Antworte auf:  Supremum in der Lagrange-Funktion von mbInfoStudent
Forum:  Numerik & Optimierung, moderiert von: matroid

[Zur Forum-Gliederung] [Wie man Fragen beantwortet] [Themenstart einblenden]

  Alle registrierten Mitglieder können Mitteilungen schreiben.
Benutzername:
Passwort:
Nachricht-Icon:                   
                  
              
Nachricht:


 

Erledigt J


Input assistance tools (JavaScript): [Link extern intern] [MathML?] [$$?]
[fed-area] [LaTeX-inline] [LaTeX-display] [Tikz] [hide-area][show-area] [Source code [num.]][?]
 Show Preview      Write using fedgeo formula editor or Latex.

Smilies for your message:
😃 😄 😁 🙂 🙃 😉 🤗 🤫 🤔 🙄 😴 🤒 😎 😮 😲 😂
🙁 😖 😒 😐 😡 👌 👍 👎 🤢 🤧 🥵 🥶 😵 🤯 😛 😷
Optionen: Deaktiviere HTML in dieser Nachricht
Deaktiviere MATHML in dieser Nachricht. Wenn Dein Text $-Zeichen enthält, die nicht LaTeX-Formeln begrenzen.
Deaktiviere Smilies in dieser Nachricht
Zeige die Signatur (Kann in 'Mein Profil' editiert werden.)
    [Abbrechen]
 
Beachte bitte die [Forumregeln]


Themenübersicht
mbInfoStudent
Aktiv
Dabei seit: 22.08.2015
Mitteilungen: 54
Herkunft:
 Beitrag No.1, eingetragen 2020-08-07 14:23    [Diesen Beitrag zitieren]

Ich denke, ich habe es selbst raus:
Wir wissen $Ax\leq b$ und $y\geq0$, somit ist $y^T(Ax-b)\leq0$. Wenn wir $p(x)$ minimieren würden, ohne $y^T(Ax-b)$ zu maximieren, wäre das nicht äquivalent zum Minimieren von $q(x)$. $p(x)=q(x)$ genau dann, wenn $y^T(Ax-b)=0$ und gleichzeitig $x$ zulässig ist. Und $y^T(Ax-b)=0$ ist das Supremum von der Lagrange Funktion über $y$.
Das kann man natürlich mathematisch besser aufschreiben, aber so ist meiner Meinung nach der Gedanke dahinter.


mbInfoStudent
Aktiv
Dabei seit: 22.08.2015
Mitteilungen: 54
Herkunft:
 Themenstart: 2020-08-07 13:39    [Diesen Beitrag zitieren]

In meinem Skript ist geschrieben, dass gegeben ein quadratisches Problem (QP):
$$ \min_x q(x):= c^Tx+\frac{1}{2}x^TQx $$ $$\text{ } s.t.\text{ } Ax\leq b$$ wobei $c\in \mathbb{R}^n, Q\in \mathbb{R}^{n\times n} $ is symmetrisch positiv semidefinit, $A\in \mathbb{R}^{m\times n}, b\in \mathbb{R}^m$
mit Lagrange Funktion>
$$ L(x,y):=q(x) + y^T(Ax -b),$$ is äquivalent zu
$$ \min_x p(x), \text{    } p(x):= \sup_{y\geq 0} L(x,y)$$
Meine Frage ist warum für $p(x)$ das Supremum von der Lagrange Funktion benutzt wird: $p(x):= \sup_{y\geq 0} L(x,y)$. Generell muss ja für ein KKT-Punkt gelten $y^T(Ax -b) =0$ und $q(x)$ minimiert werden. Was ist dann der Sinn für das Supremum? fed-Code einblenden




 
All logos and trademarks in this site are property of their respective owner. The comments are property of their posters, all the rest © 2001-2020 by Matroids Matheplanet
This web site was originally made with PHP-Nuke, a former web portal system written in PHP that seems no longer to be maintained nor supported. PHP-Nuke is Free Software released under the GNU/GPL license.
Ich distanziere mich von rechtswidrigen oder anstößigen Inhalten, die sich trotz aufmerksamer Prüfung hinter hier verwendeten Links verbergen mögen.
Lesen Sie die Nutzungsbedingungen, die Distanzierung, die Datenschutzerklärung und das Impressum.
[Seitenanfang]