Linear Systems and Least Squares

Ähnliche Dokumente
Lineare Gleichungssysteme und die Methode der kleinsten Quadrate

Erweiterungen der LR-Zerlegung

4. Großübung. Lösung linearer Gleichungssysteme

Kondition linearer Gleichungssysteme Vorlesung vom

Methode der kleinsten Quadrate

Kapitel 2: Lineare Gleichungssysteme. 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen

Cramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...

Numerik I. Universität zu Köln SS 2009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva,

Matrixzerlegungen. 6. Vorlesung Numerische Methoden I. Clemens Brand. 2. April Nachträge und Wiederholung. Links-Rechts- Zerlegung

bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR

Numerik für Informatiker und Bioinformatiker. Daniel Weiß

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung

Numerische Lineare Algebra Spezielle Systeme

Rechenaufwand der LR- und LDL T - Zerlegung

MAV-NUM Applied Numerics Frühlingssemester Serie 4. (a) Berechnen Sie per Hand die LR-Zerlegung der Matrix

Lineare Gleichungssysteme: direkte Verfahren

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare Gleichungssysteme, LR-Zerlegung

A2.3 Lineare Gleichungssysteme

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

Numerisches Programmieren, Übungen

Lineares Gleichungssystem

Numerische Lineare Algebra

Kapitel 2: Lineare Gleichungssysteme. 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen

2 Direkte Lösungsverfahren für lineare Gleichungen

Cramersche Regel. Satz 2.26

Der Gaußsche Algorithmus und Varianten Vorlesung vom

Lineare Algebra und Numerische Mathematik für D-BAUG

Klausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017

2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren

Remarks on Floating Points

Direkte Verfahren für Lineare Gleichungssysteme

Numerisches Programmieren, Übungen

3 Direkte Verfahren zur Lösung linearer Gleichungssysteme

Drehungen und Spiegelungen in R 2

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

(d) das zu Grunde liegende Problem gut konditioniert ist.

Practical Numerical Training UKNum

Lineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte

1 Euklidische Approximation

Lineare Gleichungssysteme und Matrizen

Drehungen und Spiegelungen in R 2

Numerisches Programmieren, Übungen

Orthogonale Matrix. Definition 4.19

Lineare Algebra. 10. Übungsstunde. Steven Battilana.

4.2.3 LR-Zerlegung für diagonaldominante Matrizen

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)

Basiswissen Matrizen

Institut für Geometrie und Praktische Mathematik

Spezielle Matrixformen

2 Lineare Gleichungssysteme

Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17

Lineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Kapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

MODULPRÜFUNG Numerische Methoden (Elektrotechnik, Meteorologie, Geodäsie und Geoinformatik)

5 Lineare Gleichungssysteme und Determinanten

2 Lineare Gleichungssysteme

3 Lineare Gleichungssysteme

7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)

Lineare Gleichungssysteme. 1-E Ma 1 Lubov Vassilevskaya

Der Gaußsche Algorithmus und Varianten Vorlesung vom

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)

Lineare Gleichungssysteme


EINFÜHRUNG IN DIE NUMERIK - ÜBUNGSBLATT 3 Sommersemester 2010

Lösung Semesterendprüfung

Basistext Determinanten

Diplom VP Numerik 28. August 2006

Matrizenoperationen mit FORTRAN

Multiplikationen und Divisionen Hauptarbeit des Algorithmus liegt somit in der Berechnung der LR-Zerlegung. (n 1)n(2n 1) 6. = n3 3 n2.

Matrizen und Determinanten

Algorithmen und Datenstrukturen (für ET/IT)

Kapitel 2: Lineare Gleichungssysteme

Der Gaußsche Algorithmus und Varianten Vorlesung vom

Inhaltsverzeichnis. 1. Matrizen ZUSAMMENFASSUNG - LINEARE ALGEBRA 1 MATRIZEN

PS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )

D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 5

6 Numerische Verfahren zur Lösung linearer Gleichungssysteme

1.4 Stabilität der Gauß-Elimination

Musterlösung 11. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung

Gaußsche Ausgleichsrechnung

Institut für Geometrie und Praktische Mathematik

3 Lineare Gleichungen

Algorithmen und Datenstrukturen (für ET/IT)

TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG2.TEX

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Diplom VP Numerik 27. August 2007

4.6 Berechnung von Eigenwerten

Lineare Gleichungssystem

Kapitel 2. Lösung linearer Gleichungssysteme I. Inhalt: 2.1 Fehlerabschätzungen 2.2 Direkte Lösungsverfahren 2.3 Spezielle Gleichungssysteme

Matrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya

Kapitel 3. Lineare Ausgleichsrechnung. Problem: Löse A x = b, A R m n, b R m, wobei. Rang(A) < Rang([A;b])

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 12. Übung: Woche vom (Lin.Alg.

Lineare Gleichungssysteme

2 Lineare Gleichungssysteme

Matrizen und Determinanten, Aufgaben

6 Lineare Gleichungssysteme

4 Lineare Ausgleichsrechnung

Transkript:

Linear Systems and Least Squares Vortragender: Gelin Jiofack Nguedong Betreuer: Prof. Dr. Joachim Weickert Proseminar: Matrixmethoden in Datenanalyse und Mustererkennung Wintersemester 2015/2016 18. November 2015 1

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 2

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 3

Gaußsches Eliminationsverfahren Algorithmus aus den mathematischen Teilgebieten der linearen Algebra und der Numerik. Carl Friedrich Gauß 18. November 2015 4

Gaußsches Eliminationsverfahren Beispiel Pivotierung LR-Zerlegung Cholesky-Zerlegung 18. November 2015 5

Beispiel Lineares Gleichungssystem Ax=b mit drei Gleichungen: Algorithmus zur Berechnung der Variablen x i : 1. Vorwärtselimination, 2. Rückwärtseinsetzen (Rücksubstitution). 18. November 2015 6

Beispiel Zur besseren Übersichtlichkeit, erweiterte Koeffizientenmatrix Hinweis: Kontrolle durch Zeilensumme 18. November 2015 7

Gaußsches Eliminationsverfahren Beispiel Pivotierung LR-Zerlegung Cholesky-Zerlegung 18. November 2015 8

Pivotierung Im Allgemeinen nicht ohne Zeilenvertauschungen durchführbar. Beispiel: Ersetze 1 durch 0 Wie löse ich das??? 18. November 2015 9

Pivotierung Ich weiß!!! 18. November 2015 10

Gaußsches Eliminationsverfahren Beispiel Pivotierung LR-Zerlegung Cholesky-Zerlegung 18. November 2015 11

LR-Zerlegung Lineares Gleichungssystem Ax=b mit LR-Zerlegung: 1. Zerlege A = L. R mit dem Gauß-Algorithmus 2. Löse Ax = LRx = b in zwei Schritten: Löse Ly = b durch Vorwärtssubstitution Löse Rx = y durch Rückwärtssubstitution Aufwand: Beispiel: das heißt 18. November 2015 12

Gaußsches Eliminationsverfahren Beispiel Pivotierung LR-Zerlegung Cholesky-Zerlegung 18. November 2015 13

Cholesky-Zerlegung Zerlegung einer symmetrischen positiv definiten Matrix in ein Produkt aus einer unteren Dreiecksmatrix und deren Transponierter. (LR-Zerlegung ohne Pivotierung) Positiv definite Matrix L untere Dreiecksmatrix mit Diagonalelemente = 1 D Diagonalmatrix mit positiven Einträgen 18. November 2015 14

Cholesky-Zerlegung Mit und Neue Formulierung der Cholesky-Zerlegung: Gleichungssystem Ax=b effizient durch Vorwärts- und Rückwärtseinsetzen lösbar: Durch Vorwärtseinsetzen Lösung des LGS Durch anschließendes Rückwärtseinsetzen Lösung des LGS 18. November 2015 15

Cholesky-Zerlegung Berechnung Formeln Aufwand: 18. November 2015 16

Cholesky-Zerlegung Beispiel: mit Durch Gleichsetzen der Matrixelemente folgt: Schließlich und 18. November 2015 17

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 18

Kondition Abhängigkeit der Lösung eines Problems von der Störung der Eingangsdaten. Abschätzung der Kondition von Matrizen durch die größtmögliche Verzerrung der Einheitskugel Vektoren ungleich 0 und auf die Null abgebildet, dann κ=. Für reguläre Matrizen unter Verwendung der natürlichen Matrixnorm: 18. November 2015 19

Kondition Interpretation: Konditionszahl κ deutlich größer als 1 => Sonst, gut konditioniertes Problem Konditionszahl unendlich => schlecht gestelltes Problem schlecht konditioniertes Problem 18. November 2015 20

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 21

Bandmatrix Matrix mit bestimmter Anzahl Nebendiagonalen Elemente ungleich null neben der Hauptdiagonalen A Bandmatrix der Bandbreite w = p + q + 1, wenn für a ij gilt: 18. November 2015 22

Bandmatrix Tridiagonalmatrix quadratische Matrix mit Hauptdiagonalen und zwei Nebendiagonalen Einträgen unglich null. (mit p = q = 1) 18. November 2015 23

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 24

Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik als Schätzmethode in der Regressionsanalyse. Beispiel: 18. November 2015 25

Übersicht Gaußsches Eliminationsverfahren Kondition Bandmatrix Methode der kleinsten Quadrate Literaturverzeichnis 18. November 2015 26

Literaturverzeichnis Lars Elden: Matrix Methods in Data Mining and Pattern Recognition. SIAM, Philadelpia, 2007. Wikipedia Mathepedia https://www.wiwiweb.de/statistik/zeitreihenan/zeitverfahre/kleinstequad.html 18. November 2015 27

Vielen Dank fur die Aufmerksamkeit 18. November 2015 28