Участник:Kozlov Vladimir/Алгоритм Ланцоша для арифметики с плавающей точкой с полной переортогонализацией: различия между версиями
Строка 1: | Строка 1: | ||
== Свойства и структура алгоритма == | == Свойства и структура алгоритма == | ||
=== Общее описание алгоритма === | === Общее описание алгоритма === | ||
− | '''Алгоритм Ланцоша''' — это итерационный алгоритм поиска <math>k</math> приближённых собственных значений симметричной вещественной матрицы <math>A</math> размера <math>n \times n</math>. Алгоритм применяется, когда матрица <math>A</math> слишком велика, чтобы к ней можно было применять точные прямые методы вычисления собственных значений. Алгоритм '''метод Рэлея | + | '''Алгоритм Ланцоша''' — это итерационный алгоритм поиска <math>k</math> приближённых собственных значений симметричной вещественной матрицы <math>A</math> размера <math>n \times n</math>. Алгоритм применяется, когда матрица <math>A</math> слишком велика, чтобы к ней можно было применять точные прямые методы вычисления собственных значений. Алгоритм '''метод Рэлея — Ритца''' поиска приближённых собственных значений и '''метод Ланцоша''' построения крыловского подпространства. |
− | Метод Рэлея | + | Метод Рэлея — Ритца является методом поиска <math>k</math> приближённых собственных значений симметричной вещественной матрицы <math>A</math> размера <math>n \times n</math>. Если <math>Q = [Q_k, Q_u]</math> — ортонормированная матрица размера <math>n \times n</math>, <math>Q_k</math> имеет размер <math>n \times k</math>, <math>Q_u</math> имеет размер <math>n \times n - k</math>, то можно записать равенство |
<math>T = Q^T A Q = [Q_k, Q_u]^T A [Q_k, Q_u] = | <math>T = Q^T A Q = [Q_k, Q_u]^T A [Q_k, Q_u] = | ||
Строка 15: | Строка 15: | ||
\end{array} \right].</math> | \end{array} \right].</math> | ||
− | Метод Рэлея | + | Метод Рэлея — Ритца заключается в том, что собственные значения матрицы <math>T_k = Q_k^T A Q_k</math> объявляются приближёнными собственными значениями матрицы <math>A</math>. Такое приближение является в некотором смысле «наилучшим»: можно показать, что если <math>T_k = V \Lambda V^{-1}</math> — спектральное разложение <math>T_k</math>, то пара <math>(Q_k V, \Lambda)</math> минимизирует функционал <math>L(P_k, D) = \Vert A P_k - P_k D \Vert_2</math>, причём <math>L(Q_k V, \Lambda) = \Vert T_{ku} \Vert_2</math>, то есть <math>A \approx (Q_k V) \Lambda (Q_k V)^{-1}</math> — приближённое спектральное разложение матрицы <math>A</math>. Из этого также видно, что метод Рэлея — Ритца позволяет получать приближения для собственных векторов матрицы <math>A</math>. Более того, можно показать, что собственные значения <math>T</math> отличаются от некоторых собственных значений <math>A</math> не более чем на <math>\Vert T_{ku} \Vert_2</math>. Метод Ланцоша — это метод построения матрицы <math>Q</math>, при использовании которого, во-первых, матрица <math>T</math> оказывается симметричной трёхдиагональной, во-вторых, столбцы <math>Q</math> и <math>T</math> вычисляются последовательно. |
+ | |||
+ | В теории в методе Ланцоша для вычисления каждого следующего столбца <math>q_{j + 1}</math> матрицы <math>Q</math> достаточно знать только <math>q_{j - 1}</math> и <math>q_{j}</math> в силу трёхдиагональности матрицы <math>T</math>. На практике из-за ошибок округления, если не предпринимать специальных мер, набор векторов <math>q_{1}, \dots, q_{k}</math> перестаёт быть ортогональным. Для борьбы с этим явлением на каждом шаге метода Ланцоша приходится выполнять так называемую переортогонализацию — повторно запускать процесс ортогонализации Грама-Шмидта. | ||
=== Математическое описание алгоритма === | === Математическое описание алгоритма === |
Версия 17:03, 15 октября 2016
Содержание
- 1 Свойства и структура алгоритма
- 1.1 Общее описание алгоритма
- 1.2 Математическое описание алгоритма
- 1.3 Вычислительное ядро алгоритма
- 1.4 Макроструктура алгоритма
- 1.5 Схема реализации последовательного алгоритма
- 1.6 Последовательная сложность алгоритма
- 1.7 Информационный граф
- 1.8 Ресурс параллелизма алгоритма
- 1.9 Входные и выходные данные алгоритма
- 1.10 Свойства алгоритма
- 2 Программная реализация алгоритма
- 3 Литература
1 Свойства и структура алгоритма
1.1 Общее описание алгоритма
Алгоритм Ланцоша — это итерационный алгоритм поиска k приближённых собственных значений симметричной вещественной матрицы A размера n \times n. Алгоритм применяется, когда матрица A слишком велика, чтобы к ней можно было применять точные прямые методы вычисления собственных значений. Алгоритм метод Рэлея — Ритца поиска приближённых собственных значений и метод Ланцоша построения крыловского подпространства.
Метод Рэлея — Ритца является методом поиска k приближённых собственных значений симметричной вещественной матрицы A размера n \times n. Если Q = [Q_k, Q_u] — ортонормированная матрица размера n \times n, Q_k имеет размер n \times k, Q_u имеет размер n \times n - k, то можно записать равенство
T = Q^T A Q = [Q_k, Q_u]^T A [Q_k, Q_u] = \left[ \begin{array}{cc} Q_k^T A Q_k & Q_k^T A Q_u\\ Q_u^T A Q_k & Q_u^T A Q_u \end{array} \right] = \left[ \begin{array}{cc} T_{k} & T_{ku}^T\\ T_{ku} & T_{u} \end{array} \right].
Метод Рэлея — Ритца заключается в том, что собственные значения матрицы T_k = Q_k^T A Q_k объявляются приближёнными собственными значениями матрицы A. Такое приближение является в некотором смысле «наилучшим»: можно показать, что если T_k = V \Lambda V^{-1} — спектральное разложение T_k, то пара (Q_k V, \Lambda) минимизирует функционал L(P_k, D) = \Vert A P_k - P_k D \Vert_2, причём L(Q_k V, \Lambda) = \Vert T_{ku} \Vert_2, то есть A \approx (Q_k V) \Lambda (Q_k V)^{-1} — приближённое спектральное разложение матрицы A. Из этого также видно, что метод Рэлея — Ритца позволяет получать приближения для собственных векторов матрицы A. Более того, можно показать, что собственные значения T отличаются от некоторых собственных значений A не более чем на \Vert T_{ku} \Vert_2. Метод Ланцоша — это метод построения матрицы Q, при использовании которого, во-первых, матрица T оказывается симметричной трёхдиагональной, во-вторых, столбцы Q и T вычисляются последовательно.
В теории в методе Ланцоша для вычисления каждого следующего столбца q_{j + 1} матрицы Q достаточно знать только q_{j - 1} и q_{j} в силу трёхдиагональности матрицы T. На практике из-за ошибок округления, если не предпринимать специальных мер, набор векторов q_{1}, \dots, q_{k} перестаёт быть ортогональным. Для борьбы с этим явлением на каждом шаге метода Ланцоша приходится выполнять так называемую переортогонализацию — повторно запускать процесс ортогонализации Грама-Шмидта.