Rheinisch Westfälische Technische Hochschule

Institut für Geometrie und Praktische Mathematik

Numerische Mathematik für Elektrotechniker — WS 23/24
Prof. Dr. Markus Bachmayr — Dr. Karl-Heinz Brakhage
Dr. Dieter Moser — Tilman Alemán — Manfred Faldum — Nam Nguyen

4. Hausübung

Aufgabe 1: (weitere Eigenschaften orthogonaler Matrizen, die man kennen sollte)

Es sei Q ∈ Rn×n orthogonal, d.h. QT Q = I. Zeige:
a) ||Q||2 = 1 und ||QT ||2 = 1
b) ||Q A||2 = ||A||2 = ||AQ||2 für A ∈ Rn×n beliebig
c) κ2 (QA) = κ2 (A) für A ∈ Rn×n beliebig
d) Es seien Q1 , Q2 ∈ Rn×n orthogonal, dann ist auch das Produkt Q1 Q2 orthogonal.

Wichtiger Hinweis: Die Rechenaufgaben müssen nicht alle bearbeitet werden. Man sollte aber bei
den Aufgaben zumindest den Ansatz (Aufstellung von A, b und x) machen, und man muss alle beide
Verfahren beherrschen.

Aufgabe 2:  (Grundaufgabe
 Householder)
−1
 4 
Es sei x =  .
 
 2 
−2  
1
0
Bestimme die Householder-Transformation Qv , sodass Qv x = α   mit α ∈ R gilt.
 
0
0

Aufgabe 3: (Grundaufgabe linearer Ausgleich)

Zu unten stehenden A und b löse das lineare Ausgleichsproblem

x∗ = argmin ∥Ax − b∥2

x∈Rn

über Householder-Reflexionen sowie die Normalgleichungen. Diskutiere die Stabilität der Verfahren
sowie den unterschiedlichen Aufwand in Abhängigkeit von n und m.
   
1 3 12
A = 2 9 , b = 33
   
2 6 27
Aufgabe 4: (Linearer Ausgleich: Normalgleichungen – Modell: y(t) = a t + b – Rest aus SRÜb)
Gegeben seien folgende Stützstellen ti und Messwerte yi

ti −1 1 2
.
yi 1 3 3

Bestimme die Gerade y(t) = a t + b so, dass die Summe der Fehlerquadrate 3i=1 (y(ti ) − yi )2 minimal
P

wird. Formuliere dazu das entsprechende Ausgleichsproblem x∗ = argminx∈Rn ∥Ax−b∥2 und löse dieses
mittels
a) Householder-Spiegelungen (Selbstrechenübung),
b) Normalgleichungen.

Aufgabe 5: (Linearer Ausgleich mit Substitution (QR) – f (x) = α x + ln(β x)) – Rest aus SRÜb)
Eine Kurve der Darstellung f (x) = α x + ln(β x) soll derart an drei Messpunkte (xi , fi ) angepasst
werden, dass die Summe der Fehlerquadrate minimal ist. Berechne α und β zu

xi 1 3 4
fi 1 2 2

mittels
a) Householder-Spiegelungen,
b) Normalgleichungen (Selbstrechenübung).

Aufgabe 6: (Linearer Ausgleich mit Substitution – Modell: f (t) = ea−t + b t )

Eine Kurve der Darstellung f (t) = ea−t + b t soll derart an vier Messpunkte (ti , fi ) angepasst werden,
dass die Summe der Fehlerquadrate minimal ist. Berechne a und b zu

ti −1 0 1 2
fi 4 3 4 6

mittels
a) Householder-Spiegelungen,
b) Normalgleichungen.

Aufgabe 7: (Linearer Ausgleich: Q R und Normalgleichungen – → (5 × 3)-Modell)

Gegeben seien die Werte
ti −1 −0.5 0 0.5 1
yi e−1 e−0.5 1 e0.5 e1
Bestimme zu diesen Werten die im Sinne der kleinsten Fehlerquadrate (Approximation im quadrati-
schen Mittel) optimale Parabel mittels
a) Normalgleichungen,
b) Householder-Spiegelungen.
Verständnisfragen:

VF-1: Sei Q ∈ Rn×n eine orthogonale Matrix.

1. ∥Q∥2 = 1.
2. QT ist orthogonal.
3. ∥Q−1 ∥2 = 1.
4. Q ist symmetrisch positiv definit.
5. Orthogonale Matrizen sind stets symmetrisch.
6. Die ∥.∥2 -Norm jeder Zeile und Spalte einer orthogonalen Matrix ist stets gleich 1.
7. Orthogonale Matrizen sind stets identisch mit ihrer Inversen.
8. Produkte orthogonaler Matrizen sind wieder orthogonal.
9. Es sei v = (1, 2, 2)T und Qv die zugehörige Householder-Spiegelung. Berechne
κ2 (Qv ).
10. Es sei v = (2, 2, 1)T und Qv die zugehörige Householder-Spiegelung. Berechne
det(Qv ).

VF-2: Es seien A ∈ Rn×n und Q R = A eine Zerlegung von A mit Q orthogonal und R eine
rechte, obere Dreiecksmatrix. Weiter seien b ∈ Rn und x ∈ Rn .
1. A x = b ⇔ R x = QT b
2. κ2 (A) = κ2 (Q−1 ) κ2 (R)
3. Zur Lösung von A x = b über die QR-Zerlegung muss Q explizit bestimmt werden.
4. Rang(A) = Rang(R)
5. Gib das kleinste β an, für das die Ungleichung ∥Q x∥2 ≤ β ∥x∥2 allgemein gültig ist.

VF-3: Es seien Q ∈ Rn×n eine (elementare) Householder-Transformation und I ∈ Rn×n die

Einheitsmatrix.
v vT
1. Es existiert stets ein v ∈ Rn , so dass Q = I − vT v
.
2. Es gilt stets Q = QT .
3. Zu jedem (n − 1)-dimensionalen Unteraum U des Rn existiert stets ein v ∈ Rn ,
sodass ∀ y ∈ U gilt Q y = y.
4. Q hat einen einfachen Eigenwert −1 und einen (n − 1)-fachen Eigenwert +1.
5. Es sei A ∈ Rn×n . Um A mit Householdertransformationen in eine obere Dreiecks-
matrix R zu überführen benötigt man etwa α np Operationen (gemäß Vorlesung).
Gib p an.
VF-4: Es sei A ∈ Rm×n .
1. Die Summe zweier orthogonaler m×m- Matrizen ist wieder eine orthogonale Matrix.
2. Das Householder-Verfahren zur Berechnung einer Q R-Zerlegung von A ist ohne
Pivotisierung nicht stabil.
3. Die einzelnen Schritte des Householder-Algorithmus zur Q R-Zerlegung von A lassen
sich geometrisch als Spiegelungen interpretieren.
4. Zwei Schritte des Householder-Algorithmus zur Q R-Zerlegung von A lassen sich
geometrisch als Drehung interpretieren.
5. Es sei A ∈ Rn×n . Um A mit Householder-Transformationen in eine obere Dreiecks-
matrix R zu überführen benötigt man etwa α np Operationen (gemäß Vorlesung).
Gib α an.

VF-5: Es seien A ∈ Rm×n , mit Rang(A) = n ≤ m, und b ∈ Rm . Weiter seien Q ∈ ! Rm×m

R
eine orthogonale Matrix und R ∈ Rn×n eine obere Dreiecksmatrix so, dass Q A = gilt.
∅
Weiter sei x∗ = argminx∈Rn ∥A x−b∥2 (die eindeutige Minimalstelle des Minimierungsproblems
minx∈Rn ∥A x − b∥2 ). !
R̃
Zusatz: Überlege bei 2., 3. und 4. auch was sich ändert, wenn Q A = R = , A = QR =
∅
! !
R̃ R
Q bzw. A = Q ist.
∅ ∅
1. Es gilt x∗ = argminx∈Rn ∥A x − b∥2 ⇔ AT (A x∗ − b) = 0.
2. Es gilt ∥A x − b∥2 = ∥R x − QT b∥2 für alle x ∈ Rn .
!
b1
3. Es sei Q b =: , mit b1 ∈ Rn , b2 ∈ Rm−n . Dann gilt: x∗ = R−1 b1 .
b2
4. Die Matrix R kann man mit dem Cholesky-Verfahren bestimmen.
! !
r 4
5. Es sei Q A = die Q R-Zerlegung von A = . Bestimme |r|.
0 3