泛函极小值 泛函极值的概念借用了微积分中的不少方法。本节首先会介绍函数微积分的求极值方法,接下来,我们会借用有限元中常用的术语和标注方法来推导我们熟悉的结果。这个过程可以被看作是微积分方法的一种推广。 考虑一个多元微积分函数f,我们要求最小值: 寻找x使得f(x) 最小化 这里x是一个矢量,或者点的坐标。通过微积分我们知道,这个时候首先必须求函数f的梯度。将梯度的设置为0,我们可得到一个非线性方程组。求解方程,我们可以得到一系列的坐标点x,如果在其中某点处的二阶倒数(一般称为Hessian矩阵)为正(或者说有正的特征值),就说这点就是我们要求的极小点,就好像该点是整个函数的一个谷底一样。 利用Taylor展开的观点,假设已知一个最小值x,我们可以在上面施加一个小的扰动,由Taylor展开可得: ![]() ![]() ![]() 但是,这只是给了我们一个极值点的信息,如果要确定其是最小极值点,必须保证第三项(二阶项)对于任意 ![]() 下面是函数f的一个特例: 二次多项式: 极值的条件成了: ![]() ![]() 极小值的条件也就是矩阵A必须是一个正定矩阵,如果矩阵A是负定矩阵(只有负特征值),则得到极大值。如果A是不确定的(特征值有正有负),则极值可能是一个鞍点,既不是极大值,也不是极小值。如果矩阵A是对称的,而且正定,则函数f是超椭圆的。在2D中,超椭圆就是椭圆。二次多项式的几何特征影响经典的PDE方程和有限问题的分类。当利用有限元方法去离散一个椭圆的PDE问题时候,得到一个对称矩阵(刚度矩阵)的线性代数系统。这样的问题一般等效于最小能量问题。 |
分享到
豆瓣网
开心网
人人网
QQ书签
Google
3238个朋友已经阅读过这篇文章
用户评论
没有找到数据. , |