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.
3.5 Numerische Lösung des reduzierten Problems 71<br />
Splineglättung erhalten wir für die Kaufman-Approximation<br />
(3.25) JK := P ⊥ <br />
B<br />
<br />
B Jt + √ ¯R<br />
õS N<br />
µSr<br />
+ <br />
Γ¯<br />
∈ R m+n−r,l<br />
mit<br />
(3.26)<br />
(3.27)<br />
sowie<br />
(3.28)<br />
<br />
Jt := −∂<br />
B(t)<br />
√ µSr(t)<br />
P ⊥ <br />
B<br />
√µS N := Im+n−r<br />
<br />
−<br />
<br />
R ¯ Dp(t)<br />
:= −<br />
−Dp(t)<br />
<br />
i∈I<br />
<br />
α(t) ∈ R m+n−r,l ,<br />
B<br />
√ µSr<br />
∈ R nact,n ,<br />
<br />
N<br />
¯ Γ := −∂<br />
B<br />
√ µSr<br />
+<br />
N ∈ R m+n−r,m+n−r<br />
Dp(t)<br />
−Dp(t)<br />
<br />
i∈I<br />
α(t) ∈ R nact,l .<br />
Die Matrix JK ∈ R m+n−r,l wird erneut spaltenweise berechnet, d. h. JKe κ ∈ R m+n−r<br />
(κ = 1, . . . , l).<br />
Wir bemerken zunächst, daß sich die Berechnung der Matrizen, welche Ableitungen bez.<br />
der freien Knoten enthalten, gegenüber dem unrestringierten Fall nicht geändert hat. Die<br />
Berechnung von Jt kann unmittelbar aus Abschnitt 2.5.3 übernommen werden, wobei jetzt<br />
jedoch α das Subproblem (A) löst. Die Matrix ¯ Γ erhalten wir aus Algorithmus 2.2, indem<br />
wir die Komponenten, welche zu aktiven Nebenbedingungen gehören, mit entsprechenden<br />
Vorzeichen versehen.<br />
Berechnung einer Nullraumbasis N bzw. von Vektoren ¯ R + v<br />
Zur Berechnung des orthogonalen Projektors (3.27) wird eine Basis N des Nullraumes von ¯ R<br />
benötigt. Eng damit verbunden ist die Berechnung von Vektoren x = ¯ R + v für verschiedene<br />
v ∈ R nact , genauer von xκ = ¯ R + ¯ Γe κ (κ = 1, . . . , l). Für die Matrix ¯ R ∈ R nact,n gilt<br />
0 ≤ nact ≤ n, rank ¯ R = nact und die Zeilenbandbreite beträgt p + 1.<br />
Beispiel 3.5. n = 10, p = 2, nact = 4, I = {4, 6, 10, 15}<br />
⎡<br />
x x x<br />
⎢<br />
¯R = ⎢<br />
⎣ x x x<br />
x x x<br />
x x x<br />
⎤<br />
⎥<br />
⎦ ∈ R4,10<br />
Der Vektor x kann als Lösung des Minimum-Norm-Problems x → min bei ¯ Rx = v<br />
interpretiert werden. Ein naheliegende Möglichkeit zu dessen Lösung ist die Methode der<br />
Normalgleichungen 2.Art, d. h. die Berechnung der Cholesky-Faktorisierung ¯ R ¯ RT = LLT ,<br />
Lösung des Gleichungssystems LLT w = v und Bildung von ¯ RT w. Die Fehlerschranke der<br />
berechneten Lösung hängt von cond( ¯ R) 2 ab.<br />
Ein Verfahren mit besseren Stabilitätseigenschaften erhält man mittels einer QR-Faktorisierung<br />
von ¯ RT . Wegen N <br />
R¯ = R ¯R T ⊥ kann damit gleichzeitig eine orthonormale<br />
Basis N des Nullraumes von ¯ R berechnet werden. Sei Q1 = (Q11 | Q12) ∈ Rn,n mit<br />
Q11 ∈ Rn,nact und Q12 ∈ Rn,n−nact eine orthogonale Matrix mit<br />
Q T 1 ¯ R T <br />
QT = 11 ¯R T <br />
R1<br />
= , R1 ∈ R<br />
0<br />
nact,nact reguläre obere Dreiecksmatrix.<br />
Q T 12