Edgar Acuña/ESMA 6665 Lecc4-5 24

4. La Factorización QR
Dada una matriz cuadrada y nosingular A de orden n x n, entonces existe una
matriz ortogonal Q y una matriz triangular superior R tal que

A=QR
esta es llamada la factorización QR de A.

Si la matriz A no es cuadrada y de orden m x n con m mayor que n entonces:

⎛R ⎞
A = QR = ⎜⎜ 1 ⎟⎟
⎝O⎠
donde R1 es una matriz triangular superior de orden n x n y 0 es una matriz de ceros de
orden (m-n) x n.
Si la matriz A es de orden m x n con m menor que n entonces

A = QR = (R1 S )
donde S es un matriz de orden (n-m) por m.

Existen tres métodos de obtener la factorización QR

a) Transformaciones Householder
b) Rotaciones Givens
c) Proceso de ortogonalización de Gram-Schmidt

4.1 Transformaciones Householder

Una matriz de la forma

uu '
H = I −2
u' u
es llamada una matriz Householder, donde I es la matriz identidad y u es un vector no
nulo.

Propiedades de la matriz H:

a) H es una matriz simétrica y ortogonal.

b) ||Hx||2=||x||2 para todo vector x. Es decir, la matriz Householder no cambia la
longitud del vector.
c) H2= I
d) Det(H)=-1.

La importancia de las matrices Householder es que ellas pueden ser usadas para crear
ceros en un vector y por lo tanto pueden dar lugar a matrices triangulares.
Consideremos el vector elemental e1=(1,0,…,0) ‘. Entonces para todo vector no nulo
x≠e1 existe siempre una matriz Householder H tal que Hx es un múltiplo de e1.
Edgar Acuña/ESMA 6665 Lecc4-5 25

Basta considerar el vector u=x+sign(x1)||x||e1 y se puede ver que Hx=-sign(x1)||x||e1.

Si x1 es cero entonces se puede escoger los signos + o -. Para evitar overflow o
underflow en el cálculo de ||x|| se recomienda re-escalar el vector y usar en su lugar
x/max{|xi|}.

Algoritmo para crear ceros un vector usando una matriz Householder

Dado un vector no nulo x, el siguiente algoritmo calcula un vector u y una constante
uu '
σ tal que Hx=(1-2 )x=(σ,0,….,0)’, u es guardado encima de x.
u' u

1) m=max{|xi|), i=1,2….n
2) ui=xi/m, i=1,2….n
3) σ=sign(u1) u12 + u 22 + ..... + u n2
4) u1=u1+σ
5) σ=-m*σ

la siguiente función housecero en MATLAB ejecuta el algoritmo

function [u,sigma] = housecero(x)

%HOUSECERO Crea ceros en un vector usando una matriz Householder.
%[u,sigma] = housecero(x) produce un vector u
%que define una matriz Householder H, y una constante sigma
%tal que Hx = [sigma, 0, ...., 0]'.
%input : vector x
%output : vector u, y constante sigma

[m,n] = size(x);
mm = max(abs(x));
x = x/mm;
s = sign(x(1));
if s == 0
s = 1;
end;
sigma = s * norm(x,2);
u = x + sigma * eye(m,1);
sigma = -mm * sigma;

Ejemplo: Obtener ceros en el vector x=(3,4,9)’ usando la función housecero . Hallar el

vector transformado y la matriz Householder

» x=[3;4;9]

x=

3
4
9
Edgar Acuña/ESMA 6665 Lecc4-5 26

» addpath c:\matlab\acuna
» [u,sigma]=housecero(x)

u=

1.4773
0.4444
1.0000

sigma =

-10.2956

» u1=2*u*u'/(u'*u)

u1 =

1.2914 0.3885 0.8742

0.3885 0.1169 0.2630
0.8742 0.2630 0.5917

» % matriz Householder
» H=eye(3)-u1

H=

-0.2914 -0.3885 -0.8742

-0.3885 0.8831 -0.2630
-0.8742 -0.2630 0.4083

» H*H

ans =

1.0000 0 0.0000
0 1.0000 0
0.0000 0 1.0000

»
El vector transformado sera Hx=(-10.2956,0,0)’.

Ahora se mostrará el efecto de multiplicar una matriz Householder por un vector y

por una matriz.
Sea x un vector de dimension n y H una matriz Householder entonces
Edgar Acuña/ESMA 6665 Lecc4-5 27

uu '
Hx=(I- 2 )x=x-βu(u’x) donde β=2/(u’u).
u' u

Algoritmo para obtener el producto de una matriz Householder por un vector

cualquiera.

Dado el vector n dimensional u que define la matriz Householder H=1-2βuu’, y un

vector cualquiera x=(x1,x2,…xn)’. Entonces el siguiente algoritmo calcula el producto
Hx superponiendo x con Hx.

Paso 1: Calcular β=2/(u’u).

n
Paso 2. Calcular la suma s= ∑ u i xi
i =1

Paso 3. Modificar β=βs

Paso 4. For i=1,…, n do
xi=xi-βui

Consideremos ahora una matriz A, entonces HA=A-βuu’A. Luego, la entrada (i,j) de

m
HA es igual a aij-β (∑ u i aij ) ui , cada columna puede ser calculada usando el
i =1

algoritmo anterior. Similarmente, AH=A-βAuu’, cada fila de AH puede ser calculada

usando el algoritmo anterior.
Notar que no hay que calcular explicitamente la matriz H.
La siguiente función calcula el producto de una matriz Householder por una matriz A

function A = housemult(A,u)

%HOUSEMULT Postmultiplica una matriz por una matriz

%Householder H
%A = housemult(A,u) calcula AH, donde H es una matriz
%Householder generada por un vector u.
%La matrix resultante A contiene el producto AH.
%input : Matriz A y vector u
%output : Matriz A

[m1,n] = size(A);
beta = 2/(u'*u);
for i = 1 : m1
s = 0;
s = s + u(1:n) * A(i,1:n);
s = beta * s;
A(i,1:n) = A(i,1:n) - (s*u(1:n))';
end;
end;
Edgar Acuña/ESMA 6665 Lecc4-5 28

4.1.1 La factorización QR usando matrices Householder.

Si A es una matriz cuadrada entonces existe una matriz ortogonal Q y una matriz
triangular superior R tal que A=QR, con la matriz Q=H1H2….Hn-1 donde cada Hi es
una matriz de Hoseholder.
La factorización puede ser obtenida en n-1 pasos.

Paso 1: Construir una matriz Householder H1 tal que H1A tenga zeros debajo de la
entrada (1,1) en la primera columna. Es decir,

⎡ * * .... *⎤
⎢0 * .... *⎥⎥
H1A= ⎢
⎢.... ..... ..... .... ⎥
⎢ ⎥
⎣0 * * *⎦

Es suficiente construir H1= I n − 2u n u n' /(u n' u n ) tal que

⎛ a11 ⎞ ⎛ * ⎞
⎜ ⎟ ⎜ ⎟
⎜a ⎟ ⎜ 0 ⎟
H1 ⎜ 21 ⎟ = ⎜ ⎟
.... ....
⎜ ⎟ ⎜ ⎟
⎜a ⎟ ⎜ ⎟
⎝ n1 ⎠ ⎝ 0 ⎠

Superponer la matriz A con la matriz A(1)=H1A

Paso 2: Construir una matriz Householder H2 tal que H2A(1) tenga zeros debajo de la
entrada (2,2) en la segunda columna y que los ceros que ya se crearon en la primera
columna de matriz A(1) no cambien. Es decir,

⎡* * * ... *⎤
⎢0 * * ... * ⎥⎥
⎢
A(2)=H2A(1)= ⎢ 0 0 * ... *⎥
⎢ ⎥
⎢... ... ... ... ...⎥
⎢⎣ 0 0 * ... * ⎥⎦

H2 puede ser construido como sigue: primero construir una matriz Householder
~
H 2 = I n −1 − 2u n −1u n' −1 /(u n' −1u n −1 ) de orden n-1 tal que
Edgar Acuña/ESMA 6665 Lecc4-5 29

⎛ a 22 ⎞ ⎛ * ⎞
⎜ ⎟ ⎜ ⎟
⎜ a 32 ⎟ ⎜ 0 ⎟
H 2 ⎜ ... ⎟ = ⎜ ...⎟
~
⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ...⎟
⎜a ⎟ ⎜ ⎟
⎝ n2 ⎠ ⎝ 0 ⎠

y luego definir,
⎛ 1 0 ... 0⎞
⎜ ⎟
⎜0 ⎟
H2 = ⎜ ~ ⎟
... H2
⎜ ⎟
⎜0 ⎟
⎝ ⎠

Superponer A por A(2).

Paso k: Construir una matriz Householder Hk tal que HkA(k-1) tenga zeros debajo de la
entrada (k,k) en la k-ésima columna y que los ceros que ya se crearon en los pasos
anteriores no cambien. Hk puede ser construido como sigue: primero construir una
~
matriz Householder H 2 = I n − k +1 − 2u n − k +1u n' − k +1 /(u n' + k +1u n − k +1 ) de orden n-k+1 tal que

⎛ a kk ⎞ ⎛ * ⎞
⎜ ⎟ ⎜ ⎟
⎜ a kk +1 ⎟ ⎜ 0 ⎟
H k ⎜ ... ⎟ = ⎜ 0 ⎟
~
⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ...⎟
⎜ a ⎟ ⎜ ⎟
⎝ kn ⎠ ⎝ 0 ⎠

y luego definir,
⎛I 0 ⎞
H 2 = ⎜⎜ k −1 ~ ⎟⎟
⎝ 0 Hk ⎠
Calcular A =HkA . Superponer A por A(k).
(k) (k-1)

Al final en el paso (n-1) la matriz resultante A(n-1) será la matriz triangular R.

Como, A(k)=HkA(k-1), para k=n-1,……2.
Tenemos

R=A(n-1)=Hn-1A(n-2)=Hn-1Hn-2A(n-3)=….=Hn-1Hn-2…H2H1A

Hacer,
Edgar Acuña/ESMA 6665 Lecc4-5 30

Q’=Hn-1Hn-2…….H2H1

Como cada matriz Hk es orthogonal tambien lo es Q’. Así que R=Q’A o A=QR.

Algoritmo para obtener la factorización QR usando Matrices Householder

Dada una matriz cuadrada A con el siguiente algoritmo se crea el vector

un-k+1=(ukk,…..unk)’, para k=1,2….n-1 que define las matrices H1 hasta Hn-1 y la matriz
triangular superior R tal que A=QR con Q=H1H2….Hn-1. Las componenetes uk+1,k hasta
unk son almacenadas en la posiciones (k+1,k) hasta (n,k) de A. Las primeras
componenntes ukk son almacenadas en un vector unidemensional v.
For k=1,2……n-1 do
~
Paso 1. Hallar el vector un-k+1=(ukk,…..unk)’ que define la matriz Householder H k y la
constante σ tal que

⎛ a kk ⎞ ⎛ σ ⎞
⎜ ⎟ ⎜ ⎟
⎜ a k +1k ⎟ ⎜ 0 ⎟
H k ⎜ ... ⎟ = ⎜ ... ⎟
~
⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟
⎜ ⎟ ⎜ ⎟
⎝ a nk ⎠ ⎝ 0 ⎠

(Usar Housecero)

Paso 2. Superponer akk por σ

Paso 3. Almacenar el vector un-k+1 como sigue:

aik≡uik, I=k+1,…..,n
vk≡ukk

Paso 4. Calcular β=2/ (u n' − k +1u n − k +1 )

Paso 5. Modificar las entradas de la submatriz A que contiene las filas k hasta n y las
columnas k+1 hasta n.
For j=k+1,….n do
Edgar Acuña/ESMA 6665 Lecc4-5 31

n
1. s=β ∑ u ik aij
i=k

2. aij=aij-suik (i=k,k+1,….,n)

La siguiente función en MATLAB calcula la factorización QR de una matriz cudradada o

no. usando matrices Householder

function [Q,R] = houseqr(A)

%HOUSEQR Factorizacion QR de una matriz A usando matrices
Householder
%[Q,R] = houseqr(A) produce an ortogonal matriz Q
%y una matriz triangular superior R del mismo tamaño que A
%con ceros debajo de la diagonal A tal que A = QR.
%Este program llama a los programas HOUSECERO y HOUSEMULT.
%input : Matriz A
%output : Matrices Q y R

[m,n] = size(A);
S= min(n,m-1);
Q = eye(m,m);
for k = 1 : S
[x,sigma] = housecero(A(k:m,k));
Q(1:m,k:m) = housemult(Q(1:m,k:m),x);
A(k,k) = sigma ;
s1 = size(x);
A(k+1:m,k) = x(2:s1);
v(k) = x(1);
beta = 2/(x'*x);
for j = k+1:n
s = 0;
s = s + x(1:m-k+1)' * A(k:m,j);
s = beta * s;
A(k:m,j) = A(k:m,j) - s * x(1:m-k+1);
end;
end;
R = triu(A);
end;

Ejemplo: Calcular la factorizacón QR de las matrices

⎛ 4 2 5⎞
⎜ ⎟
A= ⎜ 8 6 7 ⎟
⎜ 1 9 5⎟
⎝ ⎠
Edgar Acuña/ESMA 6665 Lecc4-5 32

⎛4 5 7⎞
⎜ ⎟
⎜3 2 2⎟
B= ⎜
1 7 0⎟
⎜ ⎟
⎜5 −1 4 ⎟⎠
⎝

Usando Matlab y R.

Solución:
En R,
> A=rbind(c(4,2,5),c(8,6,7),c(1,9,5))
> A
[,1] [,2] [,3]
[1,] 4 2 5
[2,] 8 6 7
[3,] 1 9 5
> rqa=qr(A)
> qr.Q(rqa)
[,1] [,2] [,3]
[1,] -0.4444444 0.14582171 0.8838581
[2,] -0.8888889 0.05059121 -0.4553208
[3,] -0.1111111 -0.98801648 0.1071343
> qr.R(rqa)
[,1] [,2] [,3]
[1,] -9 -7.222222 -9.000000
[2,] 0 -8.296958 -3.856835
[3,] 0 0.000000 1.767716
>
> B=rbind(c(4, 5, 7),c(3, 2, 2),c(1, 7, 0),c( 5, -1, 4))
> B
[,1] [,2] [,3]
[1,] 4 5 7
[2,] 3 2 2
[3,] 1 7 0
[4,] 5 -1 4
> qrb=qr(B)
> qr.Q(qrb)
[,1] [,2] [,3]
[1,] -0.560112 0.35151479 0.7498522
[2,] -0.420084 0.04424662 -0.3576556
[3,] -0.140028 0.80872982 -0.4748942
[4,] -0.700140 -0.46950576 -0.2903096
> qr.R(qrb)
[,1] [,2] [,3]
[1,] -7.141428 -3.920784 -7.5615125
[2,] 0.000000 7.976682 0.6710737
[3,] 0.000000 0.000000 3.3724160
>

En Matlab
» addpath c:\matlab\acuna
» A=[4 2 5;8 6 7;1 9 5]

A =
Edgar Acuña/ESMA 6665 Lecc4-5 33

4 2 5
8 6 7
1 9 5

» [q,r]=houseqr(A)

q =

-0.4444 0.1458 0.8839

-0.8889 0.0506 -0.4553
-0.1111 -0.9880 0.1071

r =

-9.0000 -7.2222 -9.0000

0 -8.2970 -3.8568
0 0 1.7677

» B=[4 5 7;3 2 2;1 7 0; 5 -1 4]

B =

4 5 7
3 2 2
1 7 0
5 -1 4

» [q,r]=houseqr(B)

q =

-0.5601 0.3515 0.7499 -0.0208

-0.4201 0.0442 -0.3577 -0.8329
-0.1400 0.8087 -0.4749 0.3175
-0.7001 -0.4695 -0.2903 0.4529

r =

-7.1414 -3.9208 -7.5615

0 7.9767 0.6711
0 0 3.3724
0 0 0