Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
El método de Gradientes ConjugadosMAT-251
Dr. Alonso Ramírez ManzanaresDepto. de MatemáticasUniv. de Guanajuatoe-mail: [email protected]: http://www.cimat.mx/~alram/met_num/
Dr. Joaquín Peña AcevedoCIMAT A.C.e-mail: [email protected]
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
• En el problema
• donde la matriz es simétrica y definida positiva, y cuando la matriz es rala.
• Usaremos
Intro
xT Ay = (Ax)T y
=
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
La forma cuadrática
• Es un escalar
• De tal forma que para nuestro caso f(x) es minimizada por la solución
• Ya que
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
¿es un minimo?
• En el caso de matrices positivas definidas
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
¿es un minimo?
• En el caso de matrices positivas definidas
positivo
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
¿es un minimo?
• En el caso de matrices positivas definidas
positivo
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
¿es un minimo?
• En el caso de matrices positivas definidas
positivo
Se demuestra operando sobre f(p) = f(x+d)
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
La forma cuadrática en 2D
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
El gradiente de la forma cuadrática en 2D
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Forma cuadratica dependiendo la matriz
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
¿Cómo minimizar f(x)?
• Usando la dirección de máximo descenso
• Damos una serie de “pasos”
• En este enfoque tenemos 2 guias:
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Escojer α
Es aquel punto tal que su gradiente es perpendicular a la linea de búsqueda
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Escojer
• Calculando derivadas direccionales
• y por regla de la cadena
• ¿Cuál es la ? Usando
α
α= 0
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Comportamiento de maximo descenso
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Eigen vectors
• Los eigen vectores de la matriz definen los ejes de la forma cuadrática. Cada eigen valor es proporcional a la magnitud de la pendiente en esa orientación.
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Metodo de descenso máximo cuando nos movemos por eigen direcciones
Si r(0) es un eigen vector Si todos los eigenvalores son iguales
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Para el análisis se usan norma energética
• La cual se define como
Estos 2 vectores tienen la misma norma energética con respecto a A.
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Usando el análisis de la norma energética, los eigen valores de A y el punto de arranque x(0).
• Se pueden ver casos patológicos o benéficos
Estas gráficas están en el espacio de los eigen vectores
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Si estamos en 2D
• ¿Cuántos pasos da este caso patológico?
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Direcciones conjugadas
• La idea es movernos por n direcciones de búsqueda que son ortogonales
• y dar un solo paso en esa dirección, a lo más en n pasos estamos en el mínimo.
• Queremos algo como esto:
• PERO NO CONOCEMOS e(i)
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Entonces se usan
• direcciones de búsqueda A-ortogonales o conjugadas, lo cual se escribe
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Tamaños de paso con direcciones A-ortogonales
• Podemos usar en análisis similar pero con A-ortogonalidad
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Pasos del método de GC
Se dá un paso en alguna dirección, x(1) se escoje tal que e(1) es A-ortogonal a d(0).
El error inicial se puede ver como una combinación lineal de vectores A-ortogonales. Cada paso elimina uno de ellos.
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
En nuestro ejemplo se comporta
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
El algoritmo es:
• Se hace hasta convergencia:
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
El algoritmo es:
• Se hace hasta convergencia:
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
El algoritmo es:
• Se hace hasta convergencia:
Este factor nos da el peso del vector para que se mantengan A-ortogonales, tipo Gram-Schmidt.
Alonso Ramírez Manzanares Métodos Numéricos 29.11.2012
Precondicionamiento:
• Queremos resolver
• Para una matriz M simétrica y positiva definida fácil de invertir resolvemos
• Si este nuevo sistema es mas fácil de resolver. Si la matriz de arriba no es simétrica ni definida podemos calcular
• Se puede probar que las matrices y tienen los mismo eigen valores, entonces podemos resolver
• Donde es simétrica y definida positiva.