Documentos de Académico
Documentos de Profesional
Documentos de Cultura
9 de febrero de 2011
Índice
23.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
23.2. Factorización QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
23.3. Algoritmo QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
23.1. Introducción
En esta lectura veremos el proceso para obtener la factorización QR de una matriz. Esta factorización
es utilizada para la solución por mı́nimos cuadrados y da un algoritmo numérico para determinar los valores
propios de una matriz cuadrada.
23.2. Factorización QR
Teorema
Si A es una matriz m × n con columnas linealmente independientes, entonces A puede factorizarse
en la forma
A = QR (1)
en la que Q es una matriz con columnas ortonormales y R es una matriz triangular superior.
Demostración
Sean a1 ,a2 ,. . . ,an las columnas de A y sean q1 ,q2 ,. . . ,qn los vectores obtenidos al ortonormalizarlas según el
proceso de Gram-Schmidt. Ası́,
Gen(a1 , a2 , . . . , an ) = Gen(q1 , q2 , . . . , qn )
Definamos
Q = [q1 q2 · · · qn ]
Como cada ai es combinación lineal de q1 ,. . . ,qn deben existir escalares rij tales que
r1i
ai = r1i q1 + · · · + rni qn = Q ... para i = 1, . . . , n
rni
donde R es la matriz cuyo elemento (i, j) es rij . Las matrices buscadas son las matrices Q y R: Q tiene sus
columnas ortonormales y R es triangular superior. Asimismo R debe ser invertible pues en caso contrario
Rx = 0 tendrı́a infinitas soluciones y por ende también QRx = Ax = 0 contradiciendo el hecho de que las
columnas de A son linealmente independientes.
Nota
En la práctica la matriz R se calcula mediante la fórmula:
R = QT · A
Ejemplo 23.1
Determine una factorización QR para la matriz
1 −2 1
A = −1 3 2
1 −1 −4
Solución
Al aplicarle el proceso de Gram-Schmidt a las columnas de A obtenemos:
√1 √2
3
0 6
1
q1 = − √13 , q2 = √2 , q3 = √16
√1 √1 − √16
3 2
Por tanto
√1 √2
3
0 6
Q=
− √13 √1
2
√1
6
√1 √1 − √16
3 2
y √ √ √
3 −2 √3 − 35 √3
R = QT · A = 0 2 −2√ 3
0 0 13 96
Los cálculos anteriores pueden hacerse en la calculadora TI. Si seleccionamos el modo exacto, definimos la
matriz A y aplicamos la rutina de factorización QR tendremos la salida de la figura 1 La figura 2 despliega
la matriz Q calculada. La figura 3 despliega la matriz R calculada. y la comprobación de que el producto
efectivamente da A. La figura 4 muestra la comprobación de que el producto efectivamente da A.
2
Figura 2: Ejemplo 1: Matriz Q de la factorización QR de A.
3
23.3. Algoritmo QR
Para una matriz A n × n invertible, cuyos valores propios λ1 , . . . , λn son tales que
Hacer:
1. Tomar A0 = A.
2. Para i = 0, 1, 2, . . . , k − 1 hacer:
a) Determinar la descomposición QR de Ai = Qi Ri .
b) Tomar Ai+1 = Ri Qi
Resultado: Ak se aproxima a una matriz triangular cuyos elementos diagonales son todos los valores propios
de A.
Ejemplo 23.2
Aplique el algoritmo QR a la matriz:
8 7
A=
1 2
Solución
Tomamos A0 = A. Determinamos una factorización QR de A0 :
0.9922 −0.1240 8.0622 7.1940
A 0 = Q 0 R0 = ·
0.1240 0.9922 0.0000 1.1163
Por tanto,
8.8923 6.1384
A 1 = R0 Q 0 =
0.1384 1.1076
Determinamos una factorización QR de A1 :
0.9998 −0.1556 8.8933 6.1549
A 1 = Q 1 R1 = ·
0.0155 0.9998 0.0000 1.0119
Por tanto,
8.9881 6.0157
A 2 = R1 Q 1 =
0.0157 1.0118
Determinamos una factorización QR de A2 :
0.9999 −0.0017 8.9881 6.0175
A 2 = Q 2 R2 = ·
0.0017 0.9999 0.0000 1.0013
Por tanto,
8.9986 6.0107
A 3 = R2 Q 2 =
0.0017 1.0013
Concluimos que los valores propios de A son aproximadamente 9 y 1. Las figuras 5,6 y 7 muestran la sucesión
de cálculos del algorimto QR para aproximar los valores propios de A.
4
Figura 5: Ejemplo 2: Iteración 1 del algoritmo QR.