Décomposition QR

Principe

La décomposition QR d'une matrice A est une décomposition de la forme

A = QR

où Q est une matrice orthogonale (ou unitaire), et R une matrice

triangulaire supérieure.

- Q est dite orthogonale si QQT  I ou Q 1  Q T ( dans ce cas

Q  M (R) )
- Q est dite unitaire si Q 1  Q   Q T ( dans ce cas Q  M (C ) ) Q  est
la matrice adjointe.
 i  1   i  1   i 2i 
Exemple : si Q    Q    et Q T   
  2i 1   2i 1   1 1 

Remarque : Toute matrice A admet une décomposition QR ( même si A

n’est pas une matrice carrée ).Si A n’est pas inversible la décomposition
existe mais n’est pas unique
   
En effet, les systèmes linéaires Ax  b peuvent alors s’écrire : QRx  b ou
   
Q 1QRx  Q 1b ou encore Rx  Q T b .Ceci permettra une résolution rapide
du système sans avoir à calculer la matrice inverse

Il existe quelques méthodes pour réaliser cette décomposition :

 la méthode de Gram-Schmidt

 la méthode de Householder où Q est obtenue par produits successifs

de matrices orthogonales élémentaires.
Méthode QR de Gram Schmidt
1. Procédé de Gram-Schmidt
Soient u et v deux vecteurs de R n . On rappelle que la projection
  
orthogonale proju (v ) du vecteur v sur la droite vectorielle engendrée par u
peut s’écrire de de la manière suivante :

 v .u 
proj u (v )    u
u .u
  
Où u .v désigne le produit scalaire des vecteurs u et v .On note . la norme
euclidienne de R n .
  
Soient w1 , w2 ,...wn  une base de R n .On rappelle qu’à partir de cette base on
  
peut obtenir une base orthogonale v1 , v 2 ,...v n  et une base
  
orthonormale u1 , u 2 ,...u n  par le procédé de Gram-schmidt qu’on rappelle :


   v
v1  w1 u1  1
v1
  
    w2 .v1   v
v 2  w2  proj v1 ( w2 )  w2    v1 u 2  2
v1 .v v2
    
     w3 .v1  w3 .v 2   v
v 3  w3  proj v1 ( w3 )  proj v2 ( w3 )  w3    v1    v 2 u 3  3
v1 .v1 v 2 .v 2 v3
  
  k 1
  k 1 w .v   v
v k  wk   proj v j ( w k )  wk    k  j v j u k  k ( )
j 1 j 1 v j .v j vk

2. Décomposition QR

Soient A la matrice carrée de taille n dont les colonnes sont les vecteurs
w j et Q la matrice carrée de taille n dont les colonnes sont les vecteurs
u j définis par le procédé de Gram-schmidt (*) ce qu’on note :
     
 w1 .u1 w2 .u1  wn .u1 
        
          0 w2 .u 2  wn .u 2 
A   w1 w2 ... wn    u1 u 2 ... u n  
   
 0   
  
 0  wn .u n 
 1 1 0
 
Exemple Soit A   1 0 1  Décomposer A sous la forme A=QR par la
0 1 1
 
méthode de Gram-schmidt.

Le procédé de Gram-schmidt donne :

1 1  0
        
w1   1  w2   0  w3   1 
0 1 1
     

1
   
v1  w1   1 
0
 
 1 
 
  2 
 v1  1 
u1   
v1  2 
 0 
 
 

  
    w 2 .v1   v2
v 2  w 2  proj v ( w 2 )  w 2    v1 u2  
1
v1 .v1 v2

1 1  6 
    1   
 0 . 1   
1     1  2   6 
  1 0   1 3 6  6
v 2  w 2  proj v ( w 2 )   0        1     
    
v2   u2   
1

 1   1   1   0   2  2 2  6 
     1   6 
 1 . 1   
0 0    3 
   
     
     w 3 .v1  w 3 .v 2   v3
v 3  w 3  proj v ( w 3 )  proj v ( w 3 )  w 3    v1    v 2 u3  
1 2
v1 .v1 v 2 .v 2 v3

 1
 
 0  2 
  1
 0  1
    1 .  
 1  2  1 
 1 . 1    1
 0     1
   1  0      12 
v3   1      
1 
 1   1   1   0   1   1   2 
  1 . 1    1
    2 2  
 0  0   1 .  1   
    2 2
 1 1 
  
  

Méthode de Householder

Def : Soit u  R n . On appelle matrice de Householder, la matrice H u de
taille n donnée par

uTu 
H u  I n  2  2 si u est non nul
u
 
Et H u  I si u est le vecteur nul. Avec u T la transposée de u et
2   
u  u T u la norme u

On remarque que H u est une matrice de réflexion par rapport au vecteur


u et en particulier une matrice orthogonale. On a alors la proposition qui
suit :
 
Proposition : Pour tout vecteur v de R n , il existe u de R n tel que
 
H u v  v e1 où

e1  (1 00) T  R n
      
En effet, il suffit de prendre u  0 si v est colinéaire à e1 et u  v  v e1
sinon.
L’idée de la méthode de Householder est de multiplier A par des matrices
de Householder pour faire apparaître une matrice triangulaire supérieure
 
.Soit v1 est le premier vecteur colonne de A et u1 le vecteur de
Householder associé de la proposition précédente. En notant H 1  H u , on
1

a

 v1 * *
A2   H 1 A   
 0 R n 1 B 
Où B est une matrice de Taille n-1.On répète alors l’opération précédente
 
sur la matrice B. Soit v 2  R n 1 le premier vecteur colonne de B et u 2 le
vecteur de Householder associé . On calcule H u et on pose 2

1 0 
H2   
 0 H u 
 2 

Et on a


 v1 * *
  
A3   H 2 A  2   H 2 H1 A   0 v2 *
 
 0 0 Rn2 C
Où C est une matrice de taille n  2 .On itère l’opération jusqu’à obtenir
une matrice triangulaire supérieure A  n  donnée par
H n1  H 1 A  A n 
 I k 1 0 
Avec H k de la forme H k    . La décomposition QR de A est
 0 H u 
 k 

alors donnée par Q  H 1  H n 1 et R  A  n  .

 0  20  14 
 
Exemple Soit A   3 27  4  Décomposer A en QR en utilisant la
 4 11  2 

 14 
    
méthode de Householder et résoudre le système Ax  b où b   1 
  2
 

Solution
 0
      
v1   3  le premier vecteur de A et u1  v1  v1 e1
 4
 

 0   1    5
       
v1  9  16  25  5 u1   3   5 0    3 
 4  0  4 
     

  2
u1  25  9  16  50 de là u1  50

La première matrice de Householder vaut :

  5
 5 3 4
 
 3 
1 0 0  4 
   
H 1  H u  0 1 0  2
1
0 0 1 50
 

1 0 0  25 15  20   0 15 20 
  1  1  
H 1  H u   0 1 0     15 9 12  =   15 14  12 
 0 0 1  25   20 12 16  25  20  12 9 
1

     

 0 15 20  0  20  14 
1   
A 2   H1 A   15 16  12  3 27  4 
25  
 20  12 9  4 11  2 

125 625  100   5 25  4 

1    
  0 0  250    0 0  10 
25    
 0  625  250   0  25  10 

 0  10 
On Pose B    la sous matrice de taille 2.
  25  10 
 
On répète alors l’opération précédente sur la matrice B . Soit v 2  R 2 le

premier vecteur colonne de B et u 2 le vecteur de Householder associé .
On calcule H u 2
 
u 2 u 2T
H u  I2  2  2
2
u2
      0   1
u 2  v 2  v 2 e2 où v 2    et e2   
  25  0
  0   1    25 
u 2     25    
  25   0    25 
  25 
  25  25
1 0  25
H u     2  
2
0 1 1250
 1 0  1  625 625 
     
 0 1  625  625 625 
 1 0   1 1
     
 0 1   1 1
 0  1
  
 1 0 

On pose :

1 0 0 
 
H 2   0 0  1
0 1 0 
 

 1 0 0  5 25  4 
  
A 3  H 2 . A 2   H 2 .H 1 . A   0 0  1 0 0  10 
 0  1 0  0  25  10 
  

 5 25  4 
 
  0 25 10 
 0 0 10 
 

3
On pose A  R  H 2 H1 A delà A  H11 H 21 R
 H1 et H 2 sont des matrices de Householder donc elles sont symétriques et
1 1 T T
orthogonales donc on a : A  H1 H 2 R  H1 H 2 R  H1 H 2 R Il vient donc
 0  20  15  1 0 0 
1   
Q  H1 H 2   15 16  12  0 0  1
25 
 20  12 9  0  1 0 
 4 3 
0   
 0  20  15   5 5 
1    3 12 16 
  15 12  16   
25  
  5 25 25 
 20  9 12  4 9 12 
  
5 25 25 

 4 3
0   
 5 5 
3 12 16 
Q 
5 25 25 
4 9 12 
  
5 25 25 

 
Application de Ax  b

 3 4 
 0 
 5 25  4  x1   5 5  14 
     4 12 9  
Rx  Q T b   0 25 10  x2       1 
 0 0 10  x   5 25 25  
  3  3 16 12   2 
  
 5 25 25 

On trouve :

 5 x1  25 x2  4 x3  1 1

.  25 x2  10 x3  10 2
 10 x3  10 3


De 3 on a : x3  1 , dans 2  x 2  0 et dans 1 x1  1


La solution est donc : x   1 0  1
T