Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 165 vistas

    Descomposicion QR, Proceso de Gram-Schmidt

    Cargado por

    Cesar Villalta Cueto
    Este documento describe el proceso de ortogonalización de Gram-Schmidt y la descomposición QR de una matriz. El proceso de Gram-Schmidt toma un conjunto de vectores linealmente independientes y genera una base ortogonal. La descomposición QR factoriza una matriz en el producto de una matriz ortogonal y una triangular superior. Esto permite resolver sistemas lineales y encontrar vectores y valores propios de manera más eficiente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Descomposicion QR, Proceso de Gram-Schmidt

    Cargado por

    Cesar Villalta Cueto
    165 vistas2 páginas
    Este documento describe el proceso de ortogonalización de Gram-Schmidt y la descomposición QR de una matriz. El proceso de Gram-Schmidt toma un conjunto de vectores linealmente independientes y genera una base ortogonal. La descomposición QR factoriza una matriz en el producto de una matriz ortogonal y una triangular superior. Esto permite resolver sistemas lineales y encontrar vectores y valores propios de manera más eficiente.

    Descripción original:

    ju

    Título original

    Descomposicion QR , Proceso de Gram-Schmidt

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe el proceso de ortogonalización de Gram-Schmidt y la descomposición QR de una matriz. El proceso de Gram-Schmidt toma un conjunto de vectores linealmente independientes y genera una base ortogonal. La descomposición QR factoriza una matriz en el producto de una matriz ortogonal y una triangular superior. Esto permite resolver sistemas lineales y encontrar vectores y valores propios de manera más eficiente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    165 vistas2 páginas

    Descomposicion QR, Proceso de Gram-Schmidt

    Cargado por

    Cesar Villalta Cueto
    Este documento describe el proceso de ortogonalización de Gram-Schmidt y la descomposición QR de una matriz. El proceso de Gram-Schmidt toma un conjunto de vectores linealmente independientes y genera una base ortogonal. La descomposición QR factoriza una matriz en el producto de una matriz ortogonal y una triangular superior. Esto permite resolver sistemas lineales y encontrar vectores y valores propios de manera más eficiente.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 2

    PROCESO DE ORTOGONALIZACION DE GRAM SCHMIDT

    Sea V un espacio vectorial producto innterno y un conjunto de vectores linealmente independientes


    v1 , v2 , . . . , vk de V.Entonces con el siguiente algoritmo se puede construir vectores ortogonalesu1 , u2 , . . . , uk
    base de un sub espacio de V generado por v1 , v2 , . . . , vk

    u1 = v1

    < v2 , u1 >
    u2 = v2 u1
    ||u1 ||2

    < v3 , u2 > < v3 , u1 >


    u3 = v3 2
    u2 u1
    ||u2 || ||u1 ||2
    .
    .
    .

    k1
    X < vk , ui >
    uk = vk ui . . . (1)
    ||ui ||2
    i=1

    < vj , ui >
    Donde ui = P royui vj
    ||ui ||2
    DESCOMPOSICION QR

    Para toda matriz A Knm con rango(A) = m , es decir con columnas linealmente independientes ,
    se puede factorizar como producto de dos matrices , una de ellas de orden n m cuyas columnas sean
    ortonormales y linealmente independientes y otra matriz de orden m m triangular superior y con
    numeros positivos en la diagonal (por lo tanto inversible).Tal factorizacion se le llama descomposicion
    QR de A
    Vamos a probar que si A = QR es una descompocision QR de A Las columnas de Q forman una
    base ortonormal?
    Con la caracteristica de que las columnas son ortogonales demostraremos que necesariamente son or-
    tonormales
    Sean u1 , u2 , . . . , um las columnas de Q .Como

    uT1 uT1 u1 uT1 u2 uT1 um



    ...
    uT2  uT2 u1 uT2 u2 ... uT2 um
    QT Q =
    
    u1 u2 . . . um =

    .. .. .. ..
    . . . .
    uTm uTm u1 uTm u2 . . . uTm um

    Y por lo tanto uTi uj es un elemento del producto QT Q ubicado en la posicion ij , tenemos que

    
    0 si i 6= j
    QT Q =I uTi uj = u1 , u2 , . . . , um es un conjunto ortonormal
    1 si i = j
    Como tal descomposicion existe , se procedera a hallarla

    Representamos a los vectores columna de A por {v1 , v2 , . . . , vm } ,para poder descomponer tal ma-
    triz tenemos que B = {v1 , v2 , . . . , vm } conjunto linealmente independiente .Aplicando el proceso de
    Gram Schmidt al conjunto B se obtendra una base ortogonal de vectores {u1 , u2 , . . . , um } expresados
    en (1)
    De (1) expresaremos los elementos de B en funcion de {u1 , u2 , . . . , um }

    1
    v1 = u1

    < v2 , u1 >
    v2 = u1 + u2
    ||u1 ||2

    < v3 , u1 > < v3 , u2 >


    v3 = 2
    u1 + u2 + u3
    ||u1 || ||u2 ||2
    .
    .
    .

    k1
    X < vk , ui >
    vk = ui + uk . . . (2)
    ||ui ||2
    i=1

    Esto expresado en forma matricial



    1 a12 a13 ... a1m
    0 1 a23 ... a2m
    < vj , ui >
    [v1 v2 . . . vm ] = [u1 u2 . . . um ] 0 0 1 ... a3m donde aij =

    ||ui ||2

    .. .. .. .. ..
    . . . . .
    0 0 0 ... 1

    1 a12 a13 ... a1m
    0 1 a23 ... a2m

    De esto tenemos que Q0 = [u1 u2 . . . um ] y R0 = 0 0 1 ... a3m lo que hacemos ahora

    .. .. .. .. ..
    . . . . .
    0 0 0 ... 1
    es normalizar cada columna de Q0 es decir

    vi
    Q = [v10 v20 . . . vm
    0 ] con vi0 =
    ||vi ||
    Y para que la multiplicacion siga siendo A modificamos R0 para ello multiplicamos cada fila de R0
    por el numero que dividimos la correspondiente columna de Q0

    ||u1 || a12 ||u1 || a13 ||u1 || . . . a1m ||u1 ||
    0
    ||u2 || a23 ||u2 || . . . a2m ||u2 ||

    R=
    0 0 ||u3 || . . . a3m ||u3 ||

    .. .. .. .. ..
    . . . . .
    0 0 0 ... ||um ||
    De esto se concluye que A = QR factorizacion buscada

    IMPORTANCIA DE LA DESCOMPOSICION QR

    La descomposicion QR es importante para poder hallar de manera mucho mas facil los vectores
    propios de una matriz ya que se puede llegar que la matriz A = QR es semejante a la matriz
    RQ
    Sirve para resolver sistemas de ecuaciones lineales en la cual Ax = 0 se puede expresar de la
    siguiente manera Rx = QT b
    Para matrices cuadradas este metodo nos ayuda mucho a conocer la determinante de manera
    sencilla ya que QT Q = 1 y|QT | = |Q| luego , de esto ultimo podemos decir que de A = QR
    tenemos que |A| = |R|

    También podría gustarte