-
QQ空間
-
QQ好友
-
微信好友
-
新浪微博
共軛梯度法
方法的表述設我們要求解下列線性系統(tǒng)其中n-×-n矩陣A是對稱的（也即，A=A），正定的（也即，xAx>0對于所有非0向量x屬于R），并且是實系數(shù)的。將系統(tǒng)的唯一解記作x*。最后算法經(jīng)
方法的表述
設我們要求解下列線性系統(tǒng)
其中n-×-n矩陣A是對稱的（也即，A = A），正定的（也即，xAx > 0對于所有非0向量x屬于R），并且是實系數(shù)的。
將系統(tǒng)的唯一解記作x*。
最后算法
經(jīng)過一些簡化，可以得到下列求解Ax = b的算法，其中A是實對稱正定矩陣。
相關
共軛梯度法的推導
非線性共軛梯度法（英語：Nonlinear conjugate gradient method）
參考
共軛梯度法最初出現(xiàn)于
Magnus R. Hestenes and Eduard Stiefel（1952）,Methods of conjugate gradients for solving linear systems, J. Research Nat. Bur. Standards49, 409–436.
下列教科書中可以找到該方法的描述
Kendell A. Atkinson（1988）,An introduction to numerical analysis（2nd ed.）,Section 8.9, John Wiley and Sons. ISBN 0-471-50023-2.
Gene H. Golub and Charles F. Van Loan, Matrix computations（3rd ed.）,Chapter 10, Johns Hopkins University Press. ISBN 0-8018-5414-8.
免責聲明：以上內(nèi)容版權歸原作者所有，如有侵犯您的原創(chuàng)版權請告知，我們將盡快刪除相關內(nèi)容。感謝每一位辛勤著寫的作者，感謝每一位的分享。
——— 沒有了 ———
編輯：阿族小譜
文章價值打分
- 有價值
- 一般般
- 沒價值
當前文章打 0 分，共有 0 人打分
文章觀點支持
0
0
文章很值，打賞犒勞一下作者~
打賞作者
“感謝您的打賞，我會更努力的創(chuàng)作”
— 請選擇您要打賞的金額 —
{{item.label}}
{{item.label}}
打賞成功!
“感謝您的打賞，我會更努力的創(chuàng)作”
返回
打賞
私信
24小時熱門
推薦閱讀
· 梯度下降法
描述梯度下降法的描述。梯度下降方法基于以下的觀察：如果實值函數(shù)F(x){\displaystyleF(\mathbf{x})}在點a{\displaystyle\mathbf{a}}處可微且有定義，那么函數(shù)F(x){\displaystyleF(\mathbf{x})}在a{\displaystyle\mathbf{a}}點沿著梯度相反的方向??-->??-->F(a){\displaystyle-\nablaF(\mathbf{a})}下降最快。因而，如果對于γγ-->>0{\displaystyle\gamma>0}為一個夠小數(shù)值時成立，那么F(a)≥≥-->F(b){\displaystyleF(\mathbf{a})\geqF(\mathbf)}?？紤]到這一點，我們可以從函數(shù)F{\displaystyleF}的局部極小值的初始估計x0{\d...
· 梯度
梯度的解釋假設有一個房間，房間內(nèi)所有點的溫度由一個標量場??-->{\displaystyle\phi}給出的，即點(x,y,z){\displaystyle(x,y,z)}的溫度是??-->(x,y,z){\displaystyle\phi(x,y,z)}。假設溫度不隨時間改變。然后，在房間的每一點，該點的梯度將顯示變熱最快的方向。梯度的大小將表示在該速度上變熱的速度?？紤]一座高度在(x,y){\displaystyle(x,y)}點是H(x,y){\displaystyleH(x,y)}的山。H{\displaystyleH}這一點的梯度是在該點坡度（或者說斜度）最陡的方向。梯度的大小告訴我們坡度到底有多陡。梯度也可以告訴我們一個數(shù)量在不是最快變化方向的其他方向的變化速度。再次考慮山坡的例子?？梢杂袟l直接上山的路其坡度是最大的，則其坡度是梯度的大小。也可以有一條和上坡方向成...
· 超共軛效應
歷史1939年，羅伯特·S·馬利肯在他關于紫外光譜和共軛分子的研究中首次提出這個概念。他觀察到隨著烯上的烷烴增多，吸收光譜移向長波長端。這種紅移在一般的共軛化合物中很常見，例如丁二烯中。他也首次提出這些取代烯烴的氫化熱較低的原因也是由于超共軛。在超共軛這個概念提出之前，人們已經(jīng)在1935年發(fā)現(xiàn)了Baker-Nathan效應。應用超共軛也可以解釋很多其他的化學現(xiàn)象，例如端基異構效應、偏轉效應、β-硅效應、環(huán)外羰基的振動頻率以及取代碳正離子的穩(wěn)定性等。根據(jù)量子力學模型的推導，交叉式構象的優(yōu)先性也可以由超共軛效應來解釋，而不是老的教科書提到的位阻效應。對化學性質(zhì)的影響超共軛效應能影響分子的結構與化學性質(zhì)，主要體現(xiàn)在：鍵長：超共軛效應是σ鍵鍵長變短。例如，1,3-丁二烯與丙炔中C–C單鍵鍵長均為1.46?，小于一般的C-C單鍵鍵長。對于1,3-丁二烯，可由電子離域解釋，而丙炔無交叉的C-C雙鍵，沒...
· 共軛變數(shù)
相關條目廣義力廣義坐標
· 共軛轉置
例子若則基本評注如果A的元素是實數(shù)，那么A與A的轉置A相等。把復值方塊矩陣視為復數(shù)的推廣，以及把共軛轉置視為共軛復數(shù)的推廣通常是非常有用的。元素為aij{\displaystylea_{ij}}的方塊矩陣A稱為：埃爾米特矩陣或自伴矩陣，如果A=A，也就是說，aij=aji??-->{\displaystylea_{ij}=a_{ji}^{*}}；斜埃爾米特矩陣或反埃爾米特矩陣，如果A=?A，也就是說，aij=??-->aji??-->{\displaystylea_{ij}=-a_{ji}^{*}}；正規(guī)矩陣，如果AA=AA。即使A不是方塊矩陣，AA和AA仍然是埃爾米特矩陣和半正定矩陣。性質(zhì)(A+B)=A+B。(rA)=rA，其中r為復數(shù)，r為r的復共軛。(AB)=BA，其中A為m行n列的矩陣，B為n行p列矩陣。(A)=A若A為方陣，則det(A)=(detA)，且tr(...
關于我們
關注族譜網(wǎng) 微信公眾號，每日及時查看相關推薦，訂閱互動等。
APP下載
下載族譜APP 微信公眾號，每日及時查看
掃一掃添加客服微信
{{item.time}} {{item.replyListShow ? '收起' : '展開'}}評論 {{curReplyId == item.id ? '取消回復' : '回復'}}
{{_reply.time}}