矩陣分解
豪斯霍爾德反射
Householder 反射就是一面鏡子。取一個定義超平面(即與 v 垂直的平面)的單位向量 v,變換 H = I - 2 v v^T 就把每個向量關於該超平面作鏡像反射。從幾何上看,它是除恆等映射之外最乾淨的正交映射:把沿 v 的分量翻轉,而讓平面內的一切原封不動。
它在分解中的威力在於:你可以挑選這面鏡子去恰好完成一件有用的事——取給定的行向量 x,把它反射到某個座標軸上,使結果成為 (± ||x||, 0, 0, ..., 0)。一次選得好的反射就能一舉把某行中主元下方的所有元素置零。施加 n-1 次(每行一次),就把 A 化為上三角形式,這正是 QR 分解中的 R。
由於 H 既對稱又正交(H = H^T,H H = I,故 H = H^-1),它保持所有長度和角度,施加它不會放大捨入誤差。這正是 Householder QR 後向穩定的原因,與 Gram-Schmidt 形成鮮明對比。你從不構造完整的 H 矩陣;只存 v,並用 H x = x - 2 v (v^T x) 來作用,每行代價約為 n 的量級。
一個需要小心的細節:為避免當 x 已幾乎指向目標軸時發生災難性抵消,應選擇把 x 映到 -sign(x1) ||x|| e1 的反射,即送往遠端軸向而非近端。正是這一符號選擇使演算法穩健。
H = I - 2 v v^T, ||v|| = 1, H x = x - 2 v (v^T x)
只需存 v;作用反射器時從不構造整個矩陣,每行代價約為 n 的量級。
Householder 反射也用於把矩陣化為三對角或 Hessenberg 形式,這是特徵值迭代前的標準預處理步驟。
又稱
另見