Minimalizace kvadratické funkce s kvadratickými ... - FEI VŠB
Minimalizace kvadratické funkce s kvadratickými ... - FEI VŠB Minimalizace kvadratické funkce s kvadratickými ... - FEI VŠB
6 Věta 2.3 (Geršgorin) Necht’ A = [a ij ] je čtvercová komplexní matice řadu n a necht’ r i = |a i1 | + . . . + ̂|a ii | + . . . + |a in |, S i = {x ∈ C : |x − a ii | ≤ r i } kde stříška nad symbolem značí jeho vynechání. Pak spektrum matice A leží v množině S 1 ∪ . . . ∪ S n Věta 2.4 (Sylvester) Necht’ A = [a ij ] je čtvercová matice a necht’ ⎡ ⎤ a 11 . . . a 1i ⎢ A i = ⎣ . . .. ⎥ . ⎦ , i = 1, . . . , n a i1 . . . a ii Pak matice A je pozitivně definitní, právě když ∀i = 1, . . . , n : detA i > 0 2.1.2 Příklady ověření pozitivní definitnosti matice Příklad 2.1 A = [ 2 −1 −1 2 ] Symetrická čtvercová matice A je pozitivně definitní, protože: • její charakteristický polynom ϕ(λ) = det(A − λI) = ∣ 2 − λ −1 má kořeny 1 a 3. −1 2 − λ ∣ = (2 − λ)(2 − λ) − (−1)(−1) = λ2 − 4λ + 3 • spektrum matice podle Geršgorinovy věty je obsaženo v množině Ω = {x ∈ C : |x − 2| ≤ 1} • podle Sylvestrova kritéria [ ] 2 −1 detA 1 = det[2] = 2 > 0 ∧ detA 2 = det = 2.2 − (−1).(−1) = 3 > 0 −1 2
7 Obrázek 1: Průběh funkce vlastního polynomu matice Obrázek 2: Lokalizace spektra matice pomocí Geršgorinovy věty 2.2 Kvadratická vazba 2.2.1 Kvadratická rovnostní vazba Definujme množinu uspořádaných dvojic (x, y) pro konkrétní c ∈ R Ω = {(x, y) ∈ R 2 : x 2 + y 2 = c} (1) Pokud bychom tyto uspořádané dvojice považovali za body v rovině, pak geometrickým obrazem mnoˇziny (1) je kruˇznice se středem v bodě [x 0 , y 0 ] = [0, 0] a poloměrem r = √ c.
- Page 1 and 2: VŠB - Technická univerzita Ostrav
- Page 3 and 4: Rád bych na tomto místě poděkov
- Page 5 and 6: 1 Obsah 1 Úvod 4 2 Úvod do proble
- Page 7 and 8: 3 Seznam výpisů zdrojového kódu
- Page 9: 5 2 Úvod do problematiky 2.1 Kvadr
- Page 13 and 14: 9 |y| = √ c − x 2 y = ± √ c
- Page 15 and 16: 11 3 Globální extrémy 3.1 Globá
- Page 17 and 18: 13 1. Najdeme stacionární body fu
- Page 19 and 20: 15 4 Minimalizace kvadratické funk
- Page 21 and 22: 17 [ ] [ ] [ 2 −1 x1 1 grad F (x)
- Page 23 and 24: 19 V průběhu funkce f(α k ) nedo
- Page 25 and 26: 21 Příklad 4.2 Minimalizujte kvad
- Page 27 and 28: 23 Obrázek 10: MNS: Rěšení 2. p
- Page 29 and 30: 25 Obrázek 11: MNS: Rěšení 3. p
- Page 31 and 32: 27 while (norm(gradient)>e) % presn
- Page 33 and 34: 29 Obrázek 13: MNS s projekcí: R
- Page 35 and 36: Obrázek 15: MNS s projekcí: Rěš
- Page 37 and 38: 33 5 Minimalizace funkce s nerovnos
- Page 39 and 40: 35 5.2 Modifikovaná metoda největ
- Page 41 and 42: 37 5.2.3 Příklady f(x) = 1 (Ax, x
- Page 43 and 44: 39 Příklad 5.3 Minimalizujte kvad
- Page 45 and 46: 41 7 Reference [1] Z. Dostál Line
6<br />
Věta 2.3 (Geršgorin)<br />
Necht’ A = [a ij ] je čtvercová komplexní matice řadu n a necht’<br />
r i = |a i1 | + . . . + ̂|a ii | + . . . + |a in |, S i = {x ∈ C : |x − a ii | ≤ r i }<br />
kde stříška nad symbolem značí jeho vynechání.<br />
Pak spektrum matice A leží v množině<br />
S 1 ∪ . . . ∪ S n<br />
Věta 2.4 (Sylvester)<br />
Necht’ A = [a ij ] je čtvercová matice a necht’<br />
⎡<br />
⎤<br />
a 11 . . . a 1i<br />
⎢<br />
A i = ⎣<br />
.<br />
. ..<br />
⎥<br />
. ⎦ , i = 1, . . . , n<br />
a i1 . . . a ii<br />
Pak matice A je pozitivně definitní, právě když<br />
∀i = 1, . . . , n : detA i > 0<br />
2.1.2 Příklady ověření pozitivní definitnosti matice<br />
Příklad 2.1<br />
A =<br />
[ 2 −1<br />
−1 2<br />
]<br />
Symetrická čtvercová matice A je pozitivně definitní, protože:<br />
• její charakteristický polynom<br />
ϕ(λ) = det(A − λI) =<br />
∣ 2 − λ<br />
−1<br />
má kořeny 1 a 3.<br />
−1<br />
2 − λ<br />
∣ = (2 − λ)(2 − λ) − (−1)(−1) = λ2 − 4λ + 3<br />
• spektrum matice podle Geršgorinovy věty je obsaženo v množině<br />
Ω = {x ∈ C : |x − 2| ≤ 1}<br />
• podle Sylvestrova kritéria<br />
[ ] 2 −1<br />
detA 1 = det[2] = 2 > 0 ∧ detA 2 = det<br />
= 2.2 − (−1).(−1) = 3 > 0<br />
−1 2