Ueber ein Verfahren, die Gleichungen, auf welche die Methode der kleinsten Quadrate führt, sowie lineare Gleichungen überhaupt, durch successive Annäherung aufzulösen. (Q1558688)

Liegt ein unbestimmtes System linearer Beobachtungsgleichungen \[ \begin{aligned} a_1x+ b_1y+ c_1z&+ \cdots+ n_1=0,\\ a_2x+ b_2y+ c_2z&+ \cdots+ n_2=0,\\ &\vdots\end{aligned} \] vor, so bildet man bekanntlich, um das wahrscheinlichste bestimmte System daraus zu erhalten, die Quadratsumme \[ \begin{multlined} Q= [aa]x^2+ [bb]y^2+\cdots+ 2[ab]xy+ 2[ac]xz+ 2[bc]yz+\cdots\\ \cdots+ 2[an]x+2[bn]y+ 2[xn]z+\cdots+ [nn],\end{multlined} \] und macht dieselbe zu einem Minimum, d. h. man berechnet die Unbekannten aus den Gleichungen \[ M\begin{cases} [aa]x+ [ab]y+ [ac]z+\cdots+ [an]=0,\\ [ab]x+ [bby]+ [bc]z+\cdots +[bn]=0.\end{cases} \] \[ \vdots \] Sind nun sehr viele unbekannte Grössen vorhanden (70 bei Bessel's Gradmessung, 72 bei Herrn Seidel's photometrischen Untersuchungen), so wird die direkte Berechnung nahezu unmöglich, und deshalb haben auch Gauss und Jakobi Näherungsmethoden angegeben, die zwar für den von den Urhebern beabsichtigten speziellen Zweck genügen, im Allgemeinen aber nicht ausreichend sind. Der Grundgedanke der von Seidel vorgeschlagenen Methode ist nun dieser: Man ertheilt im System \(M\) den einzelnen Unbekannten Anfangswerthe, die dasselbe nicht befriedigen, sondern auf der rechten Seite statt Null bezüglich \(N_1, N_2\cdots\) liefern. Dann greift man eine willkürliche Unbekannte heraus, und corrigirt ihren Werth so, dass diejenige Gleichung, welche die betreffende Unbekannte als der Diagonale des Systemes angehörig aufweist, identisch erfüllt wird. Hierdurch verringert sich die Summe der Fehlerquadrate um eine angebbare Grösse; man verfährt dann mit einer zweiten (nicht gerade der unmittelbar darauffolgenden) in gleicher Weise, und setzt dies Verfahren fort, bis schliesslich jene Summe nicht mehr verringert werden kann; dann sind aber auch die \(N\) verschwindende Grössen geworden, d. h. das System ist erfüllt. Natürlich gilt Aehnliches führ jedes bestimmte System linearer Gleichungen; jedoch ist es für dies Bestehen sicherer Convergenz nothwendig, dass jede Unterdeterminante, deren Diagonale ein Theil der ursprünglichen ist, einen positiven Werth besitzt. Die Wahl der Anfangswerthe ist -- ein Hauptvorzug des Verfahrens -- durchaus willkürlich. Statt von dem System \(M\) kann man auch direkt von den Beobachtungsgleichungen ausgehen. ``Der Werth von \(x\), welcher zu angenommenen Werthen der anderen Unbekannten \(y,z,\dots\) ``am besten passt'', oder aus der obigen Normalgleichung sich ergiebt, ist nämlich kein anderer, als das arithmetische Mittel, mit Rücksicht auf Gewichte, aus all den Einzelbestimmungen, die sich, unter Voraussetzung der angenommenen Werthe der übrigen Unbekannten \(y,z,\dots\) als ihrer wahren Werthe, für \(x\) aus den verschiedenen Beobachtungsgleichungen ergeben, in welche diese Grösse vorkommt.'' Da hierbei die Bestimmung des Gewichtes verlangt wird, so giebt der Verfasser weiterhin noch eine für die Praxis brauchbare, natürlich aber mit den Festsetzungen von Gauss nicht in Widerspruch stehende Definition dieses Wortes: ``Die Bestimmung einer Zahl \(g\) als wahrscheinlichster Werth von \(x\) aus einem gewissen Beobachtungssysteme hat dann das Gewicht \(p\), wenn durch den Hinzutritt einer neuen Beobachtung vom Gewichte 1, welche ergeben hätte \[ x=g+u \] der wahrscheinlichste Werth von \(x\) sich vergrössern würde um \(\frac{u}{p+1}\).'' Zum Schlusse wird gezeigt, dass die Methode auch dann nicht ihren Dienst versagt, wenn zu den Beobachtungsgleichungen eine Anzahl von strenge zu erfüllenden Bedingungsgleichungen hinzutritt. Doch ist dies lediglich principiell von Bedeutung, denn in praktischen Fällen lässt sich dieser Fall durch geeignete Auswahl der Veränderlichen stets umgehen, wie dies für ein wichtiges Problem der höheren Geodäsie Herr Seidel in einer zweiten Abhandlung darthun wird.