OPTIM´ALN´I ROZHODOV´AN´I AËR´IZEN´I
OPTIM´ALN´I ROZHODOV´AN´I AËR´IZEN´I
OPTIM´ALN´I ROZHODOV´AN´I AËR´IZEN´I
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
KAPITOLA 3. MINIMALIZACE KVADRATICKÝCH FOREM 32<br />
Předchozí vztah platí pro pozitivně definitní matici A. Pokud je matice A pouze pozitivně<br />
semidefinitní, pak místo inverze matice je třeba použít pseudoinverzi (viz dále).<br />
Hessova matice druhých derivací minimalizované kvadratické formy je rovna matici<br />
(A + A T ) a proto při pozitivně semidefinitní matici A je existence minima zajištěna.<br />
Pozn: Úplně podobným postupem můžeme hledat minimum kvadratické formy vzhledem<br />
k vektoru y.<br />
✷<br />
Jednodušší metoda minimalizace kvadratických forem spočívá v jejich úpravě na úplný<br />
čtverec. Kvadratickou formu (3.4) upravíme do tvaru<br />
J(x, y) = (x − x ∗ ) T A (x − x ∗ ) + y T Cy − (x ∗ ) T Ax ∗ (3.8)<br />
kde x ∗ je zatím nějaký vektor. Aby předchozí kvadratická forma byla rovna kvadratické<br />
formě (3.4), musí zřejmě platit<br />
−(x ∗ ) T Ax = y T Dx,<br />
−x T Ax ∗ = x T By<br />
Protože předchozí vztahy platí pro všechna x, platí zřejmě<br />
−(x ∗ ) T A = y T D,<br />
−Ax ∗ = By<br />
Po transpozici první rovnice a následném sečtení obou rovnic dostaneme<br />
Neznámý vektor x ∗ je tedy roven<br />
− ( A + A T ) x ∗ = ( B + D T ) y<br />
x ∗ = − ( A + A T ) −1 ( B + D T ) y.<br />
Kvadratická forma (3.8) je minimální vzhledem k proměnné x tehdy, když x = x ∗ , nebot’<br />
x ∗ není na x závislé. Proto x ∗ je optimální hodnota x, minimalizující kvadratickou formu.<br />
Výsledek je stejný jako při použití derivací - viz (3.7). Při minimalizaci kvadratických<br />
forem jejich úpravou na úplný čtverec získáme jejich minimum jednoduše bez použití<br />
derivací. Minimální hodnotu kvadratické formy dostaneme dosazením x ∗ do (3.8).<br />
Z předchozích vztahů je zřejmé, že můžeme předpokládat, že matice A je symetrická<br />
matice. Pokud tomu tak není, můžeme ji symetrizovat zavedením nové symetrické matice<br />
A s = 1 2 (A + AT ) a výsledek optimalizace se zřejmě nezmění. Podobně lze symetrizovat i<br />
matici C. Také můžeme předpokládat, že matice B a D jsou si až na transpozici rovny.<br />
Pokud tomu tak není, pak zavedeme novou matici B 1 podle vztahu B+D T = 2B 1 a touto<br />
novou maticí B 1 nahradíme matice B a D v kvadratické formě podle vztahu B = B 1 ,<br />
D = B T 1 . Hodnota kvadratické formy se zřejmě nezmění. Proto budeme dále předpokládat,<br />
že matice A i matice C jsou symetrické matice a matice B a D jsou si až na transpozici<br />
rovny.<br />
Kvadratické formy můžeme zapisovat také ve tvaru<br />
J(x, y) = [ x T y T ] [ A B<br />
B T C<br />
] [<br />
x<br />
y<br />
]<br />
. (3.9)