SOBOLEV GRADIENT
翻译自 Application of Sobolev Gradient Method to Solve Klein Gordon Equation
实值
C
1
C^1
C1函数
F
F
F在
R
n
\reals^n
Rn上的梯度
∇
F
\nabla F
∇F,其中
n
n
n为正整数,由下式给出:
lim
t
→
0
1
t
(
F
(
x
+
t
h
)
−
F
(
x
)
)
=
F
′
(
x
)
h
=
<
h
,
∇
F
(
x
)
>
R
n
x
,
h
∈
R
n
.
(1)
\lim_{t \rightarrow 0} \frac{1}{t} \left( F \left( x + t h \right) - F \left( x \right) \right) = F'(x) h = \left< h, \nabla F(x) \right>_{\reals^n} \quad x, h \in \reals^n. \tag{1}
t→0limt1(F(x+th)−F(x))=F′(x)h=⟨h,∇F(x)⟩Rnx,h∈Rn.(1)
记
<
⋅
,
⋅
>
S
\left< \cdot, \cdot \right>_{S}
⟨⋅,⋅⟩S是
R
n
\reals^n
Rn上一个不同于标准内积
<
⋅
,
⋅
>
R
n
\left< \cdot, \cdot \right>_{\reals^n}
⟨⋅,⋅⟩Rn的内积。那么,存在一个函数
∇
S
F
:
R
n
→
R
n
\nabla_S F: \reals^n \rightarrow \reals^n
∇SF:Rn→Rn,使得
F
′
(
x
)
h
=
<
h
,
∇
S
F
(
x
)
>
S
x
,
h
∈
R
n
.
(2)
F'(x)h = \left< h, \nabla_S F(x) \right>_S \quad x, h \in \reals^n. \tag{2}
F′(x)h=⟨h,∇SF(x)⟩Sx,h∈Rn.(2)
线性函数
F
′
(
x
)
F'(x)
F′(x)可以用
R
n
\reals^n
Rn上的任意内积表示。那么
∇
S
F
(
x
)
\nabla_S F(x)
∇SF(x)就是函数
F
F
F在内积为
<
⋅
,
⋅
>
S
\left< \cdot, \cdot \right>_{S}
⟨⋅,⋅⟩S下的梯度。考虑线性变换
A
:
R
n
→
R
n
A : \reals^n \rightarrow \reals^n
A:Rn→Rn,那么两个内积的关系为:
<
x
,
y
>
S
=
<
x
,
A
y
>
R
n
x
,
y
∈
R
n
.
(3)
\left< x, y \right>_{S} = \left< x, Ay \right>_{\reals^n} \quad x, y \in \reals^n. \tag{3}
⟨x,y⟩S=⟨x,Ay⟩Rnx,y∈Rn.(3)
则两个梯度的关系为:
(
∇
S
F
)
(
x
)
=
A
−
1
∇
F
(
x
)
,
x
∈
R
n
x
∈
R
n
.
(4)
\left( \nabla_S F \right) (x) = A^{-1} \nabla F (x) , x \in \reals^n \quad x \in \reals^n. \tag{4}
(∇SF)(x)=A−1∇F(x),x∈Rnx∈Rn.(4)
对于每个
x
∈
R
n
x \in \reals^n
x∈Rn在
R
n
\reals^n
Rn中都存在内积
<
⋅
,
⋅
>
x
\left< \cdot, \cdot \right>_{x}
⟨⋅,⋅⟩x。对于每个
x
∈
R
n
x \in \reals^n
x∈Rn,定义
∇
x
F
:
R
n
→
R
n
\nabla_x F : \reals^n \rightarrow \reals^n
∇xF:Rn→Rn为:
F
′
(
x
)
h
=
<
h
,
∇
x
F
(
x
)
>
x
for
x
,
h
∈
R
n
.
(5)
F' (x) h = \left< h, \nabla_x F(x) \right>_x \quad \text{for } x, h \in \reals^n. \tag{5}
F′(x)h=⟨h,∇xF(x)⟩xfor x,h∈Rn.(5)
F
F
F的梯度有很多种,这取决于度量的选择,而这些梯度具有非常不同的数值特性。这种定义在有限或无限维Sobolev空间中的函数梯度,称为Sobolev梯度
。最速下降可以分为两种类型:离散最速下降和连续最速下降。
设
∇
S
F
\nabla_S F
∇SF为实值
C
1
C^1
C1函数
F
F
F在Hilbert空间
H
H
H上对为内积
<
⋅
,
⋅
>
S
\left< \cdot, \cdot \right>_S
⟨⋅,⋅⟩S的梯度。离散最速下降可以看作是,给定初始点
x
0
x_0
x0,构造一个序列
{
x
k
}
\{ x_k \}
{xk}:
x
k
=
x
k
−
1
−
δ
k
(
∇
F
)
(
x
k
−
1
)
,
k
=
1
,
2
,
⋯
.
(6)
x_k = x_{k-1} - \delta_k \left( \nabla F \right) ( x_{k-1} ), k = 1, 2, \cdots. \tag{6}
xk=xk−1−δk(∇F)(xk−1),k=1,2,⋯.(6)
其中:
δ
k
=
min
δ
F
(
x
k
−
1
−
δ
(
∇
F
)
(
x
k
−
1
)
)
.
(7)
\delta_k = \min_{\delta} F \left( x_{k-1} - \delta \left( \nabla F \right) ( x_{k-1} ) \right). \tag{7}
δk=δminF(xk−1−δ(∇F)(xk−1)).(7)
连续最速下降是一个构造函数
z
:
[
0
,
∞
)
→
H
z : [ 0, \infty ) \rightarrow H
z:[0,∞)→H:
d
z
d
t
=
−
∇
F
(
z
(
t
)
)
,
z
(
0
)
=
z
initial
.
(8)
\frac{\mathrm{d} z}{\mathrm{d} t} = - \nabla F \left( z(t) \right), z(0) = z_{\text{initial}}. \tag{8}
dtdz=−∇F(z(t)),z(0)=zinitial.(8)
z
(
t
)
→
z
∞
z(t) \rightarrow z_{\infty}
z(t)→z∞在
F
F
F上的合适条件下,其中
F
(
z
∞
)
F(z_{\infty})
F(z∞)是
F
F
F的最小值。
离散最速下降的极限情况可以看作是连续最速下降,因此,我们可以把(6)看作是近似求解(8)的数值方案。 连续最速下降给出了一个理论起点,证明离散最速下降的收敛性。
考虑式(6),当
u
=
lim
k
→
∞
x
k
u = \lim_{k \rightarrow \infty} x_k
u=limk→∞xk,满足
F
(
u
)
=
0
or
(
∇
S
F
)
(
u
)
=
0.
(9)
F(u) = 0 \text{ or } (\nabla_S F) (u) = 0. \tag{9}
F(u)=0 or (∇SF)(u)=0.(9)
同样,对于(8),
u
=
lim
t
→
∞
x
t
u = \lim_{t \rightarrow \infty} x_t
u=limt→∞xt亦满足(9)。