Fsica Computacional I

Transformaciones Ortogonales de Householder

Departamento de Fsica, Escuela Politecnica Nacional, Quito-Ecuador.
Josu
e Le
on

Resumen
La resoluci
on num
erica de sistemas lineales a trav
es de la factorizaci
on de matrices ha logrado un marcado desarrollo desde el primer algoritmo implementado para su resoluci
on: .El Algoritmo de Gauss-Jordan, adem
as de

este surgieron otros como: La factorizaci

on LU, El algoritmo de Doolitle, el M
etodo de Choleski, Factorizaci
on
QR: Rotaciones de Givens y Transformaciones de Householder, todos estos han aportado con la disminuci
on del
costo computacional, adem
as que progresivamente se han obtenido algoritmos m
as estables y considerando las
propiedades de las matrices1 se han logrado obtener problemas mejores condicionados. Los m
etodos antes mencionados conforman los M
etodos directos para las resoluciones de sistemas lineales, adem
as de
estos se cuentan
con los M
etodos Iterativos estacionarios cl
asicos, el presente trabajo tiene como objetivo exponer el m
etodo de
Factorizaci
on QR con Transformaciones de Householder y mostrar la implementaci
on detallada de su algoritmo en
el lenguaje Perl, se ha escogido este tema motivados por el alcance que posee el m
etodo hacia matrices que no son
cuadradas, adem
as por el basto uso de matrices, vectores, normas, operaciones de recurrencia, etc. que implica el
desarrollo de su algoritmo, ya que con esto se logra un buen manejo del lenguaje Perl.

1.

Factorizaci
on QR

Sea A Rnxn , el objetivo del metodo es obtener una factorizacion A = QR, donde Q Rnxn es ortogonal y R Rnxn es triangular superior.
2

De forma similar a la factorizaci

on LU, la factorizacion QR ofrece una resolucion numerica a sistema lineales
A = QR
1

A = Q1 QR

QT A = IR
QA = R
Y con esto se tiene un sistema triangular. La factorizacion QR se puede generalizar facilmente a matrices
que no son cuadradas. Recordemos el primer paso en el algoritmo de Gauss-Jordan, lo que se logra es anular
todos los elementos de la primera columna por debajo del primer elemento, es decir la primera columna se
proyecta en un vector que yace sobre el eje de la primera componente.

2.

Transformaciones ortogonales de Householder

El beneficio de las transformaciones de Householder radica en que podemos generar ceros en las posiciones
2 : n de un vector de tama
no n, pero para esto debemos contar con un vector al cual se realiza la reflexion al
cual llamaremos u, el operador que permite proyectar el vector a3 en su primera componente son las matrices
de Housejolder H, las mismas que tienen la forma:
H = I uuT con =

2
uT u

(1)

para u Rn .
Las matrices de Householder son matrices simetricas y ortogonales.
1 Principalmente las matrices que proporcionan un mejor condicionamiento del problema son las matrices cuadradas, invertibles, ortogonales y sim
etricas.
2 Si una matriz es ortogonal se tiene que: AAT = I
3 Se designar
a como a a la primera columna de la matriz A

Por lo tanto el vector u sobre el cual se realiza la reflexion tendra la forma:

u = (a Ha) = a kak2 e1
Con lo cual
=

(2)

1
kak2 (kak2 + |a1 |)

(3)

En base a esto procederemos a escribir el algoritmo que permitira obtener las matrices ortogonales Q y las
matrices triangulares R.

2.1.

Algoritmo de factorizaci
on QR con reflexiones de Householder

Es f
acil ver que el siguiente algoritmo puede extenderse a matrices rectangulares.
IN: Matriz A Rnxn
OUT Q ortogonal y R Rnxn triangular superior.
Q = In
for k = 1 : n 1 do
a = [akk , ..., akn ]T
u = a + sign(a1 )kak2 e1
=

1
kak2 (kak2 +|a1 |)


Qk =

Ik1
Ink+1 uuT

Ak Ak uuT
Q QQk
end

3.

Implementaci
on algoritmo de factorizaci
on QR

4
Sea A = 7
10

5
8
11

1
6
9 , se genera la matriz Q = In = 0
12
0

0
1
0

Ahora para K = 1 se inicia el contador. Se toma la primera columna de la matriz A.

4
a = 7 , se calcula su norma: kak2 = 12,845
10

16,845
, y se calcula beta: = 16,845
7
Se genera el vector u =
10
Luego se obtienen las matrices de Householder:

0,744 0,309 0,441

Ink+1 uuT = 0,309 0,128 0,183
0,441 0,183 0,262

0
0
1

adem
as de la matriz identidad de orden k 1, que para este caso (k=1) es una matriz de orden cero.
Y con esto obtenemos la matriz Q1 ortogonal para el primer paso, con la primera columan de A.

0,255
Q = 0,309
0,441

0,309
0,871
0,183

0,441
0,183
0,737

De forma similar se realiza para la segunda columna de A:



8
Vector a =
, cuya norma es: kak2 = 13,601
11


21,601
se obtiene el vector u =
y = 0,002
11
Se genera la matriz:


Ink+1 uu =

0,025
0,496

0,496
0,747


, con la matriz de identidad de orden k 1 igual a 1.

Obtenemos la matriz Q2 ortogonal correspondiente al segundo paso:

1
Q= 0
0

0
0,025
0,496

0
0,496
0,747

Ahora se procede al uso del u

ltimo paso del algoritmo de factorizacion: Q QQk , dando como resultado la
siguiente matriz Q.

0,255
Q = 0,309
0,441

0,211 0,434
0,113 0,193
0,370 0,735

De manera similar se procede para el tercer paso, dando como resultado la matriz Q ortogonal final, cuya
transpuesta multiplicada por A proporciona la matriz triangular superior R.

Qf inal

4.

0,255
= 0,309
0,441

0,211
0,144
0,113
0,064 , QTfinal
0,370 0,245

5,557 6,052
0
2,116
yR=
0
0

0,255
= 0,211
0,144

6,547
2,162
1,491

0,309
0,113
0,064

0,441
0,370
0,245

Conclusiones

La implementaci
on del algoritmo de factorizacion QR nos ha conducido a la matriz R triangular superior
a traves de las transformaciones ortogonales de Householder, aqu yace su principal aplicacion y parte de la
facilidad del c
alculo se haya en que las matrices de Householder son matrices ortogonales y simetricas. Se
vi
o que el algoritmo se puede generalizar para matrices rectangulares lo cual convierte a este metodo en uno
m
as atractivo por su mayor alcance puesto que muchos de los otros antes mencionados se restringen al calculo
exclusivo para matrices cuadradas debido a que el problema es bien condicionado bajo estas suposiciones. Se
espera haber cumplido con el objetivo del trabajo y que el lector se haya familiarizado mas con el metodo
aqu expuesto.

5.

Bibliografa
Merino P., Apuntes de clase de An
alisis Numerico I, Escuela Politecnica Nacional.
Quarteroni A., Sacco R., Saleri F., Numerical mathematics, 2002.