28
18. November 2015 1 Linear Systems and Least Squares Vortragender: Gelin Jiofack Nguedong Betreuer: Prof. Dr. Joachim Weickert Proseminar: Matrixmethoden in Datenanalyse und Mustererkennung Wintersemester 2015/2016

Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

  • Upload
    hadan

  • View
    217

  • Download
    0

Embed Size (px)

Citation preview

Page 1: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 1

Linear Systems and Least Squares

Vortragender: Gelin Jiofack Nguedong Betreuer: Prof. Dr. Joachim Weickert

Proseminar: Matrixmethoden in Datenanalyse und MustererkennungWintersemester 2015/2016

Page 2: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 2

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 3: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 3

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 4: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 4

Gaußsches Eliminationsverfahren

Carl Friedrich Gauß

Algorithmus aus den mathematischen Teilgebieten der linearen Algebra und der Numerik.

Page 5: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 5

BeispielPivotierungLR-ZerlegungCholesky-Zerlegung

Gaußsches Eliminationsverfahren

Page 6: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 6

BeispielLineares Gleichungssystem Ax=b mit drei Gleichungen:

1. Vorwärtselimination,2. Rückwärtseinsetzen (Rücksubstitution).

Algorithmus zur Berechnung der Variablen xi:

Page 7: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 7

Beispiel

Zur besseren Übersichtlichkeit, erweiterte Koeffizientenmatrix

Hinweis: Kontrolle durch Zeilensumme

Page 8: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 8

BeispielPivotierungLR-ZerlegungCholesky-Zerlegung

Gaußsches Eliminationsverfahren

Page 9: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 9

PivotierungIm Allgemeinen nicht ohne Zeilenvertauschungen durchführbar.

Ersetze 1 durch 0

Wie löse ich das???

Beispiel:

Page 10: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 10

Pivotierung

Ich weiß!!!

Page 11: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 11

BeispielPivotierungLR-ZerlegungCholesky-Zerlegung

Gaußsches Eliminationsverfahren

Page 12: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 12

LR-ZerlegungLineares Gleichungssystem Ax=b mit LR-Zerlegung:

1. Zerlege A = L. R mit dem Gauß-Algorithmus2. Löse Ax = LRx = b in zwei Schritten:

● Löse Ly = b durch Vorwärtssubstitution● Löse Rx = y durch Rückwärtssubstitution

Aufwand: Beispiel:

das heißt

Page 13: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 13

BeispielPivotierungLR-ZerlegungCholesky-Zerlegung

Gaußsches Eliminationsverfahren

Page 14: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 14

Cholesky-ZerlegungZerlegung 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 = 1D Diagonalmatrix mit positiven Einträgen

Page 15: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 15

Cholesky-ZerlegungMit und

Neue Formulierung der Cholesky-Zerlegung:

Gleichungssystem Ax=b effizient durch Vorwärts- und Rückwärtseinsetzen lösbar:Durch Vorwärtseinsetzen Lösung des LGSDurch anschließendes Rückwärtseinsetzen Lösung des LGS

Page 16: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 16

Cholesky-ZerlegungBerechnungFormeln

Aufwand:

Page 17: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 17

Cholesky-ZerlegungBeispiel:

mit

Durch Gleichsetzen der Matrixelemente folgt:

Schließlichund

Page 18: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 18

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 19: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 19

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:

Page 20: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 20

KonditionInterpretation:

Konditionszahl deutlich größer als 1 => κ schlecht konditioniertes Problem Sonst, gut konditioniertes ProblemKonditionszahl unendlich => schlecht gestelltes Problem

Page 21: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 21

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 22: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 22

BandmatrixMatrix mit bestimmter Anzahl Nebendiagonalen Elemente ungleich null neben der Hauptdiagonalen

A Bandmatrix der Bandbreite w = p + q + 1, wenn für aij gilt:

Page 23: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 23

BandmatrixTridiagonalmatrix

quadratische Matrix mit Hauptdiagonalen und zwei Nebendiagonalen Einträgen unglich null. (mit p = q = 1)

Page 24: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 24

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 25: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 25

Methode der kleinsten QuadrateZu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten.In der Stochastik als Schätzmethode in der Regressionsanalyse.

Beispiel:

Page 26: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 26

ÜbersichtGaußsches EliminationsverfahrenKonditionBandmatrixMethode der kleinsten QuadrateLiteraturverzeichnis

Page 27: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 27

Literaturverzeichnis

Lars Elden: Matrix Methods in Data Mining and Pattern Recognition.

SIAM, Philadelpia, 2007.WikipediaMathepedia

https://www.wiwiweb.de/statistik/zeitreihenan/zeitverfahre/kleinstequad.html

Page 28: Linear Systems and Least Squares - mia.uni-saarland.de · Methode der kleinsten Quadrate Zu einer Datenpunktwolke eine Kurve möglichst nahe an den Datenpunkten. In der Stochastik

18. November 2015 28

Vielen Dank fur dieAufmerksamkeit