento de Gram-Schmidt para calcular Q debido a que los errores de redondeo pueden ser muy grandes. La descomposici on se hace empleando otros m etodos que involucran la utilizaci on de las denominadas matrices de Householder (hay una introducci on en wikipedia). Varios programas que efect uan c alculos con matrices, como Matlab, Mathematica, Maple, Scilab (de uso libre, se baja de la red en la direcci on http://www.scilab.org/) contienen instrucciones que calculan la descomposici on QR de una matriz. Descomposici on QR y cuadrados m nimos. La descomposici on QR de una matriz de rango completo es muy u til en la resoluci on de ecuaciones lineales por cuadrados m nimos, porque permite hacerlo en forma eciente y con bastante precisi on. Observamos que si A posee columnas l.i. y A = QR es una descomposici on QR de A entonces AH Ax = AH b RH QH QRx = RH QH b RH Rx = RH QH b Rx = QH b,

la u ltima equivalencia debido a que RH es inversible por serlo R. Luego, las soluciones por cuadrados m nimos de la ecuaci on Ax = b se pueden obtener resolviendo la ecuaci on Rx = QH b, lo cual tiene dos ventajas, una es que R es triangular y la otra es que, en general, el error que se comete al resolver de esta manera mediante una computadora digital es menor que el que se comete empleando la ecuaci on normal AH Ax = AH b.