共轭法解线性方程组-简介无推导

最新推荐文章于 2024-07-25 17:09:24 发布
最新推荐文章于 2024-07-25 17:09:24 发布
阅读量1.8k 收藏 2
点赞数
分类专栏： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lv_tianxiaomiao/article/details/70175242
版权

这里记录一下共轭梯度法，一直想了解这个算法

但是网上搜了很多东西写的都没法看

看来以后想学什么还是直接去看英文原版比较好


这个共轭梯度最初的提出是用来解线性方程组的，这里先介绍解方程组的步骤

求解方程组AX = b , 要求A是对称正定矩阵， 这要求够严苛的

原文中给出了简洁明了的求解步骤：


  

lv_tianxiaomiao
关注
专栏目录
五点差分法求解泊松方程-共轭梯度法和G-S迭代法
forrestguang的博客
12-30 3055
差分法求解矩形区域椭圆方程 Δu=f,x∈Ω=[−1,1]∗[−1,1]\Delta u = f, x \in \Omega = [-1,1]*[-1,1]Δu=f,x∈Ω=[−1,1]∗[−1,1] u=g,x∈∂Ωu = g, x \in \partial \Omegau=g,x∈∂Ω 在x轴和y轴上分别取分划长度为dx,dy，令M=int(2/dx)+1,N=int(2/dx)+1M = int(2/dx) + 1,N = int(2/dx) + 1M=int(2/dx)+1,N=int(2/dx)+
预处理共轭梯度(PCG)解线性联立方程(python,数值积分)
seventonight的博客
04-20 2970
第十四课 线性联立方程的预处理共轭梯度(PCG) 系数矩阵病态 百度解释：求解方程组时如果对数据进行较小的扰动，则得出的结果具有很大波动，这样的矩阵称为病态矩阵 在直接求解的诸多方法中，线性方程可能无法准确地求解，尤其是在使用“手动”计算时。在这种情况下，方程组就被说成是“病态的”。现代电子计算器已经能够精确到小数点后许多位，因此方程组的处理并不像“手动”计算，只需要选择精确到小数点后几位。在下表中，四舍五入到小数点后4、5、6、7和8位的数值解与真实解进行比较。可以看出，对于一个适当的工程项目而言，精确到
共轭梯度法求解线性方程组conj_gradient.py
05-12
用共轭梯度法实现求解线性方程组。 可以用来求解一般的线性方程组方程，程序清晰易懂。
共轭梯度法解线性方程组（Matlab程序）
03-30 2万+
%-------共轭梯度法解线性方程组----------- %---Conjugate Gradient method------- %参考教材《数值分析》李乃成&梅立泉，科学出版社2011 clear;clc; % A=[10,-1,-2;-1,10,-2;-1,-1,5]; % b=[72,83,42]'; A=[2 0 1;0 1 0;1 0 2]; b=[3 1 3]';
共轭斜向法求解线性方程组
porly的专栏
08-17 1171
%共轭斜向法求解线性方程组 %Conjugate Gradient Method %本函数只能求解当A为n*n的矩阵 %2010-10-23 function x=CJM(A,b)     tic;     t=size(A);%获取A的行列     n=t(1);     x=ones(n,1);     r=b-A*x;     p=r;     fid=fopen('F
共轭梯度法 (CG) 解线性方程组
颹蕭蕭
01-08 8771
共轭梯度法 (CG) 解线性方程组 Ax=b, 方阵 A 必须是对称正定的
共轭梯度法求解线性方程组
lijiaxu_1的博客
04-09 1万+
1.1算法原理及程序框图 当线性方程组Ax= b的系数矩阵A是对称正定矩阵时，可以采用共轭梯度法对该方程组进行求解，可以证明，式(1)所示的n元二次函数                                        （1）       取得极小值点x*是方程Ax= b的解。共轭梯度法是把求解线性方程组的问题转化为求解一个与之等价的二次函数极小值的问题。从任意给定的初始点出发
共轭梯度法的推导与完整算法
热门推荐
Eason的博客
11-29 4万+
共轭梯度法学习自知乎：https://www.zhihu.com/question/27157047和非线性规划课程简介在数值线性代数中，共轭梯度法是一种求解对称正定线性方程组Ax=b的迭代方法。事实上，求解Ax=b等价于求解： min||Ax−b||22min||Ax-b||_2^2 ,将其展开后可以得到：minxTATAx−bTAx+bTbmin \quad x^TA^TAx-b^TAx+b^T
并行预处理共轭梯度法解非对称块三对角线性方程组：理论与实践
本文主要探讨了解非对称块三对角线性方程组的并行算法，针对的是在2011年由曹芳芳和吕全义在《西北工业大学学报》发表的研究成果。他们提出了一种改进的并行求解策略，这种方法是基于传统的预处理共轭梯度法（PCG）...
解线性方程组的几种基本方法
其基本思想是通过一系列的行变换，将系数矩阵化为上三角或者简化的行阶梯形矩阵，然后通过回代求解得到线性方程组的解。 - **矩阵的行化简** - 高斯消元法中的行变换包括交换两行、某一行乘以一个非零常数、某一行...
解线性方程组的共轭梯度算法(Matlab版)
10-19
解线性方程组的共轭梯度算法的MATLAB程序
预处理共轭梯度法求线性方程组Ax=b的解
11-14
预处理共轭梯度法求线性方程组Ax=b的解，数值计算，求解方程
求解病态复线性方程组的预处理复共轭梯度法
02-12
求解病态复线性方程组的预处理复共轭梯度法，陈凤坤，雷秀仁，从复共轭梯度法出发推导出了预处理复共轭梯度法，并给出 迭代预处理矩阵，最后进行数值实验。实验数据表明，预处理复共轭梯度法�
共轭梯度法求解二元函数极小值
12-21
x0=[1;1];%初始点 xk=x0; g0=zeros(2,1); g1=zeros(2,1); g2=zeros(2,1); d0=zeros(2,1); d1=zeros(2,1); syms x1 syms x2 xk1=xk; % 计算xk点的梯度及梯度值 fun=fun(x1,x2); fx1=diff(fun,'x1'); fx2=diff(fun,'x2'); fun=inline(fun); fx1=inline(fx1); fx2=inline(fx2); funval=feval(fun,xk1(1),xk1(2)); gradx1=feval(fx1,xk1(1),xk1(2)); gradx2=feval(fx2,xk1(1),xk1(2)); % 计算搜索方向d0 d0(1)=-gradx1; d0(2)=-gradx2; g0(1)=gradx1; g0(2)=gradx2; % 沿搜索方向d0进行一维搜索
MATLAB 共轭梯度法求解线性方程组（附代码）
最新发布
qq_39538718的博客
07-25 2051
共轭梯度法（Conjugate Gradient Method）是一种用于求解大型稀疏对称正定线性方程组的迭代算法。该方法结合了梯度下降法和共轭方向的概念，以达到更快速的收敛。共轭梯度法 是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，在有限元求解中经常用到此方法求解椭圆问题。
预条件共轭梯度法求解线性方程组1
chd_lkl的博客
12-16 2360
!// 在病态矩阵问题上，共轭梯度法比部分主元的高斯消去法还要差 !// 这种情况下，可通过预条件得到缓解，主要是将问题转化为良态矩阵系统，再实施CG方法 !// 此代码的预条件因子M=D，为雅可比预条件因子，D为A的对角线矩阵 Program ConjugateGradientMethods Implicit none Integer :: i, j Integer, parame...
matlab 共轭,求解线性方程组 - 双共轭梯度法
weixin_42157166的博客
03-16 756
通过为 bicg 提供用来计算 A*x 和 A'*x 的函数句柄(而非系数矩阵 A)来求解线性方程组。创建一个非对称三对角矩阵。预览该矩阵。A = gallery('wilk',21) + diag(ones(20,1),1)A = 21×2110 2 0 0 0 0 0 0 0 0 0 0 0 ...
共轭梯度法(Conjugate gradient)详解
bitcarmanlee的博客
11-24 2万+
1.什么是共轭向量 对于正定矩阵Q，如果有 xTQy=0x^TQy = 0xTQy=0 那么我们可以称x, y是关于Q-conjugate。 2.线性方程组求解与二次函数求极小值转化 最初，共轭梯度法是用来求解线性方程Ax=bAx = bAx=b的一种方法，特别是稀疏线性方程组迭代求解法里面最优秀的方法，其被称为线性共轭梯度法。后来，人们把这种方法慢慢推广到了非线性问题求解中，称为非线性共轭梯度法。 求解Ax=bAx = bAx=b时，最简单粗暴的方式为x=A−1bx = A^{-1}bx=A−1b。但是这
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值