タグ付けされた質問 「linear-solver」

線形連立方程式を解く方法を参照します。

2
対角支配行列での反復法の安全な適用
次の線形システムが与えられたと仮定 Lx=c,(1)(1)Lx=c,Lx=c,\tag1 ここで、LLL正であることが知られているラプラシアン重み付けsemi−semi−semi-で張ら一次元のヌル空間と明確1n=(1,…,1)∈Rn1n=(1,…,1)∈Rn1_n=(1,\dots,1)\in\mathbb{R}^n、そして、の翻訳分散x∈Rnx∈Rnx\in\mathbb{R}^{n}、すなわち、x+a1nx+a1nx+a1_nその誘導体である関数値(変化しない(1)(1)(1))。の唯一の正のエントリはLLL、対角線上にあります。これは、負の非対角線上のエントリの絶対値の合計です。 私は非常にも、その場で学業に引用いずれかで見出さLLLであるnot strictlynot strictlynot~strictly斜めドミナント、例えば共役勾配、ガウスSeidl、ヤコビのような方法は、まだ安全に解決するために使用することができるが(1)(1)(1)。理論的根拠は、変換不変性のため、1つの点を固定しても安全です(たとえば、最初の行と列LLLおよび最初のエントリをから削除するccc)。したがって、LLLをa s t r i c t l yに変換します。strictlystrictlystrictly対角線的に支配的な行列。いずれにしても、元のシステムは、完全な形で解決される(1)(1)(1)と、L∈Rn×nL∈Rn×nL\in\mathbb{R}^{n\times n}。 この仮定は正しいですか、正しい場合、代替の根拠は何ですか?メソッドの収束がどのように維持されるかを理解しようとしています。 ヤコビ法を有する収束である場合(1)(1)(1)、どのスペクトル半径約状態可能性ρρ\rho繰り返し行列のD−1(D−L)D−1(D−L)D^{-1}(D-L)、DDDのエントリを有する対角行列であるLLLその対角線上には?あるρ(D−1(D−L)≤1ρ(D−1(D−L)≤1\rho(D^{-1}(D-L)\leq1、のための一般的な収束を保証からしたがって、異なるρ(D−1(D−L))&lt;1ρ(D−1(D−L))&lt;1\rho(D^{-1}(D-L))<1?私はラプラシアン行列の固有値ので、これを求めているD−1LD−1LD^{-1}L対角線上のものが持つべき範囲であることが[0,2][0、2][0, 2]。 原作より: ...................................... 各反復で、次の線形システムを解くことで新しいレイアウト(x(t +1)、y(t + 1))を計算します: L⋅x(t+1)=L(x(t),y(t))⋅x(t)L⋅y(t+1)=L(x(t),y(t))⋅y(t)(8)(8)L・バツ(t+1)=L(バツ(t)、y(t))・バツ(t)L・y(t+1)=L(バツ(t)、y(t))・y(t) L · x(t + 1) = L(x(t),y(t)) · x(t) \\ L · y(t + 1) = L(x(t),y(t)) · y(t) \tag 8 一般性を失うことなく、センサーの1つの位置を固定できます(ローカライズされたストレス)、厳密に対角線的に支配的な行列を取得します。したがって、(8)を解くためにJacobi反復を安全に使用できます。 ................................................. 上記の「反復」の概念は、基礎となる最小化手順に関連しており、Jacobi反復と混同しないでください。したがって、システムはJacobiによって(反復的に)解決され、ソリューションは(8)の右側に購入されますが、今度は、基礎となる最小化の別の反復のためです。これで問題が明確になることを願っています。 正の半定値行列に対して収束する反復線形ソルバーが見つかりましたか?、しかしより複雑な答えを探しています。

2
行列の条件数は、反復線形ソルバーの精度に影響しますか?
条件番号に関してかなり具体的な質問があります。複数の長さスケールを持つFEMシミュレーションを実行すると、マトリックス内の最大のエントリと最小のエントリの間に大きな差異が生じます。条件番号は、状況によっては10 ^ 15にもなることがあります。 数値解析では、直接法を使用して計算されたソリューションのエラーに適用されるため、条件番号のエラー限界をよく見ます。私の好奇心は、このロジックがCGのような反復型ソルバーやGMRESのエラーにも当てはまるかどうかです。収束率は行列の固有値の影響を受けることは知っています。このタイプの問題を実行すると、速度が大幅に低下することに気づきます。しかし、その正確さについては不明です。任意の助けいただければ幸いです。

1
循環三重対角行列を使用した線形方程式の解法
私の教科書にこの問題があります: 形である環状三対角行列、線形方程式系を解くための効率的なアルゴリズムを提案する: 行と列を交換せずに。複雑さを推定します。⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢⎢a1c20⋮0d2b1a2⋱⋮⋯00b2⋱cn − 2⋯⋯⋯0⋱an − 2cn − 100⋮0bn − 2an − 1cんd10⋮0bn − 1aん⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥⎥[a1b10⋯0d1c2a2b20⋮00⋱⋱⋱0⋮⋮⋮cn−2an−2bn−200⋯⋯cn−1an−1bn−1d20⋯0cnan]\begin{bmatrix} a_1&b_1&0&\cdots&0&d_1\\c_2&a_2&b_2&0&\vdots&0\\0&\ddots&\ddots&\ddots&0&\vdots\\\vdots&\vdots&c_{n-2}&a_{n-2}&b_{n-2}&0\\0&\cdots&\cdots&c_{n-1}&a_{n-1}&b_{n-1}\\d_2&0&\cdots&0&c_n&a_n\end{bmatrix} そして、私はこれにどのように取り組むか知りません。クラシック除去は非常に効率的に働くだろうこの行列との時間が、LETだと言うが、私は排除したいときに、問題があるcを2と1秒の行に追加され-st行- C 2O (n )O(n)O(n)c2c2c_{2}111のとき1=0。私はそれを行うことができない、としても1≠0、同じ問題は、このproccessの途中のどこかで発生する可能性があります。さらに、問題のテキストに記載されているように、行や列を入れ替えることは許可されていないため、このアプローチを何らかの方法で修正できるかどうかはわかりません。誰か助けてもらえますか?− c2a1⋅ [ a1b10⋯0d1]−c2a1⋅[a1b10⋯0d1]\frac{-c_{2}}{a_{1}}\cdot \begin{bmatrix} a_1&b_1&0&\cdots&0&d_1 \end{bmatrix}a1= 0a1=0a_1=0a1≠ 0a1≠0a_1\neq 0

1
対流拡散演算子の前処理に代数マルチグリッドを使用する
線形連立方程式を解くために、FEM離散化とPETScに基づいてNavier Stokesを実装しました。効率的な解の手順を作成するために、私は「非圧縮性流れのための線形化されたナビエ・ストークス方程式の効率的な事前調整」(Silvester et al。)に従って、Schur補完アプローチを提案します。メッシュサイズとタイムステップに関係なく、ほぼ一定の反復回数があり、このホワイトペーパーでも説明されている単純なベンチマーク(2D駆動キャビティフローと後向きステップ)の反復数がほぼ一定であるという意味で、これは非常にうまく機能します。しかし、現時点では、並列速度直接ソルバー(MUMPS)で上部速度ブロックを解きます。Pressure Schurブロックは、論文で提案されているように、不正確なソルバーで解かれます。 この論文では、著者は、各外部反復で単一のマルチグリッドVサイクルを実行し、この離散対流拡散演算子の逆数を近似するためにポイントガウスザイデルスムーザーを使用することを提案しています。幾何学的なマルチグリッド法を簡単に使用できないため、直接ソルバーを1つの代数的マルチグリッドVサイクル(hypreパッケージのboomeramg)に置き換えることを考えました。しかし、メッシュを細かくしている間、一定数の反復を失うよりも。 代数的マルチグリッドに基づいて速度行列の逆行列に対してスペクトル的に等価で効率的な前処理を作成する方法を知っている人はいますか?この場合、代数的マルチグリッドを利用できない固有のものはありますか?そうでない場合、定数反復スケーリングを失う原因は何でしょうか? 編集: 速度ブロックのさまざまなソルバーのベンチマークをいくつか追加しました。問題は、標準の2D駆動キャビティフロー、テイラーフードによる離散化、およびユニットボックスの均一な改良によって解決されます。 Exaktソルバー(MUMPS) :25 ITER H=1h = 132h=132h = \frac{1}{32}:25 ITER H=1h = 164h=164h = \frac{1}{64}:25反復 h=1h = 1128h=1128h = \frac{1}{128}:22反復h = 1256h=1256h = \frac{1}{256} 1つのV-AMG(代数、ブーメラム) :30 ITER H=1h = 132h=132h = \frac{1}{32}:30 ITER H=1h = 164h=164h = \frac{1}{64}:39反復 h=1h = 1128h=1128h = …

2
ILUプレコンディショナーの分類
スパース線形システムのBiCGStabソルバーの場合、前提条件子を使用する必要がほとんど常にあることを学びました。良いものを選ぶことは問題に依存していることを今までに気づきました。 Webをサーフィンしているときに、ILUベースのプレコンディショナー(ILUT、MILUなど)がたくさんあることがわかりました。ここで混乱しました。 誰かがILUプレコンディショナーの分類法を簡単に説明でき、特定のもののいくつかの文献ソースを提供でき、それらのうちのどれがBiCGStabに適しているのか疑問に思いました。 私が作業している設定はCFDであり、コードは非構造化有限ボリュームの離散化に基づいています。乱流スカラーの運動量方程式と輸送方程式には、おそらく異なる前処理が必要になります。

2
摂動線形システムの初期推定
線形システムを、共役勾配法やリチャードソン反復法などの反復法で解くとします。次に、マトリックスと右側でわずかに摂動がある線形システムを解こうとします。たとえば、です。〜A 〜U = 〜FA u = fAu=fAu = fあ〜あなた〜= f〜A~u~=f~\tilde A \tilde u = \tilde f 反復法の開始値として古いソリューションを使用することは意味がありますか?「意味をなす」とは、反復法の実行時間に信頼できる利得があることを意味します。これは、アドバイスされた実践と見なすことができるほど、一般に改善につながるのだろうか。あなた〜0= uu~0=u\tilde u_0 = u 私が考えているアプリケーションは、適応有限要素から来ています。粗いグリッドで解を計算し、より細かいグリッド(適応法に基づいて生成された可能性がある)で解を見つけたい場合、任意の反復アルゴリズムの開始値は、より細かいグリッドに。同様に、非線形問題の解法に関与するニュートン法またはピカール反復法は、それがまったく意味をなさない場合、その方法で「ブースト」することができます。〜U Uあなたuuあなた〜u~\tilde uあなたuu
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.