pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
pdf-file, 2.03 Mbyte - Torsten Schütze
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
2.5 Numerische Lösung des reduzierten Problems 33<br />
(b) Wenn (α ∗ , t ∗ ) eine globale Minimumstelle von FSP ist, so ist t ∗ globale Minimumstelle<br />
von RSP. Es gilt f(t ∗ ) = f(α ∗ , t ∗ ) und (2.38).<br />
Beweis. Voraussetzung (V1) sichert die Existenz der Matrixfunktionen B(.) und Sr(.). Wegen<br />
(V2) hat die Systemmatrix Bµ(t) ∈ R m+n−r,n nach Lemma 2.5 Vollrang n für alle<br />
zulässigen t. Unter Verwendung von (V1) und (V3) erhalten wir aus Korollar 2.8 die Differenzierbarkeit<br />
der B-Splines und damit der Matrixfunktion B(.) bez. der freien Knoten.<br />
Die Differenzierbarkeit der Glättungsmatrix Sr(.) folgt unmittelbar aus der Definition. Die<br />
Systemmatrix Bµ(.) ist also eine Fréchet-differenzierbare Matrixfunktion mit konstantem<br />
Rang, erfüllt also alle Voraussetzungen von Theorem 2.1 bzw. 2.2. Die Aussage folgt durch<br />
unmittelbare Anwendung dieser Sätze. Dabei beachte man, daß die Menge Ω den gesamten<br />
zulässigen Bereich t ∈ R l : Ct − h ≥ 0 einschließt und daß α ∗ in Theorem 2.1 (b) wegen<br />
des Vollrangs von Bµ(.) eindeutig ist.<br />
Bemerkung 2.1. (i) Im Fall der Splineapproximation muß (V2) durch die Bedingung<br />
(V 2 ′ ) Die Schoenberg-Whitney-Bedingung (2.3) ist für alle t aus einer offenen Umgebung<br />
Ω ∗ von t ∗ erfüllt.<br />
ersetzt werden. Man erhält dann nur lokale Aussagen bez. dieser Umgebung und die<br />
globale Glattheit des reduzierten Funktionals ist nicht gesichert.<br />
(ii) Eigentlich ist nur die Bedingung #τ p(j) ≤ k − 2 (j = 1, . . . , l) für die Differenzierbarkeit<br />
nach den Knoten an allen Stellen t erforderlich. Der Einfachheit halber, um<br />
einheitlich die Formel (2.37) verwenden zu können, beschränken wir uns auf #τ p(j) = 1<br />
und demzufolge k ≥ 3. Für die Fälle k = 1, 2 existieren spezielle Verfahren zur L2-<br />
Approximation von stetigen Funktionen, siehe z.B. [LW91] und [Bai94], welche sich<br />
sinngemäß auf die l2-Approximation übertragen lassen. Loach und Wathen berichten<br />
jedoch, daß selbst im Fall k = 2 eine direkte, und somit teure Suche nach einem<br />
guten Startpunkt auf einem genügend feinen Gitter nötig ist, um einen robusten Algorithmus<br />
zu erhalten. Baines betrachtet unstetige stückweise konstante und lineare<br />
L2-Approximationen.<br />
(iii) Läßt man zusammenfallende Knoten zu, so erhält man Mannigfaltigkeiten mit Spitzen,<br />
d. h. die Ableitungen nach den Knoten sind bei mehrfachen Knoten nicht mehr<br />
regulär. Man muß dann mit Tangentialkegeln [Cro79] bzw. erweiterten Tangentialkegeln<br />
[Mul92] arbeiten. In [Cro79] findet man dazu ein numerisches Verfahren für den<br />
Fall der L2- und L∞-Approximation von Funktionen.<br />
Theorem 2.6 zeigt, daß der Übergang vom vollständigen zum reduzierten Glättungsproblem<br />
keine stationären Punkte erzeugt und daß die Lösung des Originalproblems nicht<br />
ausgeschlossen wird. Wir werden uns daher im weiteren darauf konzentrieren, das reduzierte<br />
Problem numerisch zu lösen.<br />
2.5 Numerische Lösung des reduzierten Problems<br />
Das reduzierte Problem ist ein nichtlineares Quadratmittelproblem mit linearen Ungleichheitsnebenbedingungen.<br />
Es besitzt nur l unabhängige Variable gegenüber n + l beim Ausgangsproblem,<br />
ist jedoch von einer größeren Komplexität. Bei der Auswahl eines numerischen<br />
Verfahrens zur Lösung dieses Problems ist darauf zu achten, daß