Ausgleichsrechnung Flashcards

1
Q

Was sind überbestimmte LGS

A

Es gibt mehr Gleichungen als gesuchte Variablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Was ist da Problem wenn man ein überbestimmtes LGS im Gleitkommazahlen lösen möchte

A

Wegen der unweigerlich auftretenden Messungenauigkeiten und -fehler in der Praxis kann man dann das LGS nicht genau Lösen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Was kann man tun wenn man für ein überbestimmtes LGS keine Lösung hat?

A

Man kann das Resiuum r = Ax - b betrachten und x so wählen, dass das Residuum bzgl. einer geeigneten Norm (wir nehmen die Länge des Residumms) möglichst klein wird

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Wie sollte das Residuum zu den Spaltenvektoren von A stehen?

A

Das Residuum sollte senkrecht auf jedem Spaltenvektor stehen, denn nehmen wir an r stünde nicht senkrecht auf dem Spaltenvektor. Dann könnte man sich entlang des Spaltenvektors bewegen um die Länge von r zu minimieren.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Was kriegen wird aus der Erkenntniss, dass das Residuum auf jedem Spaltenvektor senkrecht sein muss?

A

Es gilt für alle Spaltenvektoren a_i: a_i^T * r = 0. Daher kriegen wir:

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Was ist die Normalengleichung?

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Wie können wir mithilfe der Normalengleichung x berechnen?

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Projektionsmatrix P

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Was will man bei der Linearen Regression?

A

Bei der Linearen Regression hat man Parameterstellen x_i und dazu Messdaten y_i. Diese will man durch eine Funktion f darstellen, die also von den Parameterstellen x auf die Messdaten y abbildet. Bei der Linearen Regression soll f eine lineare Funktion sein. Da es beim Messen von Daten zum Rauschen, beim Rechnen oder durch vereinfachte Modellannahmen zu kleinen Fehler führt, werden nicht alle Messungen nicht alle eine gemeinsame Funktion erfüllen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Was ist die Idee wie man die Lineare Regression lössen möchte.

A

Mann möchte die Lineare Funktion f wieder durch die Lösung der Normalengleichung errechnen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Was ist die Normlengleichung für die Lineare Regression?

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Wann ist die Normalengleichung lösbar

A

Die Systemmatrix A^T * A ist quadratisch. Das LGS ist also lösbar wenn A^T * A vollen Rang hat.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Wann ist eine Matrix positiv semidefinit (PSD)

A

Wenn gilt: (x^T)Ax >= 0. Damit mein man das die quaratische Funktion für jede Wahl x nur nicht-negative Werte annehmen kann.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Wann ist eine Matrix positiv definit (PD)

A

Wenn gilt: (x^T)Ax > 0 für alle x != 0

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Ist (A^T)A eine PSD-Matrix?

A

Ja

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Wann ist A^T A regulär (also invertierbar)

A

Wenn A vollen Spaltenrang hat

17
Q

Was ist der Kern einer Matrix

A

Alle Vektoren x, die folgende Gleichung erfüllen:
Ax = 0

18
Q

Was gilt für Elemente x aus dem Kern von (A^T)*A

A

x ist auch im Kern von A

19
Q

Welche Eigenschaft muss für die Spalten von (A^T) * A gelten damit die Matrix Invertierbar ist

A

Die spalten von A müssenlinear unabhängig sein.

20
Q

Wie können wir die lineare Unabhängigkeit der Spalten von A meist erreichen?

A

Indem wir weitere Messungen hinzufügen.

21
Q

Wovon können wir für (A^T)*A ausgehen, weil wir die Spalten von A durch hinzufügen weiterer Messdaten linear Unabhängig machen können

A
  • Das (A^T)*A invertierbar ist.
  • Das (A^T)*A eine symmetrische PD Matrix ist.
22
Q

P(S)D Matrizen und löschen von Zeilen/Spalten

A

Wenn man bei einer P(S)D Matrix Zeilen/Spalten löscht, ist die resultierende Matrix auch eine P(S)D Matrix.

23
Q

Was gilt für die Diagonalelemente einer PD Matrix

A

Die Diagonalelemente sind > 0

24
Q

Was gilt für die Diagonalelemente einer PSD Matrix

A

Die Diagonalelemente sind >= 0

25
Q

A und B sind PD-Matrizen. Was gilt für die Addition der beiden Matrizen

A

sA + tB für s,t > 0 ist wiederum eine PD-Matrix

26
Q

A und B sind PSD-Matrizen. Was gilt für die Addition der beiden Matrizen

A

sA + tB für s,t >= 0 ist wiederum eine PSD-Matrix

27
Q

Was gilt für die Determinante von PD-Matrizen

A

Die Determinante ist positiv

28
Q

Was gilt für die Determinante von PSD-Matrizen

A

Die Determinante ist >= 0

29
Q

Wie macht man aus einer PSD Matrix eine PD-Matrix

A

sA + tB für s,t > 0 ist eine PD -Matrix, wenn A eine PSD und B ein PD Matrix ist. Durch Addition eines kleinen postiven Vielfachen der (PD) Indentitätsmatrix wird aud der PSD-Matrix A eine PD Matrix. Dieser Vorgang wird manchmal Regularisierung genannt.

30
Q

Idee der Choleskly-Zerlegung

A

Mann kann eine symmetrische PD Matrix B schreiben als L*(L^T), wobei L eine untere Dreiecksmatrix ist. Die Cholesky-Zerlegung berechnet also aus B das L

31
Q

Cholesky-Zerlegung: Diagonalelemente von L berechnen

A
32
Q

Cholesky-Zerlegung: nicht Diagonalelemente von L berechnen

A
33
Q

Cholesky-Zerlegung: Vorgehen

A

Man an den linken oberen Wert der L Matrix zu berechnen und arbeitet sich dann von Zeile zu Zeile und von Spalte zu Spalte. Dabei berechnet man zuerst die Elemente bis zum Diagonalelemente, dann das Diagonalelement und dann macht man mit der nächsten Zeile weiter

34
Q

Wie löst man das Gleichungssystem nach der Cholesky-Zerlegung

A

Für gut konditionierte Matrizen wird keine Pivotisierung benötigt

35
Q

Was ist der wesentliche Vorteil der Cholesky-Zerlegung mit anschließendem Einsetzen gegenüber der Gaußelimination?

A

Das Verfahren benötig nur etwa halb so viele Operation, ist also wesentlich schneller.

Das man auf Pivotisierung verzichten kann, erlaubt entweder eine einfache Implementierung oder den möglichen Zeilentausch für andere Optimierungen zu nutzen

36
Q

Welche Eigenschaften muss eine Matrix A haben, damit man die Cholesky-Zerlegung anwenden kann?

A

Sie muss positiv semidefinit sein und symmetrisch

37
Q

Wie kann man überprüfen ob eine symmetrische Matrix positiv definit ist.

A

In dem man die Cholesky-Zerlegung anwendet. Falls die Berechnung nicht fehlgeschlagen ist und L keine Null auf der Diagonalen hat, ist A postiv definit.