Участник:Коростелец
Содержание
1 Свойства и структура алгоритма
1.1 Общее описание алгоритма
Будем рассматривать систему линейных алгебраических уравнений
Ay=f
где А - квадратная невырожденная матрица порядка m, у - искомый вектор размерности m, f - заданный вектор той же размерности
Рассмотрим нестационарный одношаговый итерационный метод решения такой системы вида
B \frac{y_{n+1}-y_n}{\tau_{n+1}}+Ay_n=f; n=0,1,...; y_0\in H,
а так же аналогичный двушаговый метод
B \frac{y_{n+1}-y_n+(1-\alpha_{n+1})(y_n-y_{n-1})}{\alpha_{n+1}\tau_{n+1}}+Ay_n=f, \frac{y_{1}-y_0}{\tau_{1}}+Ay_0=f; n=1,...; y_0\in H Целью алгоритма является решение такой системы.
1.2 Математическое описание алгоритма
В описанном методе невырожденная матрица B не зависит от номера итерации n, решение y системы и последовательные приближения y_n - элементы линейного пространства H размерности m, в котором определены скалярное произведение и норма ||y||=\sqrt{(y,y)}
Можно выразить \begin{equation} y_{n+1}=y_n -\tau_{n+1}B^{-1}(Ay_n-f) \end{equation}
Тогда для нахождения y_{n+1} необходимо определить \tau_{n+1}
Пусть z_n=y_n-y - погрешность на n-ой итерации. Выразив y_{n+1} и y_n
через погрешность, можно получить
B\frac{z_{n+1}+y-z_n-y}{\tau_{n+1}}+Ay_n=f B\frac{z_{n+1}-z_n}{\tau_{n+1}}+Ay_n=f
отсюда
z_{n+1}=z_n-\tau_{n+1}B^{-1}(Ay_n-f)=(E-\tau_{n+1}B^{-1}A)z_n
Пусть D - произвольная матрица, удовлетворяющая условиям
D^T=D\gt 0. Выбор итерационных параметров \tau_{n+1} можно сделать на основе минимизации энергитической нормы ||z_{n+1}||_D. Такой способ построения итерационного процесса называется локальной минимизацией.
Обозначив \begin{equation} w_{n+1}=D^{1/2}z_{n+1} \end{equation} получим
||z_{n+1}||_D=\sqrt{(Dz_{n+1},z_{n+1})}=\sqrt{(D^{1/2}z_{n+1},D^{1/2}z_{n+1})}=||w_{n+1}||
Значит минимизация ||z_{n+1}||_D эквивалентна минимизации ||w_{n+1}||
Выразим
w_{n+1}=D^{1/2}z_{n+1}=D^{1/2}(E-\tau_{n+1}B^{-1}A)z_n=D^{1/2}(E-\tau_{n+1}B^{-1}A)D^{-1/2}D^{1/2}z_n=
=(E-\tau_{n+1}D^{-1/2}B^{-1}AD^{1/2})w_n=(E-\tau_{n+1}C)w_n,
где \begin{equation} C=D^{-1/2}B^{-1}AD^{1/2} \end{equation}
- невырожденная матрица.
Пусть w_0\neq 0, иначе на n-ой итерации найдено точное решение, тогда
||w_{n+1}||^2=((E-\tau_{n+1}C)w_n,(E-\tau_{n+1}C)w_n)= =||w_n||^2+\tau_{n+1}^2(Cw_n,Cw_n)-2\tau_{n+1}(Cw_n,w_n)= =||w_n||^2+(Cw_n,Cw_n)(\tau_{n+1}^2-2\tau_{n+1}\frac{(Cw_n,w_n)}{(Cw_n,Cw_n)})= =||w_n||^2+(Cw_n,Cw_n)(\tau_{n+1}-\frac{(Cw_n,w_n)}{(Cw_n,Cw_n)})^2-\frac{(Cw_n,w_n)^2}{(Cw_n,Cw_n)}
Это значит, что минимальное значение
||w_{n+1}||
достигается при
\tau_{n+1}=\frac{(Cw_n,w_n)}{(Cw_n,Cw_n)}, где \tau_{n+1}\gt 0, если C>0
В дальнейшем предполагаем условие C>0 выполненным.
\tau_{n+1}=\frac{(DB^{-1}Az_n,z_n)}{(DB^{-1}Aw_n,B^{-1}Aw_n)}
Где v_n=B^{-1}(Ay_n-f) - поправка, r_n=(Ay_n-f) -невязка на n-ой итерации.
Значит \begin{equation} \tau_{n+1}=\frac{(Dv_n,z_n)}{(Dv_n,v_n)} \end{equation}
2 Программная реализация алгоритма
3 Литература
Абакумов М.В., Гулин А.В. Лекции по численным методам математической физики: Учеб. пособие. - М.:ИНФРА-М,2013