求非对称线性方程组的GMRES和共轭残量法_

合集下载

求解线性方程组的加权简单GMRES(m)算法

求解线性方程组的加权简单GMRES(m)算法
的值 是 由例 子决定 的 , 对于所有 的算例 中 , 时间 以
不是 ( 1 )的解 ,则 r o A K ( A, r o o由于
A K ( A , r o ) =K ( A , V 1 ) 且 一 1 ( , 1 , 1 )的维数
为 k一1 ,从而并且A K ( , t o ) = K ( , ) ,
1 0 1期 )
济 南 职 业 学 院 学 报
De c . 2 01 3 No . 6( S e r i a l No 1 0 1
求解线性 方程组 的加权简单 GMRE S ( m) 算法
王 雅
( 常州 市广播 电视 大学 ,江苏 常州 2 1 3 0 0 1 )
摘要 :G MRE S方法是 目前求解线性 方程组使 用较 为广泛的方法。在分析 G MRE S方法的基 础上 , 将加 权技 术和 简单 G MR . E S ( m) 算法结合 , 得到 了加权 简单 G MR ES ( m) 方法 ,并用数值试验验证 了该算法的有效
这些 数值 运算都是在 Ma t l a b上实现 的 。权向量
d 按 照d = √ I ) , / 1 1 " o l : 来 选 择 , 初 始 向 量 是
X o = ( 0 , . . . , 0 ) , 收 敛 准 则 : / 1  ̄ 1 1 : e p i l o n ,e p s i l o n
性。
关键词 :线性方程组 ;加权技 术;简单 G M1 L E S
中 图分 类 号 :O2 4 1 . 7 文 献 标 识 码 :B 文 章 编 号 :1 6 7 3 -4 2 7 0( 2 0 1 3) O 6 一O 0 7 8 —0 2
m i n

VC毕业论文GMRES算法的加速收敛现象分析毕业论文

VC毕业论文GMRES算法的加速收敛现象分析毕业论文

摘要随着科学和工程技术的发展,越来越多的问题需要求解大规模的线性方程组,对这类方程的快速求解已成为数值代数研究的热点之一,特别是具有稀疏结构的大型方程组的求解。

基于Galerkin原理的Arnoldi算法是求解这种线性代数方程组的近似算法,以下称这种方法为广义极小残余算法(GMRES算法)。

GMRES 方法是目前求解大型稀疏非对称线性方程组最为流行的一种迭代方法。

GMRES算法在迭代过程中通常表现出一种加速收敛行为,随着迭代次数的增加,这种加速收敛现象越明显,即残量收敛会随着迭代步数的增加而逐渐得到改善。

在CG方法中,这种加速收敛与Ritz值有密切关系。

通过分析,我们发现GMRES的加速收敛与其斜投影过程中产生的Ritz值对特征值的逼近程度有关系。

在实际应用中,为了减少存储量和计算量,我们通常使用GMRES算法的重新开始版本来求解大型非对称线性方程组。

本文描绘了GMRES和GMRES(m)的加速收敛现象,并通过实验给予解释。

关键字:广义最小残量; Krylov子空间; Ritz值;加速收敛;正交投影方法;非对称线性方程组On The Superlinear Convergence of GMRESAbstractWit h the d evelo p me nt o f science and p ro ject techno lo g y,mo re and mo re q uestio ns need the so lut io n o f b ig linear syste ms. T h is so lut io n is o ne o f the fastest ways fo r researchin g nu mer ica l algeb ra,esp ecia lly fo r the b ig sparse matr ix. The way o f Arno ld i is b ased up o n the p rinc ip le o f Galerk in, wh ich is clo se d to the so lut io n o f the linear nu mer ica l system.Here, we call the so lut io n as Generalized Min imu m Res id ua l (GMRES).GMRES is o ne o f the mo st p op u lar iterat ive met ho d s fo r the so lut io n o f b ig no ns in gu lar no nsy mmetr ic linear syste ms.It us ua lly has a so-called sup er linear co n vergence b ehav io r.The rate o f co nverge nce seems to imp ro ve as the iterat io n p ro ceed s.F o r ano ther say,the rate o f resid ua l var iab le w ill b e imp ro ved as we increase its iterat io n.F o r the co nju gate grad ie nts metho d, th is met ho d has b een related to a d egree o f co nverge nce o f t he Rit z va lue. Thro u g h so me ana lys is,we fo und that fo r GMRES to o, changes in co n vergence b ehav io r seem to be related to the co nverge nce o f R it z va lue. In o ur p ractica l app licat io n,we also usua lly use GMRES(m) fo r red uc in g sto rage and co unter so lv in g b ig linear systems.Th is p ap er stud ies the sup erlinear co nvergence b ehav io r o f GMRES and GMRES(m),and sup p lies exp la in thro u g h exp erimen t.Key wo rd: GMRES; K ry lo v sub sp ace; R it z va lue; sup er linear co nverge nce;o rtho go na lizat io n metho d; no nsy mmetr ic linear system目录摘要 (I)A B S T RA C T ................................................. I I 第一章引言.. (1)第二章G M R E S算法基础知识 (3)§2.1向量范数 (3)§2.2线性方程组最小二乘问题 (4)§2.2.1Gr a m-S ch m id t正交化方法 (4)§2.2.2Gi v en s变换 (4)第三章G M R E S算法理论 (6)§3.1K RYLOV子空间方法的基本理论 (6)§3.2A RNOLDI算法 (7)§3.3G MR E S算法结构 (8)第四章G M R E S算法的加速收敛现象分析 (9)第五章数值示例与算法实现 (19)§5.1数值实验 (19)§5.2算法改进与实现 (22)§5.2.1预处理技术 (22)§5.2.2算法实现 (24)§5.3实验总结 (34)致谢 (35)参考文献 (38)R E P O RT OF LI T E RA T UR E (39)文献报告 (43)第一章 引言关于线性方程组的数值解法一般分为两大类:直接法和迭代法。

广义最小残量法研究与应用近况综述

广义最小残量法研究与应用近况综述

CPU 运行时间更少。 2003 年, Ayachour 对标准 GMRES 算法作了修改, 提出了 GMRES 精度更高, 迭代次数更小,
算法的一个快速实现[10]。它不需要进行 Givens 旋转变换,大大提高了计算工作量,节约了内存空间。在此基础 上,2008 年,伊朗学者 Najafi 和 Zareamoghaddam 也提出了一种新型计算的 GMRES 算法[11]。在这个算法里, 先定义一个新的数量积运算,再用加权 Arnoldi 正交化代替原来的 Arnoldi 过程,最后利用 Ayachourt 的方法来 处理最小平方问题。实验结果表明,这种算法的收敛速度更快,计算精度更高。 对 GMRES 算法而言,当矩阵规模较大时,每一次迭代所需的内存空间和计算量都会增大。典型地,“重 把由此产生的近似解作为初始值以开始下一个 m 次迭代, 启” 可以克服这一困难。 即先执行 m 次 GMRES 迭代, 这个过程循环往复,直到余量范数足够小为止。这个过程即为重启 GMRES 或循环 GMRES,亦即 GMRES(m)。 连续重启一组 m 次迭代的过程看作一个循环,m 就称为重启参数。一般情况下,假设 m 的取值越大,收敛所需 要的迭代次数就越少,因为一个大的 m 值会改善 GMRES 余量多项式,余量范数随之减小。因此,在某种程度 上,一个足够大的 m 能够减少 GMRES(m)加速收敛的障碍。但是,当 m 过大时,GMRES(m)就不能达到减少计 算量和节约内存空间的目的。此外,在一些问题中,一个较小的 m 值反而比较大的 m 值更好[12,13]。这个意想不 到的结果更凸显出选择一个合适 m 的实际难度。基于如何选取合适的 GMRES(m)重启参数,Baker 等于 2009 年 通过大量的实验和理论分析,提出了解决这一问题的一个简单策略[14]。该策略分别指定最小的和最大的重启参 即 mmin ≤ mi ≤ mmax ,mi 代表第 i 次循环的重启参数。 数 mmin 和 mmax , 使得每一循环的重启参数 mi 介于二者之间, 这一策略的主要贡献在于简化了修改重启参数的方法,对一类问题的实验结果也显示出其有效性。 现在, GMRES 算法及其相关算法的研究越来越多, 人们对它的数学要求也越来越高, 特别是在循环 GMRES 算法的收敛行为方面作了更多的探索。2008 年,Vecharynski 和 Langou 证明了在正规矩阵上应用循环 GMRES 算法,其循环–收敛性是亚线性的[15]。这意味着当前 GMRES(m)循环所得余量范数的减少幅度没有前一次循环 余量范数的减少幅度大。2009 年,Vecharynski 和 Langou 二人再次证明,对于循环 GMRES 算法来说,存在任 意 递 减 的 循 环 收 敛 曲 线 [16] 。 他 们 给 定 一 个 n 阶 矩 阵 , 一 个 重 启 参 数 m ( m < n ) , 一 个 递 减 的 正 序 列

求解非对称线性方程组的积多项式预处理GMRES算法

求解非对称线性方程组的积多项式预处理GMRES算法
t t e ir t wo y ls nd her ie v l e o o h f s t c ce a t i eg n a u s f
1 5+ .
20 . 20 .
取 一0 0 , 始迭代 向量 X 一[ ,, ,] . .5初 o 0O 0O
记 A 的 谱 口 ( ) 一 (1 2 3 4 A , , , )一
G E ( )e evl s ・ MR S3 ;i n au : g e
(. ,. ,. ,. )GMR S( ) 法 前 两 次 循 环 0 5 10 1520 . E 3算
所对 应 的双纽线 如 图 1所示.
1 2 理论 基础 .
引理 1。 设方 程组 A E ] x=6的系数 矩阵 A 是 可 对 角化 的且其谱 分解 为
条件数 , 从而加 快残量 的收敛速度. 数值试验表明, 新算 法在残量 收敛方面具有 明显 的优势. 关键词 :多项 式预处理 ; y v子空间;迭代法 ; Krl o GMR S E
中 图分 类 号 : 4 . 02 1 6 文 献 标 识 码 :A
Pr du tp l n m i lpr t e t e o c o y o a e r a m ntGM RES a g r t l o ihm o o u i n f f r s l to o
Ab ta t sr c :W h n t e n m b ro o dto fc ef in arx wa o a g , t e p e r am e tm eh d e h u e fc n i n o o fi e tm ti st o lr e h r te t n t o i c
第3 8卷 第 5期
21 年 1 02 O月

求解线性方程组的总体(拟)极小向后扰动方法

求解线性方程组的总体(拟)极小向后扰动方法

第一章绪论在科学研究和工程应用中,经常需要求解大型稀疏线性方程组血=b(1.1)其中A是n×n的实矩阵,x,6∈R”.目前,求解线性方程组的数值方法可分成两大类,一类是直接法,即通过有限次的运算求出问题的精确解,例如Gauss消去法、列主元及全主元消去法、直接三角分解法等.但是由于直接法计算过程中存储量很大,当需要求解大型稀疏线性方程组时,直接法就不适用了.另一类求解线性方程组的数值方法是迭代法,即通过选取初值,然后用同样的步骤重复计算,求得近似解.在迭代法中,Krylov子空间方法[31是求解大型线性方程组的一类重要方法,国际上有关Krylov子空间方法的研究工作非常活跃.求解对称正定线性方程组的最有效方法是共轭梯度(cO)法【l】及其预处理技术.对称Lanczos方法【13】【161伫9】是解对称不定线性方程组的有效方法之一.在理论上,对称Lanczos方法产生的向量组是正交向量组,但是,在实际计算中,由于舍入误差的影响,Lanczos向量易失去正交性.为了减少存储量和运算量,人们采用重新开始的Lanczos方法,即循环Lanczos迭代法【11I.另外Paigc和Saunders基于对称LRI'ICZOS方法[2]提出了求解对称不定方程组的SYⅣnVJLQ方法【14】和MINI陋S方法【l”,但是对病态线性方程组SYMMLQ方法和MINRES方法常常表现出不稳定性.求解非对称线性方程组的Krylov子空间方法有许多特殊的方法,如Amoldi口]方法、广义极小残量法(GMRES)、双边Lanczos方法、不完全正交化方法等.Y.Saadl31指出,Amoldi【21过程实际上是建立Krylov子空间k,(A,to)=span(to,Aro,...,A”1to)一组标准正交基的过程.将Amoldi回过程用于求解线性方程组可得完全正交化方法(FOM)rss],不完全正交化方法(IOM)H】【3】【loJ是完全正交化方法的一个变形,在理论上它是一种斜投影方法.1991年Freund和Nachfigal基于非对称Lanczos方法提出了求解非对称线性方程组的拟极小残量法(QMR方法)[8】.在用非对称Lanczos方法解非对称线性方程组时,也会发生算法中断或数值不稳定.Krylov子空间方法通常用残量范数作为判断算法终止的条件.若近似解是精确的,残量范数是小的,但是反过来不一定.为克服残量范数作为终止条件的不足,Kasenally[”】在用GMRES方法15删解非对称线性方程组时,考虑求满足扰动方程(A一△。

matlab超松弛迭代法求方程组

matlab超松弛迭代法求方程组

一、介绍MATLAB(Matrix Laboratory)是一种用于数值计算和数据可视化的专业软件。

在MATLAB中,超松弛迭代法是解决线性方程组的一种有效算法。

本文将介绍MATLAB中超松弛迭代法的基本原理和实现方法,并给出一个具体的例子进行演示。

二、超松弛迭代法的基本原理超松弛迭代法是一种逐步迭代的算法,用于求解线性方程组。

它的基本原理是通过不断迭代更新方程组的解,直到达到满足精度要求的解。

超松弛迭代法的公式如下:X(k+1) = (1-w)X(k) + w*(D-L)⁻¹*(b+U*X(k))其中,X(k)代表第k次迭代的解向量,X(k+1)代表第k+1次迭代的解向量,D、L和U分别代表方程组的对角线元素、下三角元素和上三角元素构成的矩阵,b代表方程组的右端向量,w代表松弛因子。

超松弛迭代法的关键在于选择合适的松弛因子w,一般情况下,可以通过试验选取一个合适的值。

在MATLAB中,可以使用sor函数来实现超松弛迭代法。

三、MATLAB中超松弛迭代法的实现方法在MATLAB中,可以通过调用sor函数来实现超松弛迭代法。

sor 函数的语法格式如下:[X,flag,relres,iter,resvec] = sor(A,b,w,tol,maxit)其中,A代表线性方程组的系数矩阵,b代表右端向量,w代表松弛因子,tol代表迭代的精度要求,maxit代表最大迭代次数,X代表迭代求解得到的解向量,flag代表迭代的结果标志,relres代表相对残差的大小,iter代表迭代次数,resvec代表迭代过程中的残差向量。

以下是一个使用sor函数求解线性方程组的示例:A = [4 -1 0 -1 0 0; -1 4 -1 0 -1 0; 0 -1 4 0 0 -1; -1 0 0 4 -1 0; 0 -1 0 -1 4 -1; 0 0 -1 0 -1 4];b = [1; 0; -1; 0; 1; 0];w = 1.25;tol = 1e-6;maxit = 100;[X,flag,relres,iter,resvec] = sor(A,b,w,tol,maxit);通过调用sor函数,可以得到方程组的解向量X,迭代的结果标志flag,相对残余resrel和迭代次数iter。

利用共轭梯度法求解线性方程组

利用共轭梯度法求解线性方程组

利用共轭梯度法求解线性方程组翟莹1012205052在自然科学和工程技术中很多问题的解决常常归结为解线性方程组,而这些方程组的系数矩阵大致可分为两种:低阶稠密矩阵和大型稀疏矩阵。

而求解方程组的方法通常为直接法和迭代法。

直接法用于较低阶方程组的求解,效率较高;迭代法更适用于高阶方程组的求解,常用的经典迭代法有高斯-赛德尔迭代法和雅各比迭代法,但收敛效率较低;共轭梯度法(CG)以较高的收敛速度而经常被采用。

从理论上讲,一个n阶方程组最多迭代n 步就可求出精确解。

1 直接法直接法就是经过有限步算术运算,无需迭代可直接求得方程组精确解的方法。

但实际计算中由于舍入误差的存在和影响,这种方法也只能得到线性方程组的近似解,该方法是求解低阶稠密矩阵方程组的有效方法。

如Cramer法则,Gauss消元法及其变形(LU分解法、Cholesky 分解法、QR分解法)等。

Matlab中,用矩阵除法“/”或“\”直接求解线性方程组(见附录一),它是一个内部包含着许许多多的自适应算法,对超定方程用最小二乘法求解;对欠定方程因为它的解不唯一,Matlab给出所有解中范数最小的一个特解;对于三对角阵方程组,采用追赶法求解。

2 迭代法迭代法就是用某种极限过程去逐步逼近线性方程组精确解的方法。

该方法具有对计算机的存贮单元需求少,程序设计简单、原始系数矩阵在计算过程中不变等优点,是求解大型稀疏矩阵方程组的重要方法。

迭代法不是用有限步运算求精确解,而是通过迭代产生近似解逼近精确解。

如Jacobi迭代、Gauss-Seidel迭代、SOR迭代法等。

在科学研究和大型工程设计中提出的求解问题,经离散后,常常归结为求解形如Ax = b 的大型线性方程组,此时系数矩阵A和b是通过测量或其它方法得到的,但是在多数情况下方程可能是病态的,即A的条件数非常大。

此时,我们仍然用Matlab中的常规算法,得到的解则可能不是真解。

通常情况下,对系数矩阵A和方程的右端b作微小的扰动,再用上述方法求解,扰动后方程组的解与原方程组的解相差甚远。

《E-变换GMRES(m)算法的研究与应用》

《E-变换GMRES(m)算法的研究与应用》

《E-变换GMRES(m)算法的研究与应用》篇一一、引言在科学与工程计算领域,线性方程组的求解是一项重要任务。

GMRES(Generalized Minimum Residual)算法作为一种高效的迭代求解方法,在处理大规模稀疏线性方程组时表现出色。

然而,随着问题规模的增大和复杂性的提高,传统的GMRES算法在某些情况下可能无法满足求解精度和效率的要求。

为此,本文提出了一种E-变换GMRES(m)算法,旨在提高算法的求解性能。

本文将首先介绍E-变换GMRES(m)算法的基本原理,然后分析其性能,最后探讨该算法在实际中的应用。

二、E-变换GMRES(m)算法的基本原理E-变换GMRES(m)算法是在传统GMRES算法的基础上,引入E-变换技术,以提高算法的求解性能。

E-变换是一种矩阵变换技术,通过对方程组的系数矩阵进行适当的变换,可以改善矩阵的性质,从而提高算法的求解效率。

在E-变换GMRES(m)算法中,首先对原问题系数矩阵进行E-变换,得到一个新的矩阵。

然后,利用GMRES算法对新矩阵进行迭代求解。

在迭代过程中,通过控制迭代次数m,可以在保证求解精度的同时,降低算法的复杂度。

此外,E-变换GMRES(m)算法还具有较好的稳定性,能够在处理病态问题时保持较高的求解精度。

三、E-变换GMRES(m)算法的性能分析E-变换GMRES(m)算法在性能上具有以下优点:1. 求解精度高:通过引入E-变换技术,可以改善原问题系数矩阵的性质,从而提高算法的求解精度。

2. 求解效率高:通过控制迭代次数m,可以在保证求解精度的同时,降低算法的复杂度,提高求解效率。

3. 稳定性好:该算法在处理病态问题时表现出较好的稳定性,能够保持较高的求解精度。

与传统的GMRES算法相比,E-变换GMRES(m)算法在处理大规模稀疏线性方程组时具有更高的求解性能。

在实际应用中,该算法可以有效地解决各类工程和科学计算问题。

四、E-变换GMRES(m)算法的应用E-变换GMRES(m)算法在以下领域具有广泛的应用:1. 科学计算:在物理、化学、生物等领域中,经常需要求解大规模稀疏线性方程组。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

pute βij=-(Ar(j+1),Apj)/(Apj,Apj), i=j-k+1,…,j, 7a. pj+1=r(j+1)+∑ji=j-k+1βijpi.
25
吉林大学硕士学位论文
第四章 数值算例
在工程问题的数值模拟中, 无论边界元法还是有限元法 都将形成离散的方程矩阵, 二者不同点在于矩阵系数及性质 上。 有限元法形成的刚度系数矩阵是稀疏矩阵, 边界元积分 方程离散后,一般得到的影响系数矩阵是非对称的稠密矩 阵。 传统边界元法求解线性方程组, 一般采用高斯消去法或 是由高斯消去法派生的相关方法, 解方程所需的计算次数与 方程秩的三次方成比例。 因此当方程组规模变大时, 利用高 斯消去法为基础的直接法变得十分不利, 因为随着方程组规 模的扩大, 直接法所需的求解时间迅速增大, 因此对此类问 题的求解,迭代方法成为了有力的工具。而 GMRES(m)算法 是在 Arnodi 算法的基础上提出的解决具稠密系数矩阵的线 性方程组的有力的数值解法, 其计算次数明显减少, 因此使 用 GMRES(m)算法求解大型边界元法系数方程组是十分有效 的。下面以弹性问题模型为例,来简单介绍 GMRES(m)算法 在求解边界元问题中的应用。 边界元法计算弹性问题时, 首先需要确定物体的边界曲
j=0,…,m-1.
由 r(m)的表示式和 Api 的正交性,即得
α j = (r ( 0) , Ap j ) / ( Ap j , Ap j ) ,
(3-17)得证.假设 x(m-1)已知,现来确定 x(m).由(3-17),
x ( m ) = x ( m −1) + α m−1 p m −1 ,
(3-18)
证明 近似解和相应的残向量可写成:
23
吉林大学硕士学位论文
m−1 i =0
x ( m) = x ( 0) + ∑ αi pi ,
r
(m)
=r
(0)
+ ∑α i Api .
i =0
m −1
为使||r(m)||2 取极小,必有
∂ ( m) r ∂α j
2 2
= 0 ,即必有正交关系
(r(m),Apj)=0,
Ap j +1 = Ar
( j +1)
+ ∑ βij Api .)每一步算法的计算量约比 GMRES
i =0
j
多 50%. 如同从 FOM 到 IOM 一样, 限制行 7 中求和的项数, 则可 得截断的 GCR,称为 ORTHOMIN( ORTHOMIN(k).这只须将算法 10 中的 行 6 和行 7 替换成
21
吉林大学硕士学位论文
6. 7.
β j :=(r
(j+1)
,r(j+1))/(r(j),r(j))
p(j+1):=r(j+1)+ β j p(j)
8. EndDo
这说明 CG 法可视为 FOM 用于对称正定方程组的特例. 同样地, 如果将 GMRES 用于 A 是 Hermite 矩阵 ( AH = A T = A ) 的特殊情况,则可得共轭残量法(CR).此时,残量是 A-正 交的,即共轭的,而 Api(i=0,1,…)是正交的.对照 CG 算法 8 的结构,并注意到上述正交性条件,可得共轭残量法.由 于残量是共轭的,算法由此得名. 算法 9 共轭残量法(CR)
pute r(0):=b-Ax(0),p0:=r(0) 2.For j=0,1,…until convergence Do: 3. 4. 5. 6. 7. 8.
α j : = (r ( j ) , Ar ( j ) ) / ( Ap j , Ap j )
x(j+1):=x(j)+ α j p j
26
吉林大学硕士学位论文
GMRES(FGMRES)[4]. 为保证预处理方程组系数矩阵的正定性, 一般应要求预 处理矩阵 M 是(对称)正定的.
§3.4 共轭残量法和 ORTHOMIN 算法
将 Arnoldi 方法用于实对称阵 A,则由算法 1 得到的 Hessenberg 阵 Hm 是对称的三对角矩阵.事实上,由(1-4)
α j =(r ,Apj)/(Apj,Apj)
(j)
x(j+1)=x(j)+ α j pj r(j+1)=r(j)- α j Apj
β ij =-(Ar
(j+1)
,Apj)/(Apj,Apj),i=0,1,…j
j
pj+1=r(j+1)+ ∑i =0 βij pi
8.EndDo
(实际计算时,可在行 5 下计算 Ar(j+1),在行 7 下计算
r ( j +1) : = r ( j ) − α j Ap j
β j : = (r ( j +1) , Ar ( j +1) ) / (r ( j ) , Ar ( j ) )
p j +1: = r ( j +1) + β j p j
Compute Apj+1=Ar(j+1)+ β j Apj
22
(Api,Apj)=0,i≠j,
则在仿射子空间 x(0)+κm(A,r(0))上极小化残量范数的近似解 x为
x =x
(m)
(0)
(r ( 0 ) , Api ) ⋅ pi . +∑ i = 0 ( Ap i , Ap i )
m −1
(3-17)
进一步,x(m)可由 x(m-1)算出:
x ( m) = x ( m−1) + (r ( m−1) , Apm−1 ) p . ( Apm−1 , Apm−1 ) m−1
j =0 m− 2
从而, α m−1 = (r ( m−1) , Apm−1 ) / ( Apm−1 , Apm−1 ) . # 于是有下面的 算法 10 广义共轭残量法(GCR)
24
吉林大学硕士学位论文
pute r(0)=b-Ax(0),set po=r(0). 2.For j=0,1,2,…, until covergence Do: 3. 4. 5. 6. 7.
α m −1 = (r ( 0) , Ap m −1 ) /( Ap m −1 , Ap m −1 ),
注意由 r(m)的表示式,有 r(m-1)=r(0)- ∑ α j Ap j .这样,再由正交
j =0
m− 2பைடு நூலகம்
性,有
(r ( m −1) , Ap m −1 ) = (r ( 0 ) , Ap m −1 ) − ∑ α j ( Ap j , Ap m −1 ) = (r ( 0 ) , Ap m −1 ).
吉林大学硕士学位论文
9. EndDo
CR 法的计算量比 CG 法大,而两者的收敛性是类似的, 故一般讲 CG 法优于 CR 法. Krylov 子空间基底的选取,是各种方法的基础.GMRES 用的是正交基;在 CG 算法中,pj 是 A-正交的,即共轭的; 在 CR 算法中,Api 是正交的,即 pi 是 ATA-正交的.下面的结 果可将 CR 算法推广到非对称情形(此时,Hm 不再是三对角 的). 命题 9 令 p0,p1,…,pm-1 是 Krylov 子空间κm(A,r(0)) 的一组基,它们是 ATA-正交的,即
Hm=VmTAVm,知 Hm 对称,从而它必是三对角的.此时,由相应的
FOM 算法可导出 DIOM(2).可以证明,算法产生的残向量序 列 r(m)=b-Ax(m)是互为正交的,即(r(i),r(j))=0,i≠j;而辅 助向量 pi 是 A-正交的,即(Api,pj)=0,i≠j.由此两性质, 可导出共轭梯度法(CG)--算法 8. 算法 8 共轭梯度法(CG)
1. Compute
r(0):=b-Ax(0),
p(0)=r(0)
2 .For j=0,1,…, until convergence Do: 3. 4. 5.
α j :=(r ,r )/(Ap ,p )
(j) (j) (j) (j)
x(j+1):=x(j)+ α j p(j) r(j+1):=r(j)- α j Ap(j)
相关文档
最新文档