Julia中如何实现薄QR分解 获取同维度Q矩阵与列空间正交基

LinearAlgebra是Julia做线性代数计算的官方标准库，其内置qr函数默认返回的分解结果中，Q字段为懒加载的正交算子，直接调用Matrix(Q)会生成行数与输入矩阵一致的完整方阵Q。要获取与输入矩阵维度匹配的薄版本Q（即原矩阵列空间的标准正交基），直接对Q字段按原矩阵列数切片即可，无需生成完整方阵。

实现示例 #

using LinearAlgebra

# 构造测试用3×2矩阵
A = randn(3, 2)
# 执行QR分解
fac = qr(A)

# 取薄版本Q：维度3×2，列是A列空间的标准正交基
Q_thin = fac.Q[:, 1:size(A, 2)]
# 取对应薄版本R：维度2×2
R_thin = fac.R[1:size(A, 2), :]

验证与说明 #

• 维度校验：size(Q_thin)会返回(3, 2)，和输入矩阵A维度一致
• 正交性校验：Q_thin' * Q_thin ≈ I，满足标准正交基要求
• 空间一致性校验：Q_thin * R_thin ≈ A，Q_thin的列空间完全覆盖A的列空间
• 性能提示：不要使用Matrix(fac.Q)[:, 1:size(A,2)]的写法，该写法会先生成完整的3×3方阵Q再切片，浪费计算资源；直接对fac.Q懒算子切片时，底层只会计算需要的前2列正交基，效率更高。

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