Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
Kapitel 2 Lineare und nichtlineare Gleichungen - Institut für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
2.1 <strong>Lineare</strong> Gleichungssysteme 39<br />
<strong>und</strong><br />
a k =<br />
k<br />
r ik q i ,<br />
i=1<br />
k =1,...,n.<br />
2. Definiert man ˆQ := ( q 1 ··· q n ) ∈ R m×n <strong>und</strong> die obere Dreiecksmatrix ˆR ∈<br />
R n×n mit r ik <strong>für</strong> i ≤ k als (i, k)-Eintrag, so ist ˆQ T ˆQ = I <strong>und</strong> A = ˆQ ˆR, d.h.<br />
durch das Gram-Schmidt-Verfahren wird eine reduzierte QR-Zerlegung von A<br />
berechnet.<br />
Beweis: Durch vollständige Induktion nach k kann man leicht zeigen, dass {q 1 ,...,q k }<br />
ein Orthonormalsystem mit span {q 1 ,...,q k } =span{a 1 ,...,a k } <strong>und</strong> a k = k<br />
i=1 r ikq i<br />
ist. Hieraus folgt sofort der zweite Teil des Satzes. Dies erkennt man sehr einfach, wenn<br />
man auf beiden Seiten der behaupteten Gleichung A = ˆQ ˆR die k-te Spalte betrachtet.<br />
Denn es ist<br />
⎛ ⎞<br />
ˆQ ˆRe k =( q 1 ··· q k q k+1 ··· q n )<br />
⎜<br />
⎝<br />
Damit ist der Satz bewiesen.<br />
r 1k<br />
.<br />
r kk<br />
0<br />
=<br />
⎟<br />
⎠<br />
.<br />
0<br />
k<br />
r ik q i = a k = Ae k .<br />
Das klassische Gram-Schmidt-Verfahren ist <strong>für</strong> die Praxis unbrauchbar, da die Orthonormalität<br />
der Spalten von ˆQ wegen R<strong>und</strong>ungsfehlern sukzessive verloren geht.<br />
Außerdem erhält man nur eine reduzierte QR-Zerlegung <strong>und</strong> nicht eine volle. Dies ist<br />
theoretisch zwar keine Einschränkung (man ergänze {q 1 ,...,q n } zu einer Orthonormalbasis<br />
{q 1 ,...,q n ,q n+1 ,...,q m } des R m ), <strong>für</strong> die Praxis aber schon. In der Praxis<br />
wird A durch sukzessive Multiplikation von links mit gewissen orthogonalen Matrizen<br />
Q 1 ,...,Q p in eine obere Dreiecksmatrix R überführt:<br />
Q p ···Q 1 A = R.<br />
Mit Q := Q T 1 ···Q T p ist dann die gesuchte (volle) QR-Zerlegung gef<strong>und</strong>en. Im wesentlichen<br />
spielen bei diesen Transformationen zwei Klassen spezieller orthogonaler Matrizen<br />
eine Rolle, nämlich Householder-Spiegelungen <strong>und</strong> Givens-Rotationen. Wirbeschränken<br />
uns auf die Beschreibung eines Verfahrens, welches Givens-Rotationen benutzt.<br />
Dies sind Matrizen der Form<br />
⎛<br />
⎞<br />
1 ··· 0 ··· 0 ··· 0<br />
. . .. . . .<br />
0 ··· c ··· s ··· 0<br />
i<br />
G ik =<br />
. . . .. . .<br />
0 ··· −s ··· c ··· 0<br />
k<br />
⎜<br />
⎝<br />
. ⎟<br />
. . . .. . ⎠<br />
0 ··· 0 ··· 0 ··· 1<br />
i=1<br />
✷