پژوهش های انجام شده در رابطه با روش های تصویری عمومی برای مسائل بزرگ- فایل ۸ |
الف) هرگاه باشد آنگاه هریک از بردار F-ریتز به صورت وابسته خطی عددی میباشد، از هرکدام از عددها چندگانگی را تشخیص میدهیم.
ب) هرگاه باشد آنگاه هریک از بردار F-ریتز به صورت مستقل خطی میباشد.
پس حداقل گانه میباشد. آنگاه الگوریتم آرنولدی سراسری را با یک جدید مستقل از قبلی اجرا نموده و بردارهایF-ریتز همگرای جدید را محاسبه میکنیم و آنها را به مقادیر قبلی
اضافه میکنیم. اگر به صورت وابسته خطی عددی باشد آنگاه رتبه[۱۰]ماتریس برابر می شود درغیر اینصورت ادامه میدهیم. قضیه و آزمایش عددی نشان میدهد که این فرایند مقدارویژه چندگانه و مکان آن را تا وقتی که شرط مقدارویژه خواسته شده کوچکتر از معکوس نرم باقیمانده باشد، بدست می آورد.
روش آرنولدی سراسری در حافظه بسیار پرهزینه است و هزینه محاسبات با اضافه شدن افزایش مییابد. بنابراین برای کاهش این هزینهها، شروع مجدد هنگامیکه به تقریبی از مقدارویژه برای بالاترین مقدار نرسیده است، لازم است. عملیات شروع مجدد ابتدا توسط کاروش[۱۱] [۲۲] بیان شده است سپس طرح شروع مجدد به وسیله تعداد زیادی از پژوهشگران مورد تحقیق قرار گرفت. بهخصوص پایگه[۱۲] [۱۰]، کولوم [۱۳]و دونات[۱۴] [۱۰] ، گلوب[۱۵] و آندروود[۱۶][۱۲] ، سد[۱۷][۲۷,۲۸] و چاتلین[۱۸] و هو[۱۹][۶]که همگی آنها طرح، شروع مجدد ضمنی بودند. پس از طی چندین سال مشهورترین طرح شروع مجدد توسط سورنسون[۲۰] [۳۳] ارائه شد که ترکیبی از تکرار انتقال ضمنی با فرایند آرنولدی میباشد. همچنین انتقالهای دقیق در [۳۳] بیان شده است.
در ادامه این پایان نامه الگوریتم شروع مجدد را با فرایند آرنولدی سراسری ادامه میدهیم و الگوریتم ضمنی شروع مجدد آرنولدی سراسری[۲۱] با مقادیر F-ریتز ناخواسته، توسط انتقال پیاده سازی میکنیم.
نکاتی که در این پایان نامه باید در نظر داشت :
یک ماتریس قطری پذیر بزرگ است.
مقدارویژه و بردارویژه متناظر با آن میباشد.
نرم طیفی یک ماتریس و نرم-۲ بردار است.
نرم فریبنیوس یک ماتریس میباشد و
حرف بالای ماتریس به معنای ترانهاده مزدوج آن ماتریس میشد
ماتریس واحد است
بردارهای ویژه و تقریب آنها با طول واحد نرمالسازی میشوند.
۳-۳ فرایند آرنولدی سراسری ، FOM سراسری و GMRES سراسری
تعریف ۳-۲ : فرض کنید را فضای خطی فشرده از ماتریس مثلثی باشد. برای دو ماتریس و در ، -Fضرب داخلی را بصورت زیرتعریف میکنیم:
که به معنی اثر [۲۲]ماتریس مربعی میباشد.
تعریف ۳- ۳ : هنگامیکه و ، F-متعامد باشند آنگاه -Fضرب داخلی آن برابر صفر میباشد و بصورت زیر تعریف می شود:
تعریف ۳-۴ : برای هر ماتریس اولیه ، زیرفضای کرایلف ماتریس تعریف می شود و بصورت زیر است:
که زیرمجموعه است.
در واقع اگر یعنی، به ازای یک اسکالر ،
اگر و با تعریف یک عمل خطی که:
آنگاه داریم:
که یعنی ضرب داخلی از فضای بردار مختلط میباشد.
تعریف ۳-۵ : را ضرب کرونکر[۲۳] ماتریس و نشان میدهیم، که خواص اساسی آن عبارتند از: (خاصیتهای پایه در [۱۱] ذکر شده است)
اگر ، آنگاه داریم:
هر مقدارویژه ، از ،یک مقدارویژه گانه از است.
در ادامه به توضیح الگوریتم آرنولدی سراسری میپردازیم. اساس این الگوریتم بر فرایند گرام اشمیت اصلاح شده است، که یک پایه -Fمتعامد ، از زیرفضای کرایلف ماتریس را میسازدکه برای که دلتای کرونکر است.
در ادامه الگوریتم آرنولدی سراسری و قضایای مربوط به آن را شرح میدهیم.
۳-۳-۱ الگوریتم آرنولدی سراسری ( الگوریتم ۱) [۱۶,۲۴]
ورودی الگوریتم : ماتریس و ماتریس شروع
خروجی الگوریتم: ماتریس هسنبرگی (مقادیرویژه آن تقریبا با مقادیربرابر است) و ماتریس نتیجه
این فرایند به ضرب ماتریس در بردار به علاوهی عملیات ممیز شناور نیاز دارد.
اگر را به صورت ،همچنین و را دو ماتریس هسنبرگی و در نظر بگیریم که عناصر غیرصفر آن توسط الگوریتم (۱) تعریف نمائیم. آنگاه :
که در آن ، امین پایه به صورت زیر است.
قضیه۳-۱: [۱۶] اگر ، و را طبق تعاریف بالا داشته باشیم، آنگاه یک پایه -Fمتعامد از زیرفضای کرایلف ماتریس و داریم:
( ،ماتریس صفر است و )
مثال ۳-۱: فرض کنید باشد یک ماتریس تصادفی بصورت زیر باشد.
ماتریس شروع را نیز بصورت زیر تعریف میکنیم:
ماتریس را با بردار شروع به عنوان ورودی به الگوریتم سراسری آرنولدی میدهیم سپس در اولین مرحله ماتریس بدست می آید.
iter Residual norms |
فرم در حال بارگذاری ...
[یکشنبه 1400-08-02] [ 01:13:00 ب.ظ ]
|