Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
4.4 Orthogonalisierungsverfahren und <strong>die</strong> QR-Zerlegung<br />
n−i Spaltenvektoren ist e<strong>in</strong> Skalarprodukt (ṽ (i) , ã (i) ) (das s<strong>in</strong>d n−i arithmetische Operationen)<br />
sowie e<strong>in</strong>e Vektoraddition (weitere n − i Operationen) durchzuführen. Insgesamt<br />
ergibt sich so e<strong>in</strong> Aufwand:<br />
n−1 ∑<br />
N QR = 2 (n − i) + (n − i) 2 = n(n − 1) +<br />
i=1<br />
n(n − 1)(2n − 1)<br />
3<br />
= 2n3<br />
3 + O(n2 ).<br />
□<br />
Bemerkung 4.59 (QR-Zerlegung mit Householder-Transformationen). Die Householder-<br />
Matrizen ˜S (i) = I − 2ṽ (i) (ṽ (i) ) T werden nicht explizit aufgestellt. Auch kann das Produkt<br />
Q := (S (1) ) T · · · (S (n−1) ) T ,<br />
aus Effizienzgründen nicht explizit berechnet werden. Die Matrix Q steht nur implizit zur<br />
Verfügung durch Speichern der Vektoren ṽ (i) . Mit implizit me<strong>in</strong>t man, dass etwa zur Berechnung<br />
des Produktes ˜b := Q T b (ist notwendig zum Lösen der Gleichungssysteme) <strong>die</strong><br />
Householder-Transformationen erneut Schritt für Schritt angewendet werden müssen:<br />
˜b = Q T b = S (n−1) · · · S (1) b.<br />
Jedes Produkt wird mittels der Vorschrift (4.7) berechnet, ohne dass <strong>die</strong> Matrizen S (i)<br />
explizit aufgestellt werden:<br />
b (i+1) = b (i) − 2(v (i) , b (i) )v (i) .<br />
Neben der oberen Dreiecksmatrix R müssen <strong>die</strong> Vektoren ṽ (i) ∈ R n−i gespeichert werden.<br />
Im Gegensatz zur LR-Zerlegung kann <strong>die</strong>s nicht alle<strong>in</strong>e im Speicherplatz der Matrix A<br />
geschehen, da sowohl R als auch <strong>die</strong> ṽ (i) <strong>die</strong> Diagonale besetzen. Bei der praktischen<br />
Realisierung muss e<strong>in</strong> weiterer Diagonalvektor vorgehalten werden.<br />
Abschließend berechnen wir <strong>die</strong> QR-Zerlegung zu Beispiel 4.54 mit Hilfe der Householder-<br />
Transformationen:<br />
Beispiel 4.60 (QR-Zerlegung mit Householder-Transformationen). Wir betrachten wieder<br />
<strong>die</strong> Matrix:<br />
⎛<br />
⎞<br />
1 1 1<br />
⎜<br />
⎟<br />
A := ⎝0.01 0 0.01⎠ ,<br />
0 0.01 0.01<br />
und führen alle Rechnungen mit dreistelliger Genauigkeit durch. Wir wählen mit a 1 =<br />
(1, 0.01, 0) T und ‖a 1 ‖ ≈ 1 den ersten Vektor zur Spiegelung als:<br />
⎛ ⎞<br />
v (1) = a 1<br />
1 + ‖a 1 ‖e 1<br />
‖a 1 + ‖a 1 ‖e 1 ‖ ≈ ⎜ ⎟<br />
⎝0.005⎠ .<br />
0<br />
153