Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.4 Orthogonalisierungsverfahren und <strong>die</strong> QR-Zerlegung<br />
Auf den ersten Blick sieht à nach e<strong>in</strong>er brauchbaren Näherung für A aus. Der relative<br />
Fehler ‖ ˜Q ˜R − A‖ 2 /‖A‖ 2 ≈ 0.004 ist (beachte dreistellige Arithmetik) nicht sonderlich<br />
groß. Ã ist jedoch nicht e<strong>in</strong>mal regulär! Dieser wesentliche Fehler liegt an der Instabilität<br />
des Gram-Schmidt-Verfahrens. Für das berechnete ˜Q gilt:<br />
⎛<br />
⎞<br />
I = ! ˜Q<br />
1 −0.00707 0<br />
T ⎜<br />
⎟<br />
˜Q ≈ ⎝−0.00707 1 0.707⎠ ,<br />
0 0.707 1<br />
mit e<strong>in</strong>em relativen Fehler ‖ ˜Q T ˜Q − I‖2 ≈ 0.7!<br />
Die QR-Zerlegung hat pr<strong>in</strong>zipiell bessere Stabilitätseigenschaften als <strong>die</strong> LR-Zerlegung.<br />
Das Gram-Schmidt-Verfahren eignet sich jedoch nicht, um <strong>die</strong> orthogonale Matrix Q zu<br />
erstellen. Im Folgenden entwickeln wir e<strong>in</strong>e Transformationsmethode zum Erstellen der<br />
QR-Zerlegung welche selbst auf orthogonalen, und somit optimal konditionierten, Transformationen<br />
aufbaut.<br />
4.4.2 Householder-Transformationen<br />
Das geometrische Pr<strong>in</strong>zip h<strong>in</strong>ter dem Gram-Schmidt Verfahren ist <strong>die</strong> Projektion der Vektoren<br />
a i auf <strong>die</strong> bereits erstellte Orthogonalbasis q 1 , . . . , q i−1 . Diese Projektion ist schlecht<br />
konditioniert, falls a i fast parallel zu den q j mit j < i, etwa a i ≈ q j ist. Dann droht Auslöschung.<br />
Wir können e<strong>in</strong>en Schritt des Gram-Schmidt Verfahrens kompakt mit Hilfe e<strong>in</strong>es<br />
Matrix-Vektor Produktes schreiben (komponentenweise nachrechnen!)<br />
i−1<br />
˜q i = [I − G (i) ]a i , G (i) ∑<br />
= q l ql T ,<br />
mit dem dyadischen Produkt zweier Vektoren vv T ∈ R n×n . Die Matrix [I − G i ] stellt e<strong>in</strong>e<br />
Projektion dar:<br />
Weiter gilt:<br />
[I − G i ] 2 ∑i−1<br />
= I − 2 q l ql T +<br />
l=1<br />
i−1 ∑<br />
k,l=1<br />
i−1<br />
l=1<br />
q l q T l q k<br />
} {{ }<br />
=δ lk<br />
q T k = [I − G i ].<br />
[I − G i ∑<br />
]q k = q k − q l ql T q k = 0.<br />
} {{ }<br />
l=1<br />
=δ lk<br />
Die Matrix I − G i ist also nicht regulär. Falls <strong>in</strong> Schritt i der Vektor a i fast parallel zu<br />
den bereits orthogonalen Vektoren ist, also ã i ∈ δa i + span{q 1 , . . . , q i−1 }, so gilt<br />
˜q i = [I − G i ]ã i = [I − G i ]δa i ⇒ ‖δq i‖<br />
‖˜q i ‖ =<br />
‖δq i ‖<br />
‖[I − G i ]δa i ‖ ∼ ‖δa i‖<br />
‖a i ‖ . 149