Skript
Skript
Skript
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Für k > 1 kann der Betrag des ersten Term abgeschätzt werden durch<br />
(<br />
1 − (1 − τσn) 2 k−1) 1<br />
∑k−2<br />
|〈y δ −y, v n 〉| = τσ n (1−τσ<br />
σ<br />
n) 2 j |〈y δ −y, v n 〉| ≤ τσ n kδ.<br />
n<br />
Betrachten wir nun den Fehler zwischen der exakten und der regularisierten<br />
Lösung genauer. Ihr Komponenten in der Singulärwertzerlegung können mit<br />
den gleichen Methoden wie oben abgeschätzt werden als<br />
|〈x k∗(δ)<br />
δ<br />
j=0<br />
− x † , u n 〉| ≤ τσ n k ∗ δ + (1 − τσ 2 n) k−1 ‖x † ‖.<br />
Wählen wir also, für δ → 0, denn Stop-Index so dass k ∗ (δ) → ∞ und k ∗ (δ)δ →<br />
0, dann konvergieren alle Komponenten gegen Null und damit, x k∗(δ)<br />
δ<br />
→ x † ,<br />
d.h. die Landweber-Iteration ist eine konvergenze Regularisierungsmethode.<br />
Für solche iterativen Methoden ist es sehr einfach a-posteriori Stop-Regeln wie<br />
das Diskrepanzprinzip zu benutzen:<br />
k ∗ (δ, y δ ) := inf{k ∈ N | ‖T x δ k − yδ ‖ < ηδ},<br />
2<br />
mit η ≥<br />
2−τ‖T ‖. Grob bedeutet dies, dass wir die Iteration stoppen, sobald der<br />
Fehler zum ersten mal kleiner oder gleich dem Rauschen ist. Um diese Regel zu<br />
implementieren muss man also nur T x δ k − yδ (das ohnehin in jeder Iteration<br />
berechnet wird) auswerten und mit dem Rauschlevel vergleichen. Um dieses<br />
Diskrepanzprinzip besser zu verstehen betrachten wir wieder den Fehler:<br />
‖x δ k+1 − x† ‖ 2 − ‖x δ k − x† ‖ 2 = τ 2 ‖T ∗ (T x δ k − yδ )‖ 2 − 2τ(x δ k − x† , T ∗ (T x δ k − yδ ))<br />
= τ 2 ‖T ∗ (T x δ k − yδ )‖ 2 − 2τ〈T x δ k − y, T xδ k − yδ 〉<br />
≤ τ 2 ‖T ‖‖T x k δ − yδ ‖ 2 − 2τ‖T x k δ − yδ ‖ 2 − 2τ〈y δ − y, T x k δ − yδ 〉<br />
(<br />
)<br />
≤ −τ‖T x k δ − yδ ‖ (2 − τ‖T ‖)‖T x k δ − yδ ‖ − 2δ<br />
≤ − τ (<br />
)<br />
η ‖T xk δ − yδ ‖ ‖T x k δ − yδ ‖ − ηδ .<br />
So lange k < k ∗ können wir die Negativität der rechten Seite garantieren und<br />
damit<br />
‖x k+1<br />
δ<br />
− x † ‖ 2 ≤ ‖x k δ − x† ‖ 2 ,<br />
d.h. der Fehler verringert sich mindestens bis der Stop-Index erreicht ist.<br />
Man kann weiterhin zeigen (cf. [4]) dass auch das Diskrepanzprinzip eine konvergente<br />
Regularisierungsmethode liefert. Falls x † zusätlich noch eine Quellbedingung<br />
der Art x † = T ∗ p für p ∈ Y erfüllt gilt sogar<br />
‖x k∗<br />
δ<br />
− x † ‖ = O( √ δ),<br />
also ein Resultat analog zu den stetigen Regularisierungsmethoden aus Kapitel<br />
3.<br />
79