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.
4.5 Überbestimmte Gleichungssysteme, Gauß’sche Ausgleichrechnung<br />
Dies ergibt <strong>die</strong> vier Gleichungen:<br />
a 0 − 1 4 a 1 + 1<br />
16 a 2 = 0<br />
a 0 + 1 2 a 1 + 1 4 a 2 = 1<br />
a 0 + 2a 1 + 4a 2 = 0<br />
a 0 + 5 2 a 1 + 25 4 a 2 = 1<br />
Wir versuchen, das l<strong>in</strong>eare Gleichungssystem mit Gauß-Elim<strong>in</strong>ation zu lösen:<br />
⎛<br />
⎞<br />
1 − 1 1<br />
4 16<br />
0<br />
1 1<br />
⎜1 2 4<br />
1⎟<br />
⎝1 2 4 0⎠<br />
5 25<br />
1<br />
2 4<br />
1<br />
→<br />
⎛<br />
⎞<br />
1 − 1 1<br />
4 16<br />
0<br />
⎜0 3 3 4⎟<br />
⎝<br />
63<br />
0 9 ⎠<br />
16<br />
0<br />
99<br />
0 11<br />
4<br />
4<br />
→<br />
⎛<br />
⎞<br />
1 − 1 1<br />
4 16<br />
0<br />
⎜0 3 3 4⎟<br />
⎝0 0 − 81 ⎠<br />
16<br />
−12 .<br />
319<br />
0 0<br />
16<br />
4<br />
D.h., es müsste gelten a 2 = 64/27 ≈ 2.37 sowie a 2 = 64/319 ≈ 0.2.<br />
In Anbetracht von Satz 3.6 ist <strong>die</strong>ses Ergebnis für <strong>die</strong> Lagrange-Interpolation zu erwarten.<br />
Bei allgeme<strong>in</strong>en überbestimmten Gleichungssystemen muss daher <strong>die</strong> Zielstellung geändert<br />
werden: gesucht wird nicht <strong>die</strong> Lösung des Gleichungssystems, sondern e<strong>in</strong> Vektor<br />
x ∈ R m , welcher <strong>in</strong> gewissem S<strong>in</strong>ne <strong>die</strong> beste Approximation ist. Entsprechend der Bestapproximation<br />
von Funktionen aus Abschnitt 3.6.1 def<strong>in</strong>ieren wir:<br />
Def<strong>in</strong>ition 4.65 (Methode der kle<strong>in</strong>sten Fehlerquadrate, Least-Squares). Es sei Ax = b<br />
mit A ∈ R n×m und b ∈ R n . Dann ist <strong>die</strong> Least-Squares Lösung x ∈ R m als <strong>die</strong> Näherung<br />
bestimmt, deren Defekt <strong>die</strong> kle<strong>in</strong>ste euklidische Norm annimmt:<br />
‖b − Ax‖ 2 = m<strong>in</strong><br />
y∈R m ‖b − Ay‖ 2 (4.9)<br />
Der wesentliche Unterschied zwischen <strong>die</strong>ser Aufgabenstellung und Satz 3.79 zur Gauß-<br />
Approximation ist <strong>die</strong> Wahl der Norm: hier betrachten wir <strong>die</strong> euklidische Vektor-Norm,<br />
bei der Gauß-Approximation von Funktionen <strong>die</strong> L 2 -Norm. Beiden Normen ist geme<strong>in</strong>,<br />
dass sie durch e<strong>in</strong> Skalarprodukt gegeben s<strong>in</strong>d. Es gilt:<br />
Satz 4.66 (Kle<strong>in</strong>ste Fehlerquadrate). Angenommen, für <strong>die</strong> Matrix A ∈ R n×m mit n > m<br />
gilt m = rang(A). Dann ist <strong>die</strong> Matrix A T A ∈ R m×m positiv def<strong>in</strong>it und <strong>die</strong> Least-Squares-<br />
Lösung x ∈ R m ist e<strong>in</strong>deutig bestimmt als Lösung des Normalgleichungssystems:<br />
A T Ax = A T b.<br />
Beweis: (i) Es gilt rang(A) = m. D.h. Ax = 0 gilt nur dann, wenn x = 0. Hieraus folgt<br />
<strong>die</strong> positive Def<strong>in</strong>itheit der Matrix A T A:<br />
(A T Ax, x) 2 = (Ax, Ax) 2 = ‖Ax‖ 2 2 > 0 ∀x ≠ 0,<br />
und das Gleichungssystem A T Ax = A T b ist für jede rechte Seite b ∈ R n e<strong>in</strong>deutig lösbar.<br />
159