用我的眼神,
拍下你的睫毛,
你微笑的嘴角。
你的微笑像毒药,
却洋溢着幸福的味道。
我就是戒不掉,
你粉嫩清秀的外表,
像多汁的水蜜桃。
你亮丽的唇膏,
充盈着自信的骄傲。
就想一直咬着水蜜桃,
看着你的骄傲。
——畅宝宝的傻逼哥哥
上篇文章最后给出的 x∗ 计算公式可以迭代运算,从初始点 x0=0 开始,连续进行 n 次调整
其中
生成一个序列,
x0=0
,当
k=n−1
时收敛到
从任意初始点 x0 开始都能得到相似的结果,这个事实可以用下面的定理得到证实。
定理1:
如果
{d0,d1,…,dn−1}
是非零共轭方向构成的集合,
H
是
n×n
的正定矩阵且问题
是二次的,那么对任意初始点
x0
,由关系
其中
且
在
n
次迭代后收敛到二次问题的唯一解
证明:
向量
x∗−x0
可以表示成共轭方向的线性组合
由上篇文章末尾处可知
根据迭代公式
xk+1=xk+αkdk
可得
所以
显然
那么
又因为
且在最小点
xk
处
gk=0
,所以我们有
最后得出
接下来令
k=n
可得
得证。 ||
根据定理1,如果使用不同的方法来生成共轭方向,那么我们就能得到不同的共轭方向法。
基于定理1得到的方法存在许多共同的属性,下面的定理就给出了其中的两个属性。
定理2:
- 梯度
gk
与方向
di,0≤i<k
正交,即
gTkdi=dTigk=0for0≤i<k - 定理1中的
α=αk
在每条线
x=xk−1+αdifor0≤i<k
上最小化 f(x)
证明:
(a)假设
我们需要说明
因为
并由
xk+1=xk+αkdkfor k≥0
可得
因此
对于
i=k
,我们有
对于
0≤i<k
,根据等式1可得
而且
di,dk
是共轭的,
所以由等式3可得
结合等式4与等式5可得
如果
k=0
,那么等式6得出
gT1di=0for0≤i<1
,从等式1与等式6我们可以得出
(b)因为
所以
f(x)
在每条线
上都被最小化。
上述定理第二部分的应用就是 xk 在向量 {d0,d1,…,dk−1} 生成的子空间上最小化 f(x) ,那么 xn 就是在向量 {d0,d1,…,dn−1} 生成的子空间(即 En )上最小化 f(x) ,这是另一种表述 xn=x∗ 的方式。