RUS  ENG
Полная версия
ЖУРНАЛЫ // Записки научных семинаров ПОМИ // Архив

Зап. научн. сем. ПОМИ, 2000, том 268, страницы 190–241 (Mi znsl1300)

Эта публикация цитируется в 1 статье

Новые алгоритмы типа GMRES(k) с явными рестартами и анализ их свойств сходимости на основе QR формы матричных соотношений

С. А. Харченкоa, А. Ю. Ерёминb

a Вычислительный центр им. А. А. Дородницына РАН
b Научно-исследовательский вычислительный центр Московского государственного университета имени М. В. Ломоносова

Аннотация: Рассматривается задача построения базисной итерационной схемы для решения систем линейных алгебраических уравнений с несимметричными незнакоопределенными матрицами коэффициентов. Предложен алгоритм типа GMRES с явными рестартами, где в качестве эффективного механизма переноса спектральной/сингулярной информации при рестарте используется так называемая QR форма ортогональных матричных соотношений, возникающих в процессе внутренних итераций типа Арнольди. Основная идея предложенного алгоритма состоит в том, чтобы организовать внутренние итерации и фильтрацию получаемых направлений перед рестартом таким образом, чтобы от рестарта к рестарту в матричных соотношениях одновременно эффективно накапливалась информация о текущем приближении к решению, а также спектральная/сингулярная информация, позволяющая поддерживать высокую скорость сходимости, сравнимую со скоростью сходимости алгоритма ГМРЕС без рестартов. Построена теория сходимости для случая невырожденных несимметричных незнакоопределенных матриц коэффициентов. Получена оценка скорости убывания невязки на внутренних итерациях типа Арнольди в зависимости от спектральной/сингулярной характеризации подпространства, являющегося линейной оболочкой оставленных после фильтрации направлений. Данная оценка используется для конструирования эффективных процедур фильтрации. Приведены результаты численных экспериментов. Библ. – 9 назв.

УДК: 519.612.2

Поступило: 05.05.2000


 Англоязычная версия: Journal of Mathematical Sciences (New York), 2003, 114:6, 1863–1889

Реферативные базы данных:


© МИАН, 2024