QR decomposition(QR分解):一种把矩阵 \(A\) 分解为 \(A = QR\) 的方法,其中 \(Q\) 通常是正交/酉矩阵(列正交,满足 \(Q^\top Q=I\) 或 \(Q^*Q=I\)),\(R\) 是上三角矩阵。它常用于求解最小二乘问题、数值稳定的线性方程求解与特征值算法等。(在复数情形也常称为 QR factorization。)
/ˌkjuː ˈɑːr ˌdiːkəmˈpoʊzɪʃən/
We used QR decomposition to solve the least-squares fit.
我们用 QR 分解来求解最小二乘拟合。
In numerical linear algebra, QR decomposition (often via Householder reflections) provides a stable way to compute \(x\) in \(Ax \approx b\) when \(A\) is tall and ill-conditioned.
在数值线性代数中,QR 分解(常通过 Householder 反射实现)能在 \(A\) 为高矩阵且病态时,稳定地计算 \(Ax \approx b\) 的解 \(x\)。
“QR” 来自分解后两部分矩阵的常用记号:Q 表示 orthogonal/unitary(正交/酉)矩阵,R 表示 upper triangular(上三角)矩阵(历史上字母选择与记号习惯有关)。decomposition 源自拉丁语词根,意为“分开、分解”,在数学中引申为“把对象拆成结构更简单的乘积或部分”。