Scribd
Cargar
96 vistas2 páginas

Factorización QR en Matrices Hessenberg

En 3 oraciones: El documento describe el método de factorización QR usando reflexiones de Householder para matrices de Hessenberg. Explica que las matrices de Hessenberg tienen ceros por debajo de la primera subdiagonal o por encima de la primera superdiagonal. Detalla cómo construir las reflexiones de Householder para crear ceros en las posiciones inferiores de un vector y así obtener la factorización QR de una matriz como el producto de una matriz ortogonal y una triangular superior.

Cargado por

mate66
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
96 vistas2 páginas

Factorización QR en Matrices Hessenberg

En 3 oraciones: El documento describe el método de factorización QR usando reflexiones de Householder para matrices de Hessenberg. Explica que las matrices de Hessenberg tienen ceros por debajo de la primera subdiagonal o por encima de la primera superdiagonal. Detalla cómo construir las reflexiones de Householder para crear ceros en las posiciones inferiores de un vector y así obtener la factorización QR de una matriz como el producto de una matriz ortogonal y una triangular superior.

Cargado por

mate66
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

PROYECTO MATLAB

Tania Bastidas

1 de abril de 2016

1. Factorización QR especı́fico para las matrices de hessemberg,


usando reflexiones de Householder
1.1. matrices de hessemberg
una matriz de Hessenberg es una matriz çasi”triangular. Para ser más exactos, una matriz superior
de Hessenberg tiene todos ceros por debajo de la primera subdiagonal, y una matriz inferior de
Hessenberg tiene todos ceros por encima de la primera superdiagonal.

1.2. Factorización QR
Sea A ∈ Rnxn , el objetivo de éste método es obtener una factorización A = QR, donde Q ∈ Rnxn
es una matriz ortogonal y R ∈ Rnxn es triangular superior.

1.3. reflexiones de Householder

Supongamos primero que disponemos del vector u, sobre el cual construiremos la reflexión.

Del gráfico podemos deducir la aplicación lineal que tiene el efecto deseado: Las matrices de Househol-
der tienen de la forma

1
para un vector u ∈ Rn u 2 Rn dado.
En el gráfico, Ha corresponde a la reflexión de a con respecto al hiperplano span(u). La utilidad de
las transformaciones de Höuseholder radica en que podemos crear ceros en las posiciones 2 : n de un
vector de tamaño n. A continuación, procederemos a determinar el vector u, con respecto al cual se
realiza la reflexión. Si notamos e1 = [1, 0, ..., 0]T , entonces

Como a − Ha debe ser paralelo a u y ortogonal a span(u) ⊥ , entonces podemos tomar

De las dos opciones vamos a tomar la opción que implique mayor estabilidad. Para esto, observemos
las operaciones al calcular β:

donde a1 es la primera componente de a. Si el ángulo entre a y e1 es muy pequeño

ası́ se tiene

lo que conduce a la resta de números muy cercanos; luego, la operación que conocemos es mal condi-
cionada.
Para evitar una eventual cancelación, en base al análisis anterior tomamos

Como H está determinado por u, entonces

Ahora que tenemos la herramienta construir la reflexión de Househölder, podemos deducir un método
para realizar la factorización QR.
La idea de la factorización QR es reemplazar las matrices de Frobenius por proyecciones ortogonales.

También podría gustarte