数值11(共轭梯度法)课件.ppt

  1. 1、本文档共36页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
Possion方程: 令 h 1/ n+1 , xj jh, yj jh i , j 0,1, ···, n+1 记 ui,j u xi , yj , i , j 0,1, ···, n+1 线性方程组 i,j 1,···,n u0, j 0, ui, 0 0, ui, n+1 0 i,j 1,···,n 算例2 A gallery 'poisson', n ; 重要性质: * 证明的细节: x 0 0 * 注3. 共轭梯度法误差分析所用范数为 注4.设 x* 是方程组Ax b的解,A的特征值为: ?1≥?2 ≥ …≥?n> 0 共轭梯度法迭代向量xk 误差估计结果为 注2. 共轭梯度法适用于求解对称正定矩阵方程组。 * 参考文献: An Introductionto the Conjugate Gradient Method Without the Agonizing Pain Iterative Krylov Methods for Large Linear Systems * * * * * * test * test * test * test * * test * */34 初等变分原理 最速下降法 共轭梯度法 数值试验算例 《数值分析》 11 ? ? ? ? * x, x ≥ 0, 当且仅当x 0时等号成立; x, y y, x ; kx+l y, z k x, z + l y, z ; x,y ||x||2||y||2cos x,y 。 预备知识 设 , 则实数 x , y xT y x1y1+ …+xnyn * 设A是 n 阶对称正定阵 Ax, x ≥ 0, 当且仅当x 0时等号成立; Ax, y x, Ay A y, x y, Ax ; kAx+lA y, z k Ax, z + l Ay, z . 预备知识 矩阵A正定,如果对于任意非零向量x满足 xTAx 0. * 预备知识 例如 f x1,x2,x3 x12x22x32 梯度 多元函数的一阶导数信息 : * 思考:多元函数的二阶导数信息? 预备知识 泰勒展式 数值分析的基石 : * 单变量函数极值点 费马引理 : * 注释: 费马引理的价值在于将极值问题转化为非线性方程的求解问题。 * 多变量函数极值点: 定理4.10 初等变分原理 设A aij n×n为实对称正定矩阵, 则 x是二次函数 的极小值点? x 是线性方程组 Ax b 的解。 证明: 设 u 是 Ax b的解 ? Au b ? 对任意 x∈R n , 只须证明 f x – f u ≥ 0 * 设 u 是 f x 极小值点。取非零向量 x∈R n, 对任意 t∈R , 有 当 t 0 时, g 0 f u 达到极小值, 所以 g′ 0 0,即 Au – b , x 0 ? Au – b 0 所以u 是方程组 Ax b 的解。 * 最速下降方向 从初值点 x 0 出发,以负梯度方向 r 为搜索方向 在 x 处,梯度方向是 f x 增长最快方向 负梯度方向是 f x 下降最快方向 选择步长 t0, 使 x 1 x 0 + t0r 为 f x 极小值点 最速下降方向: r –?f b – Ax * 求解得 t0 r0 , r0 / Ar0 , r0 为选取最佳步长 t0,令 取初值点 x 0 , 取负梯度方向 r0 b – A x 0 求点: x 1 x 0 + t0r0 使得 记 * 精确搜索步长 解对称正定方程组Ax b 的最速下降算法: 第一步: 取初值 x 0 ∈R n , ? 0,计算 r0 b – Ax 0 , k ? 0; 第二步: 计算 tk rk ,rk / Ark , rk x k+1 x k + tk rk , rk+1 b – Ax k+1 第三步: k ? k+ 1, 如果 ||rk|| ≥ ?,转第二步; 否则输出 x k , 结束。 * 注释: 最速下降算法思想简单且容易实现,是求解无约束优化问题的经典方法。 最好 + 最好 最好 方向 最速下降 best rk 步长 精确搜索 best tk x k+1 x k + tkrk 是否最好 ? * Rosenbrock 方程 f x1,x2 1-x1 2+100 x2-x12 2 * Rosenbrock 方程 f x1,x2 1-x1 2+100

文档评论(0)

bbnm58850 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档