21.06.2014 Aufrufe

Lineare Algebra - SAM - ETH Zürich

Lineare Algebra - SAM - ETH Zürich

Lineare Algebra - SAM - ETH Zürich

MEHR ANZEIGEN
WENIGER ANZEIGEN

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

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!