QR Ayrıştırması Nedir?
QR ayrıştırması (QR dekompozisyonu olarak da bilinir), lineer cebirin temel tekniklerinden biridir ve bir A matrisini iki matrisin çarpımı olarak ifade eder: \(\mathbf{A} = \mathbf{Q}\,\mathbf{R}\). Burada Q ortogonal bir matristir (sütunları birbirine dik birim vektörlerden oluşur, yani \(\mathbf{Q}^{\mathsf{T}}\mathbf{Q} = \mathbf{I}\)) ve R üst üçgensel bir matristir. Bu ayrıştırma dünya genelinde sayısal hesaplamalarda kullanılır ve ülkeden ya da gösterim biçiminden bağımsız olarak her reel matrise uygulanabilir.
$$\mathbf{A} = \mathbf{Q}\,\mathbf{R}, \quad \mathbf{Q}^{\mathsf{T}}\mathbf{Q} = \mathbf{I},\ \ \mathbf{R}\ \text{upper triangular}$$
QR ayrıştırması; lineer denklem sistemlerini çözmek, en küçük kareler regresyon uyumlarını hesaplamak ve QR algoritması aracılığıyla özdeğerleri bulmak için yaygın olarak kullanılır. Bir matrisin doğrudan tersini almaya kıyasla sayısal olarak daha kararlıdır; bu nedenle birçok bilimsel ve mühendislik yazılımında karşımıza çıkar.
Bu Hesaplayıcı Nasıl Kullanılır?
Matrisinizi girmek oldukça basittir:
- Bir satırdaki değerleri virgül ile ayırın.
- Her satırı dik çizgi ( | ) simgesiyle ayırın.
- Örneğin, satırları (1, 2) ve (3, 4) olan matris
1,2|3,4şeklinde yazılır.
Gönderdiğinizde hesaplayıcı, ortogonal Q matrisi ile üst üçgensel R matrisini döndürür; böylece bunları çarptığınızda orijinal matrisinizi yeniden elde ettiğinizi doğrulayabilirsiniz.
Formülün Açıklaması
En yaygın yöntem Gram–Schmidt sürecidir. A matrisinin a₁, a₂, … sütunları verildiğinde, algoritma ortonormal bir vektör kümesi oluşturur:
- İlk sütunu alın ve normalize ederek q₁'i elde edin.
- Sonraki her sütun için, daha önce hesaplanmış q vektörleri üzerindeki izdüşümlerini çıkarın ve ardından kalanı normalize edin.
- R matrisinin elemanları \(r_{ij} = q_i \cdot a_j\) nokta çarpımlarıdır. Önceki q vektörleri sonraki sütunlara bağlı olmadığından R üst üçgenseldir.
Çözümlü Örnek
A = 1,1|0,1|1,0 matrisini (3×2'lik bir matris) ele alalım. İlk sütunu normalize ettiğimizde \(q_1 = (0.707, 0, 0.707)\) elde edilir. İkinci sütundan izdüşümünü çıkarıp normalize ettiğimizde \(q_2\) bulunur. Sonuç, sütunları birim uzunlukta ve birbirine dik olan ortogonal bir Q matrisidir; R matrisi ise izdüşüm katsayılarını içerir. \(\mathbf{Q} \times \mathbf{R}\) çarpımı orijinal A matrisini geri verir ve böylece ayrıştırma doğrulanmış olur.
Sıkça Sorulan Sorular
Matrisin kare olması gerekir mi? Hayır. QR ayrıştırması, \(m \geq n\) koşulunu sağlayan herhangi bir m×n matris için çalışır; bu da onu, bilinmeyenden daha fazla denklem içeren en küçük kareler problemleri için son derece kullanışlı kılar.
QR ayrıştırması tek midir? R matrisinin köşegen elemanlarının işaretleri dışında tektir. Geleneksel olarak, tek bir sonucu sabitlemek için R'nin köşegeni pozitif yapılır.
Neden matrisin tersini almak yerine QR kullanılır? QR sayısal olarak daha kararlıdır ve matris tersini doğrudan hesaplamaktan kaynaklanan yuvarlama hatalarını önler; bu da sonuçlarınızı daha güvenilir kılar.
