牛顿法、雅克比矩阵、海森矩阵
2017-01-11 17:07
302 查看
牛顿法、雅克比矩阵、海森矩阵
一般来说, 牛顿法主要应用在两个方面, 1, 求方程的根; 2, 最优化。1,求方程的根
其原理便是使用泰勒展开,然后去线性部分,即:
(1)
然后令上式等于0,则有:
(2)
经过不断迭代:
(3)
当精度达到要求的时候停止迭代。
迭代示意图如上所示。
2,最优化
最优化一般是求极大或极小问题,这可以转变为求导数零点,然后转变为1的情形。
即f’ = 0;
把f(x)用泰勒公式展开到二阶,即:
(4)
等号左边和f(x)近似相等,抵消。然后对求导,得到:
(5)
更进一步:
(6)
然后得到迭代式子:
(7)
以上只针对单变量进行讨论,如果对多变量就要引入雅克比矩阵和海森矩阵
简单介绍一下二者,雅克比矩阵为函数对各自变量的一阶导数,海森矩阵为函数对自变量的二次微分。形式分别如下:
把两个矩阵代入(7)中
参考文献:
Newton’s method – wikipedia
Jacobian矩阵和Hessian矩阵
相关文章推荐
- 牛顿法、雅克比矩阵、海森矩阵
- 牛顿法、雅克比矩阵、海森矩阵
- 牛顿法、雅克比矩阵、海森矩阵
- 牛顿法以及雅克比矩阵、海森矩阵(Hessian)数学方法。
- 牛顿法、雅克比矩阵、海森矩阵
- 20170227. 牛顿法,Hessian矩阵、雅克比矩阵
- 【math】梯度(gradient)、雅克比矩阵(Jacobian)、海森矩阵(Hessian)
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 雅克比矩阵、海森矩阵与非线性最小二乘间的关系与在SFM和Pose Estimation中的应用
- 4.用二分发,迭代法,牛顿法求方程.
- 牛顿法与二分法的比较—matlab实现
- 数值分析之牛顿法多项式求根
- Logistic回归与牛顿法(附Matlab实现)
- 牛顿法与拟牛顿法学习笔记(二)拟牛顿条件
- 牛顿法在回归分析中的应用
- 最速下降法/steepest descent,牛顿法/newton,共轭方向法/conjugate direction,共轭梯度法/conjugate gradient 及其他