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”。