QR算法：一种用于计算矩阵特征值（以及相关特征向量）的经典数值方法。它通过反复对矩阵做 QR分解（将矩阵分解为正交矩阵 \(Q\) 与上三角矩阵 \(R\) 的乘积），并进行相似变换迭代，使矩阵逐渐趋于（准）上三角形式，从而读出特征值。除特征值问题外，它也与数值线性代数中的稳定计算密切相关。（该术语在不同语境下也可能泛指“基于QR分解的一类迭代算法”。）
/ˌkjuː ˈɑːr ˈælɡəˌrɪðəm/
We used the QR algorithm to compute the eigenvalues of the matrix.
我们用QR算法来计算这个矩阵的特征值。
In numerical linear algebra, the shifted QR algorithm is a standard, stable approach for finding eigenvalues efficiently in many practical problems.
在数值线性代数中，带位移的QR算法是一种标准且稳定的方法，能在许多实际问题里高效求特征值。
“QR”来自QR分解（QR decomposition）：把矩阵分解为 \(A = QR\)，其中 \(Q\) 通常表示正交/酉矩阵（orthogonal/unitary），\(R\) 表示上三角矩阵（upper triangular）。QR算法在20世纪60年代由多位研究者发展成熟（常见归功于 Francis 与 Kublanovskaya 等），随后成为计算特征值的核心算法之一。
Select Language