Serie 08

Kuengjoe_S08/Kuengjoe_S08.py

@@ -0,0 +1,126 @@
+import numpy as np
+import timeit
+
+def qr_zerlegung_gram_schmidt(matrix_a):
+    matrix_a = np.array(matrix_a, dtype=float)
+    number_of_rows, number_of_columns = matrix_a.shape
+
+    matrix_q = np.zeros((number_of_rows, number_of_columns), dtype=float)
+    matrix_r = np.zeros((number_of_columns, number_of_columns), dtype=float)
+
+    for i in range (number_of_columns):
+        v_i = matrix_a[:, i].copy()
+
+        for j in range(i):
+            r_ji = np.dot(matrix_q[:, j], matrix_a[:, i])
+            matrix_r[j, i] = r_ji
+            v_i -= r_ji * matrix_q[:, j]
+
+        r_ii = np.linalg.norm(v_i)
+        if r_ii < 1e-12:
+            raise ValueError("Die Spalten von A sind linear abhängig.")
+        matrix_r[i, i] = r_ii
+        matrix_q[:, i] = v_i / r_ii
+
+    return matrix_q, matrix_r
+
+
+
+
+def Kuengjoe_S08_Aufg2(matrix_a):
+    matrix_q, matrix_r = qr_zerlegung_gram_schmidt(matrix_a)
+
+    matrix_a = np.array(matrix_a, dtype=float)
+    reconstruction_error = np.linalg.norm(matrix_a - matrix_q @ matrix_r)
+    orthogonality_error = np.linalg.norm(
+        matrix_q.T @ matrix_q - np.eye(matrix_q.shape[1])
+    )
+
+    print("Kontrolle fuer Kuengjoe_S08_Aufg2:")
+    print("  ||A - Q R||_F        =", reconstruction_error)
+    print("  ||Q^T Q - I||_F      =", orthogonality_error)
+
+    return matrix_q, matrix_r
+
+
+if __name__ == "__main__":
+    A_aufgabe1_example = np.array(
+        [
+            [2.0, -1.0, 0.0],
+            [-1.0, 2.0, -1.0],
+            [0.0, -1.0, 2.0],
+        ],
+        dtype=float,
+    )
+
+    print("=== QR-Zerlegung mit Gram-Schmidt (Kuengjoe_S08_Aufg2) ===")
+    Q_example, R_example = Kuengjoe_S08_Aufg2(A_aufgabe1_example)
+    print("Q =")
+    print(Q_example)
+    print("R =")
+    print(R_example)
+    print()
+
+    A = A_aufgabe1_example  # Kuengjoe A gemäss Aufgabenblatt
+
+    print("=== Laufzeitvergleich fuer Matrix A (Aufgabe 1) ===")
+
+    t1 = timeit.repeat(
+        "Kuengjoe_S08_Aufg2(A)",
+        "from __main__ import Kuengjoe_S08_Aufg2, A",
+        number=100,
+    )
+
+    t2 = timeit.repeat(
+        "np.linalg.qr(A)",
+        "from __main__ import np, A",
+        number=100,
+    )
+
+    average_time_Kuengjoe_s08 = np.average(t1) / 100.0
+    average_time_numpy_qr = np.average(t2) / 100.0
+
+    print("Durchschnittszeit eigene QR (Kuengjoe_S08_Aufg2):", average_time_Kuengjoe_s08, "s")
+    print("Durchschnittszeit numpy.linalg.qr         :", average_time_numpy_qr, "s")
+    print()
+
+    print("=== Laufzeitvergleich fuer zufaellige 100x100-Matrix ===")
+
+    Test = np.random.rand(100, 100)
+    A = Test  # wieder Kuengjoe A fuer das timeit-Setup
+
+    t1_random = timeit.repeat(
+        "Kuengjoe_S08_Aufg2(A)",
+        "from __main__ import Kuengjoe_S08_Aufg2, A",
+        number=100,
+    )
+
+    t2_random = timeit.repeat(
+        "np.linalg.qr(A)",
+        "from __main__ import np, A",
+        number=100,
+    )
+
+    average_time_Kuengjoe_s08_random = np.average(t1_random) / 100.0
+    average_time_numpy_qr_random = np.average(t2_random) / 100.0
+
+    print(
+        "Durchschnittszeit eigene QR (Kuengjoe_S08_Aufg2) fuer 100x100:",
+        average_time_Kuengjoe_s08_random,
+        "s",
+    )
+    print(
+        "Durchschnittszeit numpy.linalg.qr fuer 100x100          :",
+        average_time_numpy_qr_random,
+        "s",
+    )
+    print()
+
+"""
+Kommentar (Kuengjoe):
+
+numpy.linalg.qr ist deutlich schneller, vor allem bei 100x100 Matrizen,
+weil es in optimiertem C/FORTRAN läuft und Householder-Verfahren nutzt.
+Die eigene Gram-Schmidt-Implementierung ist reines Python und daher
+langsamer und numerisch weniger stabil.
+"""