numpy.linalg.qr中'reduced'模式的数学含义是什么？

数学含义 #

先明确：假设待分解的矩阵A是m行n列的（记为A ∈ ℝ^(m×n)）：

• 当m ≥ n（行数≥列数）时：
  • reduced模式下，得到的Q是m×n的正交矩阵（列向量两两正交且模长为1），R是n×n的上三角矩阵，完全满足原矩阵分解关系 A = Q @ R。
  • 对比你熟悉的complete模式：complete模式的Q是m×m的正交矩阵，R是m×n的上三角矩阵（下半部分全是0），虽然也满足A = Q @ R，但reduced模式只保留了Q中对重构A有用的前n列，同时砍掉了R里冗余的零元素行，是更紧凑的分解形式。
• 当m < n（行数<列数）时：
  • reduced模式和complete模式的结果完全一致：Q是m×m的正交矩阵，R是m×n的上三角矩阵，因为此时没法把Q扩展到n×n的正交矩阵，自然不存在冗余部分。

核心作用 #

• 高效省资源：当m远大于n时，reduced模式避免了存储和计算complete模式里那些对重构A毫无用处的Q的后(m-n)列，以及R里全零的后(m-n)行，大幅节省内存和计算时间。
• 适配多数场景：像线性方程组求解、最小二乘拟合、特征值估计这类常见任务，只需要reduced形式的QR分解就足够完成计算，完全没必要用更冗余的complete模式，这也是它成为默认模式的原因。

补充：numpy文档里对reduced模式的描述确实比较简洁，但本质就是“保留分解的最小必要部分”，核心逻辑就是用最紧凑的形式满足分解需求。

内容的提问来源于stack exchange，提问作者SineOfTheTimes