LiA 2 Side 0. Lineær algebra 3. kursusgang

Transkript

1 LiA 2 Side 0 Lineær algebra 3. kursusgang

2 LiA 2 Side 1 Højdeforskelle. D C E

3 LiA 2 Side 2 Vi har tre punkter C, D og E. Højderne er h C, h D, h E. (I det følgende benævnes disse også x, y, z.) Vi har følgende observationsligninger: h D h C = r 1, h E h C = r 2, h E h D = r 3.

4 LiA 2 Side 3 Designmatrix og observationsvektor: A = , b = Ligningssystemet kan skrives x y z = Vektorer der kan skrives som venstresiden i ovenstående (når x, y, z gennemløber alle tal) udgør søjlerummet Col A, som er et underrum. I dette tilfælde en plan i rummet..

5 LiA 2 Side 4 b ligger ikke i denne plan. Vi projicerer derfor b ned på planen og får vektoren ˆb i planen. Vektoren z = b ˆb er vinkelret (ortogonal) på planen, og altså ortogonal på hver af de tre søjler i A 1 1 z = 0, z = 0, Dette kan skrives som et matrix-vektor produkt altså A T z = z = A T z = A T (b ˆb) = 0., z = 0.

6 LiA 2 Side 5 Da ˆb ligger i planen Col A, findes en løsning ˆx = x x x = ˆb. x 1 x 2 x 3. Indsæt i ovenstående: Aˆx = ˆb. Løsningen ˆx opfylder altså A T (b ˆb) = A T (b Aˆx) = 0. og dermed A T (b Aˆx) = 0, A T Aˆx = A T b.

7 LiA 2 Side 6 De tre søjler er vist med rødt. De ligger i den gule plan Col A. b er blå og ˆb magenta. z tegnet ud fra (0, 0, 0) er grøn og brun mellem b og ˆb.

8 LiA 2 Side 7 Løsning h C h D = he t 1 t 0.5 t.

9 LiA 2 Side 8 Indsæt nu h C = 0.5. h D 0.5 = r 1, h E 0.5 = r 2, h E h D = r 3. Designmatrix og observationsvektor: A = , b =

10 LiA 2 Side 9 De to søjler er vist med rødt. De ligger i den gule plan Col A. b er blå og ˆb magenta. z tegnet mellem b og ˆb er brun.

11 LiA 2 Side 10 Løsning h C h D = he

12 LiA 2 Side 11 Resume: Vi betragter et lineært ligningssystem (af m ligninger med n ubekendte) Ax = b. Ligningssystemet antages at være inkonsistent (ingen løsninger) fordi tallene er fremkommet som måleresultater med målefejl. Vi skal derfor finde en mindste kvadraters løsning ˆx som opfylder Aˆx = ˆb, hvor ˆb er den vektor i Col A hvis afstand til b er mindst. ˆb er altså ortogonal projektionen af b på Col A. Vi beregner ikke ˆb.

13 LiA 2 Side 12 En vektor x er mindste kvadraters løsning til Ax = b hvis og kun hvis den er løsning til normalligningen (A T A)x = A T b. Når en mindste kvadraters løsning ˆx er fundet ved at løse normalligningen kan man eventuelt bestemme ˆb = Aˆx. Fremgangsmåden virker kun for lineære ligninger.

14 LiA 2 Side 13 Ikke-lineære problemer.

15 LiA 2 Side y x

16 LiA 2 Side 15 Vi kender de præcise koordinater for et antal punkter (blå på figuren på forrige side). Desuden er der et ukendt punkt (rødt). Afstanden mellem det kendte punkt (1, 3) og det ukendte punkt (x, y) måles til værdien b. Vi har altså følgende ligning (hvis vi ser bort fra målefejl): (x 1) 2 + (y 3) 2 = b. Tilsvarende ligninger fås ved måling af aftanden til andre kendte punkter. Men disse ligninger er ikke-lineære.

17 LiA 2 Side 16 Lineær Approximation

18 LiA 2 Side x

19 LiA 2 Side 18 Lineær approximation af funktion af én variabel Ligningen for tangenten til grafen for f(x) i punktet (a, f(a)) er y = f(a) + f (a)(x a). Lineær approximation for x tæt på a: f(x) f(a) + f (a)(x a). F.eks. hvis f(x) = x 2 2 så er f (x) = 2x og ligningen for tangenten i punktet (a, f(a)), hvor a = 2 og f(2) = = 2, er: y = 2 + 4(x 2) eller y = 4x 6.

20 LiA 2 Side 19 Én ikke-lineær ligning med én ubekendt Løsning af ligning ved hjælp af lineær approximation (Dette kaldes Newton-Raphson metoden): Eksempel. Løs ligning f(x) = 0 hvor f(x) = x 2 2. Vi vil bestemme en følge af tal x 0, x 1, x 2, x 3,..., der konvergerer mod den præcise løsning. x 0 er vores første gæt på en løsning: x 0 = 2. I nærheden af x 0 er f(x) f(x 0 ) + f (x 0 )(x x 0 ) = 4x 6.

21 LiA 2 Side 20 Da løsningen formodes at ligge tæt på x 0 kan vi løse ligningen 4x 6 = 0 i stedet for den ikke-lineære ligning. Denne ligning har løsning x 1 = 1.5.

22 LiA 2 Side x

23 LiA 2 Side x

24 LiA 2 Side 23 I nærheden af x 1 er f(x) f(x 1 ) + f (x 1 )(x x 1 ) = 3x I stedet for den ikke-lineære ligning løser vi ligningen 3x 4.25 = 0 som har løsning x 2 = Dernæst fås x 3 = og x 4 =

25 LiA 2 Side 24 To ikke-lineære ligninger med én ubekendt Eksempel Bestem et tal x, der bedst tilnærmer følgende to ligninger: x 2 2 = 0 x 2 6x + 6 = 0 Vores første gæt på en løsning er x 0 = 2.

26 LiA 2 Side 25

27 LiA 2 Side 26

28 LiA 2 Side 27 Linearisering af de to ligninger omkring x 0 : 4x 6 = 0 og 2x + 2 = 0. De omskrives til: 4x = 6 Altså Ax = b hvor A = [ 4 2 2x = 2 ] og b = [ 6 2 ]. Vi får A T A = [ 4 2 ] [ ] 4 2 = 20 og A T b = [ 4 2 ] [ ] 6 2 Normalligningen er altså 20x = 28 som har løsning x 1 = 1.4 = 28.

29 LiA 2 Side 28 De næste tilnærmelser er x 2 = x 3 = 1.325

30 LiA 2 Side 29 Funktion af to variable f(x, y): en funktion af to variable med partielle afledede f x (x, y) = f x og f y (x, y) = f y. Tilvæksten af f(x, y) ud fra punktet (a, b): approximeres af differentialet f = f(a + x, b + y) f(a, b) df = f x (a, b) x + f y (a, b) y. Differentialet kan fremkomme som prikprodukt af gradient vektoren f(a, b) = f x (a, b), f y (a, b) og vektoren x, y : df = f(a, b) x, y.

31 LiA 2 Side 30 Lineær approximation for funktion af to variable f(a + x, b + y) f(a, b) + f x (a, b) x + f y (a, b) y, Eller, når (x, y) er tilstrækkeligt tæt på (a, b): f(x, y) f(a, b) + f x (a, b)(x a) + f y (a, b)(y b).

32 LiA 2 Side 31 Lad f(x, y) være afstanden mellem (x, y) og et fast punkt (x 1, y 1 ). f(x, y) = (x x 1 ) 2 + (y y 1 ) 2. Så er f x (x, y) = x x 1 (x x 1 ) 2 + (y y 1 ) 2, f y(x, y) = y y 1 (x x 1 ) 2 + (y y 1 ) 2. For (x, y) i nærheden af punktet (x 0, y 0 ) er f(x, y) f(x 0, y 0 ) + f x (x 0, y 0 )(x x 0 ) + f y (x 0, y 0 )(y y 0 ).

33 LiA 2 Side 32 Vi kender de præcise koordinater for et antal punkter: (x 1, y 1 ), (x 2, y 2 ),...,(x m, y m ). Desuden er der et punkt med ukendte koordinater (x P, y P ). Vi har målt afstanden fra dette punkt til de m kendte punkter og får værdierne henholdsvis b 1, b 2,..., b m. Altså: (x P x 1 ) 2 + (y P y 1 ) 2 = b 1 (x P x 2 ) 2 + (y P y 2 ) 2 = b 2. (x P x m ) 2 + (y P y m ) 2 = b m P.g.a. målefejl er der ikke noget punkt (x P, y P ) der passer med alle ligninger. Vi ønsker at finder et punkt, der passer bedst muligt.

34 LiA 2 Side 33 Idé: Gæt et punkt (x 0 P, y0 P ). Da (x P, y P ) formodes at være tæt på (x 0 P, y0 P ) kan venstre side i ovenstående ligninger erstattes med den lineære approximation i punktet (x 0 P, y0 P ). Derved fås (inkonsistent) lineært ligningssystem med n ligninger. Lad (x 1 P, y1 P ) være en mindste kvadraters løsning til dette ligningssytem. (x 1 P, y1 P ) er så forhåbentligt tættere på den rigtige løsning end vores første gæt var.

35 LiA 2 Side 34 Gentag ovenstående med (x 0 P, y0 P ) erstattet af (x1 P, y1 P ) og find derved (x 2 P, y2 P ). Gentag indtil (x i P, yi P ) nærmer sig et bestemt punkt, som så er (x P, y P ).

36 LiA 2 Side 35 Funktion af n variable F i (x 1, x 2,..., x n ): en funktion af n variable, i = 1,..., m. x 0 = (x 0 1, x2 2,..., x0 n): fast punkt/vektor. j i = (j i1, j i2,..., j in ) = F i (x 0 ) er gradientvektoren af F i i punktet x 0, hvor j il er F i x l udregnet i punktet x 0. For et punkt x = (x 1, x 2,..., x n ) i nærheden af x 0 er F i (x) F i (x 0 ) + F i (x 0 ) (x x 0 ) = b 0 i + j i (x x 0 ), hvor b 0 i = F i(x 0 ).

37 LiA 2 Side 36 Vi har m observationer: F 1 (x 1,..., x n ) = b 1 F 2 (x 1,..., x n ) = b 2. F m (x 1,..., x n ) = b m. Venstresiderne erstattes af deres lineære approximationer i punktet x 0 : b j 1 (x x 0 ) = b 1 b j 2 (x x 0 ) = b 2. b 0 m + j m (x x 0 ) = b m.

38 LiA 2 Side 37 j 1 (x x 0 ) = b 1 b 0 1. j m (x x 0 ) = b m b 0 m. På matrixform: A(x x 0 ) = b, hvor A = j 11 j j 1n j 21. j j 2n. j m1 j m2... j mn og b = Med residualvektoren ˆr fås observationsligningen A(x x 0 ) = b + ˆr. b 1 b 0 1 b 2 b 0 2. b m b 0 m. A kaldes designmatricen.

39 LiA 2 Side y x

40 LiA 2 Side 39 Der er tre kendte punkter: (1, 3), (1, 1) og (5, 1) samt et ukendt punkt (x P, y P ) med afstande til de tre kendte punkter målt til henholdsvis 4, 6 og 5. F 1 (x, y) := F 2 (x, y) := F 3 (x, y) := (x 1) 2 + (y 3) 2 (x 1) 2 + (y 1) 2 (x 5) 2 + (y 1) 2 F 1 (x P, y P ) = 4, F 2 (x P, y P ) = 6, F 3 (x P, y P ) = 5.

41 LiA 2 Side 40 j 1 = F 1 (x 0 P, y0 P ) = x 0 P 1 y0 P 3 (x 0 P 1)2 +(yp 0 3)2, = (x 0 P 1)2 +(yp 0 3)2 ( x 0 P 1 b 0 1, y0 P 3 ) b 0 1 j 2 = F 2 (x 0 P, y0 P ) = ( x 0 P 1 b 0 2 j 3 = F 3 (x 0 P, y0 P ) = ( x 0 P 5 b 0 3, y0 P 1 ) b 0 2, y0 P 1 ) b 0, 3 hvor b 0 i = F i(x 0 P, y0 P ).

42 LiA 2 Side 41 Vi gætter en første værdi (x 0 P, y0 P ) = (6, 5) og udregner b 0 1 = F 1(6, 5) = (6 1) 2 + (5 3) 2 = 29 b 0 2 = F 2(6, 5) = (6 1) 2 + (5 1) 2 = 41 b 0 3 = F 1(6, 5) = (6 5) 2 + (5 1) 2 = 17 j 1 = ( , ) = (0.927, 0.372) j 2 = ( , ) = (0.781, 0.625) j 3 = ( , ) = (0.242, 0.968) b = =

43 LiA 2 Side 42 Observationsligning (uden residualer): (x x 0 ) = Normalligning (A T A)(x x 0 ) = A T b): [ ] (x x ) = Løsning: Altså: x 1 = [ x 1 P y 1 P ] x x 0 = = [ x 0 P y 0 P ] + [ ] [ ] [ ] = [ ]

44 LiA 2 Side 43 Gentag med (x 0 P, y0 P ) erstattet af (x1 P, y1 P ). Så fås: [ x 2 P y 2 P ] = [ x 1 P y 1 P ] + [ ] = [ ] Dernæst: [ x 3 P y 3 P ] = [ x 2 P y 2 P ] + [ ] = [ ] Så er F 1 (x 3 P, y3 P ) = 4.183, F 2(x 3 P, y3 P ) = 5.773, F 3(x 3 P, y3 P ) =