含有高斯函数方程组的解法

随机过程作业

第三章 随机过程 A 简答题： 3-1 写出一维随机变量函数的均值、二维随机变量函数的联合概率密度（雅克比行列式）的定义式。 3-2 写出广义平稳（即宽平稳）随机过程的判断条件，写出各态历经随机过程的判断条件。 3-3 平稳随机过程的自相关函数有哪些性质功率谱密度有哪些性质自相关函数与功率谱密度之间有什么关系 3-4 高斯过程主要有哪些性质 3-5 随机过程通过线性系统时，输出与输入功率谱密度之间的关系如何 3-6 写出窄带随机过程的两种表达式。 3-7 窄带高斯过程的同相分量和正交分量的统计特性如何 3-8 窄带高斯过程的包络、正弦波加窄带高斯噪声的合成包络分别服从什么分布 3-9 写出高斯白噪声的功率谱密度和自相关函数的表达式，并分别解释“高斯”及“白”的含义。 3-10 写出带限高斯白噪声功率的计算式。 B 计算题： 一、补充习题 3-1 设()()cos(2)c y t x t f t πθ=?+，其中()x t 与θ统计独立，()x t 为0均值的平稳随机过程，自相关函数与功率谱密度分别为：(),()x x R P τω。 ①若θ在（0，2π）均匀分布，求y()t 的均值，自相关函数和功率谱密度。 ②若θ为常数，求y()t 的均值，自相关函数和功率谱密度。 3-2 已知()n t 是均值为0的白噪声，其双边功率谱密度为：0 ()2 N P ω= 双，通过下图()a 所示的相干解调器。图中窄带滤波器（中心频率为c ω）和低通滤波器的传递函数1()H ω及2()H ω示于图()b ，图()c 。

试求：①图中()i n t （窄带噪声）、()p n t 及0()n t 的噪声功率谱。 ②给出0()n t 的噪声自相关函数及其噪声功率值。 3-3 设()i n t 为窄带高斯平稳随机过程，其均值为0，方差为2 n σ，信号[cos ()]c i A t n t ω+经过下图所示电路后输出为()y t ，()()()y t u t v t =+，其中()u t 是与cos c A t ω对应的函数，()v t 是与()i n t 对应的输出。假设()c n t 及()s n t 的带宽等于低通滤波器的通频带。 求()u t 和()v t 的平均功率之比。

MATLAB代码 解线性方程组的迭代法

解线性方程组的迭代法 1.rs里查森迭代法求线性方程组Ax=b的解 function[x,n]=rs(A,b,x0,eps,M) if(nargin==3) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值elseif(nargin==4) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-A)*x0+b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 2.crs里查森参数迭代法求线性方程组Ax=b的解 function[x,n]=crs(A,b,x0,w,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1; %迭代过程 while(tol>eps) x=(I-w*A)*x0+w*b; n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x;

if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 3.grs里查森迭代法求线性方程组Ax=b的解 function[x,n]=grs(A,b,x0,W,eps,M) if(nargin==4) eps=1.0e-6;%eps表示迭代精度 M=10000;%M表示迭代步数的限制值 elseif(nargin==5) M=10000; end I=eye(size(A)); n=0; x=x0; tol=1;%前后两次迭代结果误差 %迭代过程 while(tol>eps) x=(I-W*A)*x0+W*b;%迭代公式 n=n+1;%n为最终求出解时的迭代步数tol=norm(x-x0); x0=x; if(n>=M) disp('Warning:迭代次数太多，可能不收敛！'); return; end end 4.jacobi雅可比迭代法求线性方程组Ax=b的解 function[x,n]=jacobi(A,b,x0,eps,varargin) if nargin==3 eps=1.0e-6; M=200; elseif nargin<3 error return elseif nargin==5 M=varargin{1}; end D=diag(diag(A));%求A的对角矩阵 L=-tril(A,-1);%求A的下三角阵

复习凸函数理论在解决中学数学极值问题中的应用

凸函数理论在解决中学数学极值问题中的应用 -将极值问题转化为凸函数问题求解 例 1 在条件11116x x y y -+++-++≤的约束下，求函数 2(,)sin 4 x y f x y +=的最大值和最小值。 解：约束条件在xy 平面上构成一个八边形（如图4-1）。 图4-1 先考虑函数2(,)4 x y g x y +=,由于2x 是一元凸函数， 222 1212[(1)](1)x x x x αααα+-≤+- 而y 是线性函数，所以 21212112222 11221122[(1)][(1)] [(,)(1)(,)]4 (1)(,)(1)(,) 44 x x y y g x y x y x y x y g x y g x y αααααααααα+-++-+-= ++≤+-=+- 有 (,)185 max (,)max (,)(2,1)4 i i x y D i g x y g x y g ∈≤≤===，

又由于 5,42π

数值分析5-用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组

作业六：分别编写用Jacobi迭代法和Gauss-Seidel迭代法求解线性方程组Ax=B的标准程序，并求下列方程组的解。 可取初始向量 X(0) =(0，0，0)’； 迭代终止条件||x(k+1)-x(k)||<=10e-6 （1） = （2） = Jacobi迭代法： 流程图 开 始 判断b中的最大值 有没有比误差大 给x赋初值 进行迭代 求出x，弱到100次还没到，警告不收 结束

程序 clear;clc; A=[8,-1,1;2,10,01;1,1,-5]; b=[1;4;3]; e=1e-6; x0=[0;0;0]'; n=length(A); x=zeros(n,1); k=0; r=max(abs(b)); while r>e for i=1:n d=A(i,i); if abs(d)100 warning('不收敛'); end end x=x0;

程序结果（1）

（2）

Gauss-Seidel迭代法： 程序 clear;clc; %A=[8,-1,1;2,10,01;1,1,-5]; %b=[1;4;3]; A=[5,2,1;-1,4,2;2,-3,10]; b=[-12;20;3]; m=size(A); if m(1)~=m(2) error('矩阵A不是方阵'); end n=length(b); %初始化 N=0;%迭代次数 L=zeros(n);%分解A=D+L+U,D是对角阵，L是下三角阵，U是上三角阵U=zeros(n); D=zeros(n); G=zeros(n);%G=-inv(D+L)*U d=zeros(n,1);%d=inv(D+L)*b x=zeros(n,1); for i=1:n%初始化L和U for j=1:n if ij U(i,j)=A(i,j); end end end for i=1:n%初始化D D(i,i)=A(i,i); end G=-inv(D+L)*U;%初始化G d=(D+L)\b;%初始化d %迭代开始 x1=x; x2=G*x+d; while norm(x2-x1,inf)>10^(-6)

凸函数的性质及其应用

摘要 高等数学的重点研究对象凸函数是数学学科中的一个最基本的概念。凸函数的许多良好性质在数学中都有着非常重要的作用。凸函数在数学，对策论，运筹学，经济学以及最优控制论等学科都有非常广泛的应用，现在已经成为了这些学科的重要理论基础和强有力的工具。 同时，凸函数也有一些局限性，因为在实际的运用中大量的函数并不是凸函数的形式，这给凸函数的运用造成了不便。为了突破其局限性并加强凸函数在实际中的运用，于是在60年代中期便产生了凸分析。 本文主要是研究凸函数在数学和经济学方面的应用，在数学方面，文主要探究了不等式的证明，看看它与传统方法比较哪个更为简洁；在经济学方面，主要介绍了凸函数的一些新的发展，即最优问题，该问题在投资决策中起到了非常重要的作用；最后简单的介绍了一下经济学中的有关Arrow-pratt风险厌恶度量的知识。 关键词：凸函数；不等式；经济学；最优化问题

Abstract Convex function, the main study object of higher mathematics, is one of the most fundamental concepts in mathematics. Many good properties of convex function have a very important role in mathematics. Convex function has a very wide range of applications in mathematics, game theory, operations research, economics and optimal control theory, and now has become the most important theoretical basis and the most powerful tool of these disciplines. Convex function has some limitations at the same time, because large numbers of functions are not convex functions in the practical application, which has caused inconvenience to the use of convex functions. In order to break its limitations and strengthen the use of convex function in practice, convex analysis was produced in the mid 60's. The paper is mainly study the applications of convex function in mathematics and economics. In mathematics, the paper mainly discusses the poof of inequality to see which is more simple compared with the traditional method. In the aspect of economics, the paper mainly introduces some new developments of convex functions, namely, optimal problems, which play an important role in the investment decision. Finally, the paper introduces the related knowledge of the Arrow-pratt risk aversion measure in economics simply. Key words：Convex function；Inequality；Economics；Optimization problem

求解线性方程组——超松弛迭代法(c)

求解线性方程组——超松弛迭代法 #include #include using namespace std; float *one_array_malloc(int n); //一维数组分配float **two_array_malloc(int m,int n); //二维数组分配float matrix_category(float* x,int n); int main() { const int MAX=100;//最大迭代次数 int n,i,j,k; float** a; float* x_0; //初始向量 float* x_k; //迭代向量 float precision; //精度 float w; //松弛因子 cout<<"输入精度e:"; cin>>precision; cout<>n; a=two_array_malloc(n,n+1); cout<>a[i][j]; } } x_0=one_array_malloc(n); cout<>x_0[i]; } x_k=one_array_malloc(n);

cout<<"输入松弛因子w (1>w; float temp; //迭代过程 for(k=0;k

国内学者对凸函数理论的若干研究成果介绍

全国第七届初等数学研究学术交流会大会报告论文 国内学者对凸函数理论的若干研究成果介绍 张小明1 石焕南2 1.浙江广播电视大学海宁学院 浙江海宁 314400 2．北京联合大学师范学院电气信息系, 北京, 100011 一、国内学者对凸函数的一些研究 一百多年来，凸函数及其推广是分析不等式研究中的一个热点，参考文献也难于统计.近十年来，国内对实的凸函数的研究也是很多的（不过其中的一部分是重复研究），主要学者有胡克、石焕南、王挽澜、祁锋、文家金、张小明、杨镇杭、王良成、吴善和、刘证、于永新、李世杰和于小平等.本文把其中的一部分列为参考文献，读者可从其中了解我国学者在此方面一些研究.下面我们仅介绍让初学者容易理解的一些结果. 1、凸函数和S-凸函数的定义及微分判别定理 我国现行分析教材中，凸（凹）函数的定义是比较混乱.但国际通用的为如下定义1. 定义1 设D 是()1,n n n ≥∈ 上的凸集，:f D → ， 若任取,x y D ∈，01λ≤≤，有()()()()()11f x y f x f y λλλλ+-≤+-成立，则称f 为D 上的凸函数.当f -为凸函 数时，称f 为凹函数. 定义2 设D 是()1,n n n ≥∈ 上的凸集， :f D → ，若任取,x y D ∈，有 ()()11222 x y f f x f y +??≤ + ??? 成立，则称f 为D 上的中点凸函数.当f -为中点凸函数， 称f 为中点凹函数. 从定义中可以看出，凸函数一定是中点凸函数，反之则不然，其实开区间内的可测的或有界的中点凸函数为凸函数.其实Jensen 在1905年也是把定义2作为凸函数的定义. 定义3([4][5]) 设,n x y R ∈满足 (ⅰ) [][]1 1 , 1, 2,... , 1k k i i i i x y k n ==≤ =-∑∑ , (ⅱ) ∑ ∑=== n i i n i i y x 1 1 则称x 被y 所控制, 记作y x . 其中[][][]12n x x x ≥≥≥ 是x 的分量的递减重排. 例1 设()14,12,14x =，()13,13,13y =，则y x ,的重排分别为()12,14,14和 ()13,13,13，且有 ,3121≥ ,31314121+≥+ ,313131414121++=++ 成立，所以y x . 定义 4([4][5]) 设 ,:n R R ?Ω?Ω→. 若在Ω上()()x y x y ???≤ , 则称? 为Ω上的Schur 凸函数，简称S-凸函数; 若?-是Ω上Schur 凸函数, 则称?为Ω上Schur 凹函数，简称S-凹函数. 定理A 设函数φ在开区间I ? 上一次可微，则φ在I 上为凸函数当且仅当()'t φ在区间I 为单调增加．

Gauss-Seidel迭代法求解线性方程组

Gauss-Seidel迭代法求解线性方程组

一． 问题描述 用Gauss-Seidel 迭代法求解线性方程组 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪费了存储空间。若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量 ) 1(+k i x 时，用最新分量 ) 1(1 +k x ， ???+) 1(2 k x ) 1(1 -+k i x 代替旧分量 ) (1 k x ， ???) (2 k x ) (1 -k i x ，可以起 到节省存储空间的作用。这样就得到所谓解方程组的Gauss-Seidel 迭代法。 二． 算法设计 将A 分解成U D L A --=，则b x =A 等价于b x =--U)D (L 则Gauss-Seidel 迭代过程 ) ()1()1(k k k Ux Lx b Dx ++=++ 故 ) ()1()(k k Ux b x L D +=-+ 若设1 )(--L D 存在，则 b L D Ux L D x k k 1)(1)1()()(--+-+-= 令 b L D f U L D G 11)()(---=-=，

则Gauss-Seidel 迭代公式的矩阵形式为 f Gx x k k +=+) () 1( 其迭代格式为 T n x x x x ) ()0()0(2)0(1)0(，，，???= (初始向量)， ) (1 1 1 1 1 )()1()1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者 ?? ???--=???=???==?+=∑∑-=-+=+++) (1)210i 210(111 1)()1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 三． 程序框图

凸函数判定方法的研究

凸函数判定方法的研究 鸡冠山九年一贯制学校 张岩 2013年12月15日

目录 摘要 (ii) 关键词 (ii) Abstract (ii) Key words (ii) 前言 (iii) 一、凸函数的基本理论 (1) 1、预备知识 (1) 2、凸函数的概念及性质 (2) 二、凸函数的判定方法 (4) （一）一元函数凸性的判定方法 (4) 1、利用作图判断函数凸性 (4) 2、其它判定方法 (5) （二）多元函数凸性的判定方法 (8) 1、多元凸函数的有关概念 (8) 2、多元函数凸性的判定方法 (9) 三、凸函数几个其他判定方法 (12) 四、总结 (14) 参考文献 (14) 致谢 (15)

凸函数判定方法的研究 摘要:凸函数是一类非常重要的函数，借助它的凸性可以科学准确地描述函数图像，而且可以用于不等式的证明。同时，凸函数也是优化问题中重要的研究对象，研究的内容非常丰富，研究的结果已在许多领域得到广泛的应用，因此凸函数及其性质以及凸性判定的充要条件的研究就显得尤为重要。本文首先给出了凸函数的一些基本概念和结论，然后针对一元和多元函数，对凸函数的判定做了研究和讨论，本文最后也给出几种新的判定凸函数的方法。 关键词：凸函数；梯度；Hesse 矩阵；泰勒定理 Abstract: Convex function is a kind of very important functions, with the help of its convexity we can accurately describe the graph of functions and it can also be used to prove the inequalities. As the significant object in optimization problems, the contents about convex functions we study are very abundant, the results obtained so far has been applied to many fields. Therefore, the topic we concern about is deserved to be discussed. In this paper, we firstly present some basic definitions and properties of convex functions, then aiming at the univariate function and multi-variable functions we give several criterions for determining the convexity of functions. Finally, some new principles are also given. Key words：Convex function; Gradient; Hesse matrix; Taylor Theorem

迭代法解线性方程组

迭代法解线性方程组作业 沈欢00986096 北京大学工学院，北京100871 2011年10月12日 摘要 由所给矩阵生成系数矩阵A和右端项b，分析系数矩阵A，并用Jacobi迭代法、GS迭代法、SOR(逐步松弛迭代法)解方程组Ax=b 1生成系数矩阵A、右端项b,并分析矩阵A 由文件”gr900900c rg.mm”得到了以.mm格式描述的系数矩阵A。A矩阵是900?900的大型稀 疏对称矩阵。于是，在matlaB中，使用”A=zeros(900,900)”语句生成900?900的零矩阵。再 按照.mm文件中的描述，分别对第i行、第j列的元素赋对应的值，就生成了系数矩阵A，并 将A存为.mat文件以便之后应用。 由于右端项是全为1的列向量，所以由语句”b=ones(900,1)”生成。 得到了矩阵A后，求其行列式，使用函数”det(A)”,求得结果为”Inf”,证明行列式太大，matlaB无法显示。由此证明，矩阵A可逆，线性方程组 Ax=b 有唯一解。 接着，判断A矩阵是否是对称矩阵(其实，这步是没有必要的，因为A矩阵本身是对称矩阵，是.mm格式中的矩阵按对称阵生成的)。如果A是对称矩阵，那么 A?A T=0 。于是，令B=A?A T,并对B求∞范数。结果显示： B ∞=0,所以，B是零矩阵，也就是：A是对称矩阵。 然后，求A的三个条件数： Cond(A)= A ? A?1 所求结果是，对应于1范数的条件数为：377.2334;对应于2范数的条件数为：194.5739;对应 于3范数的条件数为：377.2334; 1

从以上结果我们看出，A是可逆矩阵，但是A的条件数很大，所以，Ax=b有唯一解并且矩阵A相对不稳定。所以，我们可以用迭代方法来求解该线性方程组，但是由于A的条件数太大迭代次数一般而言会比较多。 2Jacobi迭代法 Jacobi迭代方法的程序流程图如图所示： 图1:Jacobi迭代方法程序流程图 在上述流程中，取x0=[1,1,...,1]T将精度设为accuracy=10?3，需要误差满足： error= x k+1?x k x k+1

凸函数几个等价定义

本科生毕业论文题目凸函数的几个等价定义 系别 班级 姓名 学号 答辩时间年月 学院

目录 摘要 (4) 1凸函数的定义 (6) 2凸函数的等价定义和性质 (6) 2.1凸函数的等价定义 (6) 2.2凸函数的性质 (7) 3凸函数等价定义和性质的应用举例 (10) 3.1一些集合上的凸函数举例 (10) 3.2运用凸函数等价定义证明不等式 (11) 总结 (16) 参考文献 (17) 谢辞 (18)

凸函数的几个等价定义 摘要 凸函数是一类重要的函数，它的概念最早见于Jensen在1905年的著述中。它在纯粹数学和应用数学的众多领域中具有广泛的应用，现已成为数学规划、对策论、数理经济学、变分学和最优控制等学科的理论基础和有力工具。为了理论上的突破，加强它们在实践中的应用，产生了广义凸函数。本文主要归纳了凸函数的几个常见定义和性质以及它们在不等式证明等几个方面的应用。 关键词：凸函数；等价性；不等式

Several equivalent of convex function defined Abstract Convex function is a kind of important function, it is the concept of the earliest Jensen in 1905 in the works. It in pure mathematics and applied mathematics of many fields has wide application, it has become the mathematical programming, the game theory and mathematical economics, variational learn and optimal control subjects such as theoretical basis and powerful tools. In order to theoretical breakthrough, strengthen them in practical application, produced the generalized convex function. This paper mainly summarizes the convex function of several common definition and characteristics and their inequation and so on several aspects in the application. [Key wards]Convex functions; Equivalence; Inequality.

实验解线性方程组的基本迭代法实验

数值分析实验报告

0 a 12 K a 1,n 1 K a 2,n 1 U O M 则有： 第一步： Jacobi 迭代法 a 1n a 2n M , 则有： A D L U a n 1,n Ax b A A x D b L U (D L U)x b Dx (L U)x b x D (L U)x D b 令 J D (L U) 则称 J 为雅克比迭代矩阵 f D b 由此可得雅克比迭代的迭代格式如下： x (0) , 初始向量 x (k 1) Jx (k) f ,k 0,1,2,L 第二步 Gauss-Seidel 迭代法 Ax b (D L U )x b (D L)x Ux b x (D L) Ux (D L) b A D L U a 11 a 12 L a 1n a 11 A a 21 a 22 L a 2n a 22 M MM MO a n1 a n2 L a nn a 11 得到 D a 22 O a nn 由 a 21 0 M M O a n 1,1 a n 1,2 L 0 a nn a n1 a n2 L a n,n a 21 L M M O a n 1,1 a n 1,2 L a n1 a n2 L a n,n 1 a 12 K a 1,n 1 a 1n 0 K a 2,n 1 a 2n O M M a n 1,n 10

令 G (D L) U ，则称G 为Gauss-Seidel 迭代矩阵 f (D L) b 由此可得 Gauss-Seidel 迭代的迭代格式如下： x (0) , 初始向量 第三步 SOR 迭代法 w0 AD L U 1 ( D 1 wL ((1 w)D wU )) (D 1 wL) ((1 w)D wU ) w w w 令M w 1 (D wL), N 1 ((1 w)D wU )则有：A MN w w Ax b AM L W N M (M N )x b Mx Nx b x M Nx M b N M, 令W f Mb 带入 N 的值可有 L W ((1 w)D wU) (D wL) 1((1 w)D wU) (D wL) f 1 b w 1(D wL) 1b 1 (D wL) w 称 L W 为 SOR 迭代矩阵，由此可得 SOR 迭代的迭代格式如下： x (0) ,初始向量 二、算法程序 Jacobi 迭代法的 M 文件： function [y,n]=Jacobi(A,b,x0,eps) %************************************************* %函数名称 Jacobi 雅克比迭代函数 %参数解释 A 系数矩阵 % b 常数项 % x0 估计解向量 x (k 1) Gx (k) f ,k 0,1,2,L (k 1) f,k 0,1,2,L

凸函数的性质及其应用

中文题目：凸函数的性质及其应用 英文题目：The Property and Applications of Convex Functions 完成人： 指导教师： 系（院）别：数学与信息科技学院 专业、班级：数学与应用数学0602班 完成时间：二〇一〇年六月 河北科技师范学院数信学院制

目录 中文摘要 (1) 1 引言 (1) 2 预备知识 (1) 2.1 凸函数的定义 (2) 2.2凸函数的运算性质 (2) 2.3 Jesen不等式 (2) 3 本文的主要结果 (3) 3.1 凸函数的连续性 (3) 3.2 凸函数的微分性质 (3) 3.3 凸函数的积分性质 (6) 3.4 Jesen不等式及凸函数性质的应用 (7) 结束语 (12) 参考文献 (12) 英文摘要 (13) 致谢 (13)

凸函数的性质及其应用 (河北科技师范学院数学与信息科技学院 数学与应用数学专业0602班) 指导教师： 摘 要: 凸函数是一类重要的函数，它在数学理论研究中涉及了许多数学命题的讨论证明和应用。本文将散见于多种文献中的材料加以汇总并系统化，从凸函数的定义出发,讨论了定义在某区间上的凸函数经四则运算生成新的函数的凸性以及连续凸函数的一些性质，对凸函数的连续性、可微性、可积性等分析性质加以系统论述。并且讨论了凸函数Jesen 不等式和凸函数性质在不等式证明中的应用。 关键词: 凸函数；不等式；证明 1 引言 凸分析是近年来凹凸函数发展起来的一门应用十分广泛的数学分支, 它在数学规划、控制论、 多元统计等领域都有广泛的应用，尤其是在最优化理论方面的应用更为突出【3】 。对函数凹凸性的研究,在数学分析的多个分支都有用处，特别是在函数图形的描绘和不等式的推导方面,凸函数有 着十分重要的作用【4】 。人们对凸分析的自身理论发展也进行了广泛深入的研究,凸函数的性质也有所发展。函数的凸性是函数在区间上变化的整体性态,把握区间上的整体性态,不仅可以更加科学、准确的描绘函数的图象,而且有助于对函数的定性分析。对函数凹凸性的研究,在数学分析的多个分支都有用处。在凸规划理论、尤其是非线性最优化中，函数的凸性分析是最基本的，又是 最重要的【7】 。 凸函数的定义,最早是由Jenser 给出。本世纪初建立了凸函数理论以来, 凸函数这一重要概念 已在许多数学分支中得到了广泛应用【8】 。凸函数涉及了许多数学命题的讨论证明和应用，例如在数学分析、函数论、泛函分析、最优化理论等当中。应用研究方面，凸函数作为一类特殊函数在 现代优化学、运筹学、管理学、和工程测绘学等多个学科有着重要的意义和很好的应用【10】 。由于凸函数具有较好的几何和代数性质, 在数学规划中有着广泛的应用背景, 一些常见的不等式都可以从函数的凸性中导出。数理经济学中, 对风险厌恶的度量, 也可以表现为对效用函数凸性的选 择，所以研究凸函数的性质就显得十分必要了【11】 。另外, 由于凸函数理论的广泛性, 因此对其理论的研究成果还有待进一步的深入和推广。 2 预备知识 2.1 凸函数的定义 定义1 【10】 设()f x 在区间I 内有定义,如果对任意的1x , 2x ∈I , (1x ≠2x ) ,总有 1212[(1)](1)()()f x x f x f x λλλλ-+<-+ , 则称函数()f x 是区间I 内的凸函数,并称()f x 在I 内的图形是向下凸的;如果对任意的1212,()x x I x x ∈≠,对(0,1)λ?∈,总有 12 12[(1)](1)()() f x x f x f x λλλλ-+>-+, 则称函数()f x 是区间I 内的凹函数,并称()f x 在I 内的图形是向上凸的。若式子中的不等式改为严格不等式, 则相应的函数称为严格凸（凹） 函数。 定义2 【 10】 设()f x 在区间I 上连续,如果对I 上任意两点1212,()x x x x ≠ ,恒有

自相关函数与偏自相关函数

自相关函数与偏自相关函数 上一节介绍了随机过程的几种模型。实际中单凭对时间序列的观察很难确定其属于哪一种模型，而自相关函数和偏自相关函数是分析随机过程和识别模型的有力工具。 1、自相关函数定义 在给出自相关函数定义之前先介绍自协方差函数概念。由第一节知随机过程{t x }中的每一个元素t x ，t = 1, 2, … 都是随机变量。对于平稳的随机过程，其期望为常数，用μ表示，即 ()t E x μ=，1,2,t =L 随机过程的取值将以 μ 为中心上下变动。平稳随机过程的方差也是一个常量 2()t x Var x σ=，1,2,t =L 2x σ用来度量随机过程取值对其均值μ的离散程度。 相隔k 期的两个随机变量t x 与t k x -的协方差即滞后k 期的自协方差，定义为： (,)[()()]k t t k t t k Cov x x E x x γμμ--==-- 自协方差序列：k γ，0,1,2,k =L 称为随机过程{t x }的自协方差函数。当k = 0 时，2 0()t x Var x γσ==。 自相关系数定义：k ρ= 因为对于一个平稳过程有：2 ()()t t k x Var x Var x σ-== 所以2 20 (,) t t k k k k x x Cov x x γγρσσγ-= = =，当 k = 0 时，有01ρ=。 以滞后期k 为变量的自相关系数列k ρ（0,1,2,k =L ）称为自相关函数。因为k k ρρ-=，即(,)t k t Cov x x -= (,)t t k Cov x x +，自相关函数是零对称的，所以实际研究中只给出自相关函数的正半部分即可。

Gauss-Seidel迭代法求解线性方程组

一． 问题描述 用Gauss-Seidel 迭代法求解线性方程组 由Jacobi 迭代法中，每一次的迭代只用到前一次的迭代值。使用了两倍的存储空间，浪 费了存储空间。若每一次迭代充分利用当前最新的迭代值，即在计算第i 个分量) 1(+k i x 时， 用最新分量) 1(1 +k x ，???+) 1(2 k x ) 1(1 -+k i x 代替旧分量)(1k x ，???) (2 k x ) (1-k i x ，可以起到节省存储 空间的作用。这样就得到所谓解方程组的Gauss-Seidel 迭代法。 二． 算法设计 将A 分解成U D L A --=，则b x =A 等价于b x =--U)D (L 则Gauss-Seidel 迭代过程 ) ()1()1(k k k Ux Lx b Dx ++=++ 故 )()1()(k k Ux b x L D +=-+ 若设1 )(--L D 存在，则 b L D Ux L D x k k 1)(1)1()()(--+-+-= 令 b L D f U L D G 11)()(---=-=， 则Gauss-Seidel 迭代公式的矩阵形式为 f Gx x k k +=+)()1( 其迭代格式为 T n x x x x )()0()0(2)0(1)0(，，，???= (初始向量)， )(1111 1 )() 1()1(∑∑-=-+=++--=i j i i j k j ij k j ij i ii i i x a x a b a x )210i 210(n k ???=???=，，，；，，， 或者 ?? ???--=???=???==?+=∑∑-=-+=+++) (1)210i 210(111 1)() 1()1()()1(i j i i j k j ij k j ij i ii i i i k i k i x a x a b a x n k k x x x ，，，；，，， 三． 程序框图

凸函数与极值

哈尔滨学院本科毕业论文（设计）题目：凸函数与极值 院（系）理学院 专业数学与应用数学 年级2009级 姓名哦哦学号09031432 指导教师啊啊啊职称副教授 2013年月日

毕业论文（设计）评语及成绩

承诺书 本人哦哦，哈尔滨学院理学院数学与应用数学 专业 09—4 班学生，学号： 09031432 。 本人郑重承诺：本人撰写的毕业论文《凸函数与极值》，是个人的研究成果，数据来源真实可靠，无剽窃行为。 承诺人：董春 年月日

目录 摘要 (1) Abstract (2) 前言 (3) 第一章凸函数的定义与性质 (4) 1.1 一元凸函数的定义与性质 (4) 1.1.1一元凸函数的定义 (4) 1.1.2一元凸函数的性质 (4) 1.1.3一元凸函数的判定 (7) 1.2 多元凸函数的定义与性质 (9) 1.2.1多元凸函数的定义 (9) 1.2.2多元凸函数的性质 (10) 1.2.3多元凸函数的判定 (10) 第二章极值的定义与判别法 (14) 2.1一元函数极值 (14) 2.1.1一元函数极值的定义 (14) 2.1.2一元函数极值的判定 (14) 2.1.3可导凸函数极值问题 (15) 2.1.4一般凸函数极值问题 (17) 2.2 多元函数极值 (18) 2.1.1多元函数极值的定义 (18) 2.1.2多元函数极值的判定 (19) 第三章凸函数与极值相关理论 (22) 第四章利用凸函数求解极值问题 (24) 4.1将极值问题转化为凸函数问题求解 (24) 4.2弓形面积的最值 (26) 参考文献 (30) 后记 (31)

迭代法解线性方程组(C语言描述)

用Gauss-Seidel迭代法解线性方程组的C语言源代码：#include #include #include struct Line{ int L; struct Row *head; struct Line *next; }; struct Row{ int R; float x; struct Row *link; }; //建立每次迭代结果的数据存储单元 struct Term{ float x; float m; }; struct Line *Create(int Line,int Row){ struct Line *Lhead=NULL,*p1=NULL,*p2=NULL; struct Row*Rhead=NULL,*ptr1,*ptr2=NULL; int i=1,j=1; float X; while(i<=Line){ while(j<=Row+1){ scanf("%f",&X); if(X!=0||j==Row+1){ ptr1=(struct Row*)malloc(sizeof(Row)); if(ptr1==NULL){ printf("内存分配错误!\n"); exit(1); } ptr1->x=X; ptr1->R=j; if(ptr2==NULL){ ptr2=ptr1; Rhead=ptr1; } else{

ptr2->link=ptr1; ptr2=ptr1; } } j++; } if(ptr2!=NULL){ ptr2->link=NULL; ptr2=NULL; } if(Rhead!=NULL){ p1=(struct Line*)malloc(sizeof(Line)); if(p1==NULL){ printf("内存分配错误!\n"); exit(1); } p1->L=i; p1->head=Rhead; if(p2==NULL){ Lhead=p1; p2=p1; } else{ p2->next=p1; p2=p1; } } i++; Rhead=NULL; j=1; } if(p2!=NULL) p2->next=NULL; return Lhead; } struct Line *Change(struct Line*Lhead,int n){ struct Line*p1,*p2,*p3,*p; struct Row*ptr; int i=1,k,j; float max,t; if(Lhead==NULL){ printf("链表为空!\n");