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.
3.3 Restringierte semi-lineare Quadratmittelprobleme 61<br />
3.3.3 Quantitative Analyse von Subproblem (A) und reduziertem Problem<br />
Zur späteren Beschreibung der Lösungsmethode benötigen wir selbstverständlich neben der<br />
Äquivalenz der Probleme eine genaue quantitative Analyse von Subproblem (A) und reduziertem<br />
Problem, insbesondere Gradient, Jacobi-Matrix und Hesse-Matrix des reduzierten<br />
Funktionals f.<br />
Für die Lagrange-Funktion l von Subproblem (A) haben wir<br />
l(α, u; t) := 1<br />
2 y − B(t)α2 − u T g(α; t)<br />
mit den Lagrange-Parametern u ∈ R 2(n−p)<br />
+ und dem Vektor der Nebenbedingungen<br />
<br />
Dp(t)<br />
L<br />
g = g(α; t) :=<br />
α − ∈ R<br />
−Dp(t) −U<br />
2(n−p) .<br />
Die vorzeichenbehafteten Gradienten der Nebenbedingungen sind<br />
R := − (∇αg) T <br />
Dp(t)<br />
= −<br />
∈ R<br />
−Dp(t)<br />
2(n−p),n ,<br />
Γ := − (∇tg) T T Dp(t)<br />
= − ∇t<br />
α ∈ R<br />
−Dp(t)<br />
2(n−p),l .<br />
Größen, welche zu aktiven Nebenbedingungen von Subproblem (A) gehören, werden wir<br />
im weiteren durch einen Strich kennzeichnen, z.B. ¯ R := − (∇αgi) T<br />
i∈I ∈ Rnact,n , ¯ Γ :=<br />
− (∇t¯gi) T<br />
i∈I ∈ Rnact,l , wobei I := {i ∈ {1, . . . , 2(n − p)} | gi(α; t) = 0} und nact := #I die<br />
Indexmenge und Anzahl der aktiven Restriktionen bezeichnen.<br />
Sei ∂ = ∇T t der Operator der Fréchet-Ableitung bez. t. Auf Grund der Regularitätsbedingung<br />
3(b) von Theorem 3.1 hat die Matrix ¯ R vollen Zeilenrang nact. Sei N ∈ Rn,n−nact eine Basis für den Nullraum von ¯ R, und sei ¯ R + die Moore-Penrose-Inverse von ¯ R. Parks<br />
zeigt, daß für allgemeine reduzible nichtlineare Optimierungsprobleme gilt<br />
<br />
∇2 <br />
¯<br />
αl RT <br />
∂α ∇2 = − αtl (3.17)<br />
¯R 0 ∂ū<br />
¯Γ<br />
mit<br />
(3.18)<br />
und<br />
<br />
∇2 ¯<br />
αl RT ¯R 0<br />
−1<br />
=<br />
W11 W12<br />
W T 12 W22<br />
W11 = N N T ∇ 2 αl N −1 T n,n<br />
N ∈ R<br />
W12 = 2<br />
I − W11 ∇αl R ¯ + n,nact<br />
∈ R<br />
2<br />
∇αl W12 ∈ R nact,nact .<br />
W22 = −W T 12<br />
Sie erhält damit Gradient und Hesse-Matrix des reduzierten Funktionals [Par85, Lemma 4.4,<br />
4.6] im allgemeinen Fall.