Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ... Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
30 Lineare und nichtlineare Gleichungen • Cholesky-Zerlegung: Sei A ∈ R n×n symmetrisch und positiv definit. Wie wir zeigen werden, besitzt A dann eine Cholesky-Zerlegung, es existiert also eine untere Dreiecksmatrix L ∈ R n×n mit positiven Diagonalelementen derart, dass A = LL T .Umgekehrtgiltnatürlich:IstA = LL T mit einer nichtsingulären Matrix L ∈ R n×n ,soistA symmetrisch und positiv definit. Ist eine Cholesky- Zerlegung A = LL T der symmetrischen, positiv definiten Matrix A bekannt, so kann ein lineares Gleichungssystem Ax = b wieder durch Vorwärts- und Rückwärtseinsetzen gelöst werden: Zunächst man y = L T x aus Ly = b durch Vorwärtseinsetzen, danach die gesuchte Lösung x aus L T x = y durch Rückwärtseinsetzen. Jetzt wollen wir kurz auf die Möglichkeiten von Maple und MATLAB zur Berechnung dieser Zerlegungen eingehen. • LU-Zerlegung: Im Package LinearAlgebra von Maple gibt es zur LU-Zerlegung die Funktion LUDecomposition, in MATLAB die Funktion lu. Hilfenzudiesen Funktionen erhält man durch ?LUDecomposition bzw. help lu. Es ist wichtig sich zu informieren, weil der Gebrauch des Begiffes LU-Zerlegung nicht ganz einheitlich ist. In Maple werden z. B. durch (P,L,U)=LinearAlgebra[LUDecomposition](A); eine Permutationsmatrix P ,eineuntereDreiecksmatrixL mit Einsen in der Diagonalen und eine obere Dreiecksmatrix U mit PLU = A berechnet, in MATLAB erhält man durch [L,U,P]=lu(A) eine Zerlegung PA = LU mit Matrizen P, L, U, die die üblichen Eigenschaften haben. Beispiel: Sei A := ⎛ ⎜ ⎝ 0 1 1 −3 −2 3 1 4 0 0 0 1 3 1 0 0 ⎞ ⎟ ⎠ . Zu berechnen sei eine LU-Zerlegung. Zunächst verwenden wir Maple: > with(LinearAlgebra): > A:=Matrix([[0,1,1,-3],[-2,3,1,4],[0,0,0,1],[3,1,0,0]]): > (P,L,U):=LUDecomposition(A); ⎡ ⎤ ⎡ ⎡ ⎤ 1 0 0 0 0 1 0 0 P, L, U := ⎢ 1 0 0 0 ⎥ ⎣ 0 0 0 1 ⎦ , 0 1 0 0 −3 11 ⎢ 1 0 ⎥ ⎣ 2 2 ⎦ , ⎢ ⎣ 0 0 1 0 0 0 0 1 > P:=Transpose(P): −2 3 1 4 0 1 1 −3 0 0 −4 45 2 0 0 0 1 ⎤ ⎥ ⎦
2.1 Lineare Gleichungssysteme 31 > Defect:=P.A-L.U; Und nun noch MATLAB: Defect := ⎡ ⎢ ⎣ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 A=[0,1,1,-3;-2,3,1,4;0,0,0,1;3,1,0,0]; format long; [L,U,P]=lu(A) ergibt ⎛ L = ⎜ ⎝ ferner ⎛ U = und ⎜ ⎝ 1.00000000000000 0 0 0 −0.66666666666667 1.00000000000000 0 0 0 0.27272727272727 1.00000000000000 0 0 0 0 1.00000000000000 3.00000000000000 1.00000000000000 0 0 0 3.66666666666667 1.00000000000000 4.00000000000000 0 0 0.72727272727273 −4.09090909090909 0 0 0 1.00000000000000 P = ⎛ ⎜ ⎝ 0 0 0 1 0 1 0 0 1 0 0 0 0 0 1 0 ehält man durch P*A-L*U die Nullmatrix. An diesem Beispiel erkennt man auch, dass P, L, U keineswegs eindeutig bestimmt sind. ✷ • QR-Zerlegung: Im Package LinearAlgebra von Maple gibt es zur QR-Zerlegung die Funktion QRDecomposition, in MATLAB die Funktion qr. Wiedersollteman sich durch die entsprechenden Fragen über den Gebrauch und die Optionen der Funktionen informieren. Beispiel: Sei ⎛ A := ⎝ 1 −8 2 −1 2 14 Zu berechnen sei eine QR-Zerlegung. Zunächst verwenden wir Maple: > with(LinearAlgebra): > A:=Matrix([[1,-8],[2,-1],[2,14]]): > (Qhat,Rhat):=QRDecomposition(A); ⎤ ⎥ ⎦ ⎞ ⎟ ⎠ . ⎞ ⎠ . ⎞ ⎟ ⎠ , ⎞ ⎟ ⎠
- Seite 1 und 2: Kapitel 2 Lineare und nichtlineare
- Seite 3 und 4: 2.1 Lineare Gleichungssysteme 21 Is
- Seite 5 und 6: 2.1 Lineare Gleichungssysteme 23 Se
- Seite 7 und 8: 2.1 Lineare Gleichungssysteme 25 so
- Seite 9 und 10: 2.1 Lineare Gleichungssysteme 27
- Seite 11: 2.1 Lineare Gleichungssysteme 29 Da
- Seite 15 und 16: 2.1 Lineare Gleichungssysteme 33 Es
- Seite 17 und 18: 2.1 Lineare Gleichungssysteme 35 Da
- Seite 19 und 20: 2.1 Lineare Gleichungssysteme 37 Da
- Seite 21 und 22: 2.1 Lineare Gleichungssysteme 39 un
- Seite 23 und 24: 2.1 Lineare Gleichungssysteme 41 fu
- Seite 25 und 26: 2.1 Lineare Gleichungssysteme 43 Di
- Seite 27 und 28: 2.1 Lineare Gleichungssysteme 45 x(
- Seite 29 und 30: 2.1 Lineare Gleichungssysteme 47 8
- Seite 31 und 32: 2.1 Lineare Gleichungssysteme 49
- Seite 33 und 34: 2.2 Nichtlineare Gleichungen und Gl
- Seite 35 und 36: 2.2 Nichtlineare Gleichungen und Gl
- Seite 37 und 38: 2.2 Nichtlineare Gleichungen und Gl
- Seite 39 und 40: 2.2 Nichtlineare Gleichungen und Gl
- Seite 41 und 42: 2.2 Nichtlineare Gleichungen und Gl
- Seite 43 und 44: 2.2 Nichtlineare Gleichungen und Gl
- Seite 45 und 46: 2.2 Nichtlineare Gleichungen und Gl
- Seite 47 und 48: 2.2 Nichtlineare Gleichungen und Gl
- Seite 49 und 50: 2.2 Nichtlineare Gleichungen und Gl
- Seite 51 und 52: 2.2 Nichtlineare Gleichungen und Gl
- Seite 53 und 54: 2.2 Nichtlineare Gleichungen und Gl
- Seite 55 und 56: 2.2 Nichtlineare Gleichungen und Gl
- Seite 57 und 58: 2.2 Nichtlineare Gleichungen und Gl
2.1 <strong>Lineare</strong> Gleichungssysteme 31<br />
> Defect:=P.A-L.U;<br />
Und nun noch MATLAB:<br />
Defect :=<br />
⎡<br />
⎢<br />
⎣<br />
0 0 0 0<br />
0 0 0 0<br />
0 0 0 0<br />
0 0 0 0<br />
A=[0,1,1,-3;-2,3,1,4;0,0,0,1;3,1,0,0];<br />
format long;<br />
[L,U,P]=lu(A)<br />
ergibt<br />
⎛<br />
L =<br />
⎜<br />
⎝<br />
ferner<br />
⎛<br />
U =<br />
<strong>und</strong><br />
⎜<br />
⎝<br />
1.00000000000000 0 0 0<br />
−0.66666666666667 1.00000000000000 0 0<br />
0 0.27272727272727 1.00000000000000 0<br />
0 0 0 1.00000000000000<br />
3.00000000000000 1.00000000000000 0 0<br />
0 3.66666666666667 1.00000000000000 4.00000000000000<br />
0 0 0.72727272727273 −4.09090909090909<br />
0 0 0 1.00000000000000<br />
P =<br />
⎛<br />
⎜<br />
⎝<br />
0 0 0 1<br />
0 1 0 0<br />
1 0 0 0<br />
0 0 1 0<br />
ehält man durch P*A-L*U die Nullmatrix. An diesem Beispiel erkennt man auch,<br />
dass P, L, U keineswegs eindeutig bestimmt sind.<br />
✷<br />
• QR-Zerlegung: Im Package LinearAlgebra von Maple gibt es zur QR-Zerlegung<br />
die Funktion QRDecomposition, in MATLAB die Funktion qr. Wiedersollteman<br />
sich durch die entsprechenden Fragen über den Gebrauch <strong>und</strong> die Optionen der<br />
Funktionen informieren.<br />
Beispiel: Sei<br />
⎛<br />
A := ⎝<br />
1 −8<br />
2 −1<br />
2 14<br />
Zu berechnen sei eine QR-Zerlegung. Zunächst verwenden wir Maple:<br />
> with(LinearAlgebra):<br />
> A:=Matrix([[1,-8],[2,-1],[2,14]]):<br />
> (Qhat,Rhat):=QRDecomposition(A);<br />
⎤<br />
⎥<br />
⎦<br />
⎞<br />
⎟<br />
⎠ .<br />
⎞<br />
⎠ .<br />
⎞<br />
⎟<br />
⎠ ,<br />
⎞<br />
⎟<br />
⎠