5.2.1 Inversi
5.2.1 Inversi
Untuk mengatasi masalah minimisasi (5.74) kita, seperti biasa, menghitung variasi
pertama:
ᵟ Pα (m) = ᵟ (A(m) - d, A(m) - d)D + α ᵟ (W (m-mapr), W (m-mapr))M
=2 (ᵟ A(m) - A(m) - d)D + 2α (ᵟ Wm, W (m-mapr))M
Mempertimbangkan bahwa operator A dapat dibedakan, dengan:
ᵟA(m) = Fmᵟm
dimana Fm adalah operator linier turunan Fréchet dari A, yang kita miliki
ᵟ Pα (m) = 2 (Fmᵟm, A(m) - d)D + 2α (ᵟ Wm, W (m-mapr))M 5.75
= 2 ᵟm, F*m[A(m) – d] + αW*W (m-mapr))M
dimana F∗ dan W∗ adalah operator adjoint.
Mari kita pilih
ᵟm = - kαIα (m) 5.76
dimana k α adalah bilangan real positif dan l α (m) adalah arah pendakian paling curam
fungsional P α (m):
I α (m) = F *m[A(m) – d)] + αW*W (m-mapr) 5.77
Dengan subsitusi persamaan (5.76) dan (5.77) ke (5.75), maka didapat:
ᵟ Pα (m) = -2k (I α (m), I α (m)) < 0
di mana "arah" dari pendakian ˜lα (mn) dipilih sesuai dengan algoritma
yang dijelaskan atas.
Pada langkah pertama, kami menggunakan "arah" pendakian paling
curam yang diatur:
Pada langkah berikutnya, "arah" pendakian adalah kombinasi linear dari curam yang
diatur naik pada langkah ini dan "arah" kenaikan ˜lα (m0) pada langkah sebelumnya:
Langkah k˜αn dipilih berdasarkan minimalisasi