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 35<br />
Das Problem LSI mit einer Vollrangmatrix A wird durch eine orthogonale Transformation<br />
in das Problem LDP überführt. Das Problem LDP schließlich wird in das Problem NNLS<br />
transformiert, welches mit einer aktiven Mengenstrategie gelöst wird (siehe [LH95, Chapter<br />
23]). Die Prozeduren zur Lösung von LDP und NNLS entnehmen wir den gleichnamigen<br />
FORTRAN-Programmen in [LH95]. Wir geben daher nur die Transformation von Problem<br />
LSI in Problem LDP an.<br />
Transformation von Problem LSI in Problem LDP<br />
Sei AP = Q ˆ R eine QR-Faktorisierung der Vollrangmatrix A ∈ R m,n mit<br />
Dann gilt<br />
Q = (Q1, Q2) ∈ R m,m orthogonal, Q1 ∈ R m,n , Q2 ∈ R m,m−n<br />
ˆR =<br />
R<br />
0<br />
<br />
∈ R m,n , R ∈ R n,n<br />
P ∈ R n,n Permutationsmatrix.<br />
reguläre obere Dreiecksmatrix<br />
1<br />
2 Ax − b2 = 1 <br />
<br />
2<br />
Q T AP P T x − Q T b 2 = 1<br />
2<br />
<br />
<br />
R<br />
0<br />
<br />
P T QT x − 1 b<br />
QT 2 b<br />
<br />
2<br />
,<br />
nach Einführung neuer Variablen y := PT x ∈ Rn , c1 := QT 1 b ∈ Rn , c2 := QT 2 b ∈ Rm−n<br />
= 1<br />
2 Ry − c1 2 + 1 2<br />
c2<br />
2<br />
und nach erneuter Variablentransformation z := Ry − c1 ∈ R n schließlich<br />
= 1<br />
2 z2 + 1<br />
2 c2 2 .<br />
Durch Transformation der Nebenbedingungen erhalten wir CPR −1 z ≥ h − CPR −1 c1. Das<br />
Problem LSI ist damit äquivalent zu dem Least Distance Problem<br />
min z : CPR −1 z ≥ h − CPR −1 c1, z ∈ R n .<br />
Die notwendige QR-Faktorisierung erfolgt durch Householder-Spiegelungen mit Spaltenpivotisierung.<br />
Vor der Lösung der Gleichungssysteme mit der oberen Dreiecksmatrix R erfolgt<br />
eine Schätzung der Konditionszahl. Wenn cond(R) > 1 / √ macheps gilt, brechen wir den<br />
Algorithmus ab.<br />
Ist die Matrix J in obigem Sinne (fast) rangdefizient, so ersetzen wir das Originalproblem<br />
(2.39) durch das regularisierte Problem<br />
<br />
2<br />
1 <br />
min F J <br />
2 + √ s<br />
0 λI : Cs ≥ h − Ct ν , s ∈ R l<br />
<br />
mit λ = √ l × macheps J T J 1 . Diese Strategie wird von Dennis/Schnabel [DS83, S. 151]<br />
vorgeschlagen und in dem zugehörigen Programmpaket realisiert. Dort findet sich auch eine<br />
theoretische Fundierung für die Wahl der Größe des Lagrange-Parameters λ.