可不可以给出详细的运算过程::>_<::
謝谢。
你对这个回答的评价是
两个实部相等,虚部互为相反数的复数互为共轭复数当虚部不为零时,共轭复数就是实部相等虚部相反,如果虚部为零,其共轭复数就是自身
你对这个回答的评价是?
中国科学技术大学数学科学学院 |
朂速下降法和共轭梯度法本质上来说是一种变分方法对应于求一个二次函数的极值,是一种极小化方法
共轭梯度法在最初是当作直接法出现在20世纪50年代。到了八九十年代预处理共轭梯度法得到很大的发展,成为求解大型稀疏对称正定矩阵的最有效方法
阶向量,对于線性方程组 先给出等价的变分问题。定义
这样,得到整个最速下降法算法为
的最大和最小的特征值则由最速下降法得到的序列
,利用A囸交性可以得到
定理 3.由共轭梯度法得到的向量组
注. 由此,可以证明共轭梯度法最多经过步迭代后,可以得到精确解
的最大和最小的特征值。则由共轭梯度法得到的序列
知共轭梯度法比最速下降法的收敛性要好很多
求解非对称线性方程组的算法:广义极小残量法(General Minimal RESidual)。现在已经成为当前求解大型稀疏非对称线性方程组的主要手段
由于浮点运算的误差,共轭梯度法和广义极小残量法在计算中得到的向量会逐渐失去正交性况且在大型稀疏矩阵中,步收敛仍然不能令人满意 预处理技术用来加速收敛。
简单地说以较小的代价找到矩阵
嘚算法。分别称为左预处理或右预处理的迭代方法若存在
称为对称预处理方法。对称预处理方法在共轭梯度法中经常使用称
,就是一个常用的预处理矩阵
[#ex9-1-0]. 参考书: 现代数值计算(第2版),同济大学计算数学教研室人民邮电出版社
P171 , 最速下降法误差估计
【摘要】:正 本文是文献[1]的继续,其目的是改进文献[1]关于多重共轭Fourier级数强求和的结果 沿用文献[1]的记号。设Q={x=(x_1,…,x_k):-π≤x_jπ,j=1,…,k} L(Q)表示在Q上可积的函数的集合,设P(x)是一个n≥1次的k元齐次調和多项式。对于f∈
支持CAJ、PDF文件格式仅支持PDF格式
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
|
||||||||||
|
可不可以给出详细的运算过程::>_<::
謝谢。
你对这个回答的评价是
两个实部相等,虚部互为相反数的复数互为共轭复数当虚部不为零时,共轭复数就是实部相等虚部相反,如果虚部为零,其共轭复数就是自身
你对这个回答的评价是?
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。