pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.4 Numerische Lösung des reduzierten Problems 97<br />
diesmal in den Variablen t 1 und t 2 , mit linearen Ungleichheitsnebenbedingungen, welches<br />
wir mit unserem Basisalgorithmus 2.1 lösen können.<br />
Das vollständige Problem hat formal große Ähnlichkeit mit einem separablen Quadratmittelproblem<br />
mit mehreren rechten Seiten, welches in der Form<br />
1<br />
2 Z − B1(t 1 )A 2<br />
F<br />
→ min<br />
t 1 ,A<br />
dargestellt werden kann, siehe [GL79] und [KS92]. Eine naive Realisierung überführt in unserem<br />
Fall das Problem 1<br />
2Z − B1(t1 )ABT 2 (t2 )2 1<br />
F → min in „Standardform“ 2 vec (Z) −<br />
(B2(t2 ) ⊗ B1(t1 )) vec (A) 2 2 → min und wendet an dieser Stelle die Reduktionstechnik an.<br />
Zur Berechnung der Jacobi-Matrix des reduzierten Problems ist dann die Matrix B2 ⊗B1 ∈<br />
Rm1m2,n1n2 zu faktorisieren. Betrachtet man jedoch die obige Struktur genauer, so erkennt<br />
man, daß in den einzelnen Blöcken jeweils die gleiche Fréchet-Ableitung vorkommt. Diese<br />
Struktur kann (und muß) man bei realen Problemen ausnutzen. Für separable Quadratmittelprobleme<br />
mit mehreren rechten Seiten wurde dies in [GL79] erstmals durchgeführt.<br />
In jedem Schritt des verallgemeinerten Gauß-Newton-Verfahrens ist das quadratische<br />
Modellproblem<br />
µGP (t 1 + ∆t 1 , t 2 + ∆t 2 ) :=<br />
1<br />
2 F(t1 , t 2 ) + ∂1F(t 1 , t 2 )[∆t 1 ] + ∂2F(t 1 , t 2 )[∆t 2 ] 2<br />
F<br />
mit den Nebenbedingungen<br />
C1t 1 + C1∆t 1 − h 1 ≥ 0, C2t 2 + C2∆t 2 − h 2 ≥ 0<br />
zu lösen. Für das Gauß-Newton-Modell µGP erhalten wir<br />
mit<br />
J :=<br />
⎡<br />
µGP = 1<br />
2 F + ∂1F∆t 1 + ∂2F∆t 2 2<br />
F<br />
= 1<br />
<br />
l1 <br />
F<br />
+ ∂1F[e<br />
2 <br />
κ=1<br />
κ ]∆t 1<br />
l2<br />
κ + ∂2F[e<br />
κ=1<br />
κ ]∆t 2<br />
2<br />
<br />
<br />
κ<br />
<br />
F<br />
= 1<br />
<br />
<br />
l1<br />
<br />
vec<br />
(F) + vec (∂1F[e<br />
2 <br />
κ=1<br />
κ ]) ∆t 1<br />
l2<br />
κ + vec (∂2F[e<br />
κ=1<br />
κ ]) ∆t 2<br />
<br />
<br />
<br />
κ<br />
<br />
= 1<br />
<br />
<br />
<br />
1<br />
<br />
∆t<br />
2 vec (F) + J<br />
∆t2 <br />
2<br />
2<br />
→ min<br />
∆t 1 ∈R l 1 ,∆t 2 ∈R l 2<br />
⎢<br />
⎣ vec ∂1F[e 1 ] · · · vec ∂1F[e l1 ] vec ∂2F[e 1 ] · · · vec ∂2F[e l2 ] <br />
Die Jacobi-Matrix J ∈ R (m1+n1−r1)(m2+n2−r2),l1+l2 im Glättungsfall (bzw. J ∈ R m1m2,l1+l2<br />
im Approximationsfall) kann spaltenweise berechnet werden. Sie ist i. allg. vollbesetzt.<br />
2<br />
2<br />
⎤<br />
⎥<br />
⎦