Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />
Kapitel 7 — Kleinste Quadrate, QR<br />
Eine Orthogonalprojektion hat die Eigenschaft, dass für Punkte y,<br />
die nicht in der “Projektionsebene” liegen, für die also y /∈ im P<br />
gilt, das Bild Py der am nächsten bei y liegende Punkt des Unterraumes<br />
im P ist. Dies ergibt sich sofort aus dem Satz von Pythagoras<br />
(Satz 2.13). Die Orthogonalprojektion liefert damit die Lösung<br />
eines linearen Approximationsproblems in der 2–Norm:<br />
Satz 7.6 Für eine Orthogonalprojektion P gilt:<br />
‖y − Py‖ 2 = min<br />
z∈im P ‖y − z‖ 2 . (7.15)<br />
Analoges gilt in einem beliebigen Vektorraum mit Skalarprodukt<br />
für die durch das Skalarprodukt definierte Norm (6.7) aufgrund des<br />
allgemeinen Satzes von Pythagoras (Satz 6.2).<br />
7.2 Die Methode der kleinsten Quadrate<br />
Wir betrachten nun das überbestimmte lineare Gleichungssystem<br />
[overdetermined linear system]<br />
Ax = y (7.16)<br />
mit einer “hohen” m × n–Matrix (m > n). Es hat im allgemeinen<br />
ja keine Lösung. Wir wissen, dass genau dann eine existiert, wenn<br />
y ∈ R(A), aber das wird hier nicht vorausgesetzt. Weil man die<br />
Gleichungen (7.16) nur bis auf einen Fehler lösen kann, nennt man<br />
sie Fehlergleichungen.<br />
Wenn es keine exakte Lösung gibt, ist es naheliegend, x ∈ E n so<br />
zu wählen, dass der Residuenvektor [residual vector] (kurz: das<br />
Residuum [residual])<br />
r :≡ y − Ax (7.17)<br />
minimale Euklidische Norm (2–Norm, “Länge”) hat, d.h., dass die<br />
Quadratsumme<br />
‖r‖ 2 =<br />
m∑<br />
rk 2 falls r ∈ R m (7.18)<br />
k=1<br />
bzw.<br />
‖r‖ 2 =<br />
m∑<br />
|r k | 2 falls r ∈ C m (7.19)<br />
k=1<br />
minimal wird. Die entsprechende Lösung x heisst die Lösung im<br />
Sinne der kleinsten Quadrate [least squares solution] des überbestimmten<br />
Systems Ax = y.<br />
Wir nehmen an, dass die Kolonnen von A linear unabhängig sind,<br />
also ker A = {o} gilt und A H A nach Lemma 7.3 regulär ist. Auf<br />
Grund von Satz 7.6 wissen wir, dass ‖r‖ minimal ist, wenn gilt<br />
Ax = P A y, d.h. Ax = A(A H A) −1 A H y .<br />
c○M.H. Gutknecht 30. September 2007 LA-Skript 7-5