Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Lineare Algebra - SAM - ETH Zürich
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Lineare</strong> <strong>Algebra</strong> (2007)<br />
Kapitel 7 — Kleinste Quadrate, QR<br />
In der Praxis kann das Lösen der Normalgleichungen für grosse<br />
Matrizen ungenau sein, da mit grossen Rundungsfehlern behaftet,<br />
falls die Kolonnen von A nahezu linear abhängig sind. Es gibt jedoch<br />
mehrere Alternativen für die Bestimmung von x. Eine haben<br />
wir bereis zur Hand: die Anwendung des Gram-Schmidt-Verfahrens.<br />
Geometrisch sollte klar sein, dass folgendes gilt:<br />
Lemma 7.8 Unter den Voraussetzungen von Satz 7.7 kann man<br />
die Kleinste-Quadrate-Lösung x bestimmen, indem man die Kolonnen<br />
a 1 , . . . , a n von A und den Vektor a n+1 :≡ y dem Schmidtschen<br />
Orthogonalisierungsprozess (6.28) unterwirft und so das Lot<br />
˜q n+1 :≡ y − Ax = r ⊥ R(A) , (7.27)<br />
von y auf R(A) = span {a 1 , . . . , a n } bestimmt. Das Gleichungssystem<br />
Ax = y − ˜q n+1 ist dann exakt nach x auflösbar.<br />
Wir werden dieses Vorgehen im Abschnitt 7.3 weiterverfolgen und<br />
neu interpretieren. Statt Ax = y − ˜q n+1 zu lösen, werden wir dort<br />
x auf elegantere und numerisch genauere Art bestimmen.<br />
Beispiel 7.3: Wir wollen die Beispiele 7.1 und 7.2 fortsetzen, aber im<br />
Moment nur das Residuum r = y − Ax der Kleinste-Quadrate-Lösung<br />
x bestimmen. In Beispiel 7.1 haben wir bereits die Kolonnen von A<br />
aus (7.7) orthonormalisiert und in (7.13) Q = ( )<br />
q 1 q 2 erhalten. Nun<br />
ist das Lot von y auf span {a 1 , a 2 } = span {q 1 , q 2 } zu fällen: Es wird<br />
〈q 1 , y〉 = 27/5 = 5.4, 〈q 2 , y〉 = −51/5 = −10.2, und damit<br />
wie in (7.26).<br />
r = ˜q 3 = y − q 1 〈q 1 , y〉 − q 2 〈q 2 , y〉<br />
⎛ ⎞ ⎛ ⎞ ⎛<br />
3<br />
4<br />
= ⎜ 6<br />
⎟<br />
⎝ −3 ⎠ − 27<br />
⎜ 2<br />
⎟<br />
25 ⎝ 2 ⎠ + 51<br />
⎜<br />
25 ⎝<br />
9<br />
1<br />
1<br />
−2<br />
2<br />
44<br />
⎞<br />
⎛<br />
⎟<br />
⎠ = ⎜<br />
⎝<br />
0.72<br />
−0.24<br />
−1.08<br />
−0.24<br />
Überbestimmte lineare Gleichungssysteme treten zum Beispiel auf,<br />
wenn man Parameter eines linearen Modells (Systems) durch eine<br />
Messreihe bestimmt. Gewöhnlich wird man viel mehr Messungen<br />
machen als es Parameter gibt und dann die Parameter als<br />
Lösung im Sinne der kleinsten Quadrate bestimmen (Ausgleichsrechnung,<br />
lineare Regression).<br />
⎞<br />
⎟<br />
⎠<br />
<br />
<br />
Beispiel 7.4:<br />
Vakuum gilt<br />
wobei<br />
Für den vertikalen freien Fall eines Massenpunktes im<br />
y(t) = x 1 t + x 2 t 2 ,<br />
t: Zeit,<br />
y(t): zurückgelegter Weg,<br />
x 1 : Anfangsgeschwindigkeit,<br />
x 2 : halbe Erdbeschleunigung.<br />
c○M.H. Gutknecht 30. September 2007 LA-Skript 7-7