26.12.2013 Aufrufe

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

4.3 Nachiteration<br />

Jetzt folgt durch E<strong>in</strong>schieben von ±ŵ sowie ±w <strong>in</strong> den Fehler ‖x − (˜x + ˜w)‖:<br />

‖x − (˜x + ˜w)‖ ≤ ‖x − (˜x + ŵ)‖ + ‖ŵ − w‖ + ‖w − ˜w‖<br />

} {{ } } {{ } } {{ }<br />

=0 wegen (4.5) (4.6) (4.4)<br />

≤ ɛ 2 cond(A) 2 ‖ŵ‖ + ɛ cond(A)‖w‖<br />

≤ ɛ cond(A) ( )<br />

ɛ cond(A)‖ŵ‖ + ‖ŵ‖ + ‖w − ŵ‖<br />

} {{ }<br />

(4.6)<br />

≤ ɛ cond(A) ( 1 + ɛ cond(A) + ɛ 2 cond(A) 2) ‖ŵ‖<br />

≤ ɛc(A)‖x − ˜x‖,<br />

mit c(A) := cond(A)(1 + ɛ cond(A) + ɛ 2 cond(A) 2 ). Das Ergebnis mit Teilen durch ‖x‖. □<br />

Durch e<strong>in</strong>en Nachiterationsschritt kann der Fehler um den Faktor ɛc(A) reduziert werden.<br />

Die Konstante c(A) hängt dabei allerd<strong>in</strong>gs sehr ungünstig von der oft sehr großen Konditionszahl<br />

der Matrix ab. Die Nachiteration ist e<strong>in</strong> universelles Pr<strong>in</strong>zip und nicht auf <strong>die</strong><br />

LR-Zerlegung beschränkt. Dennoch def<strong>in</strong>ieren wir für <strong>die</strong>se:<br />

Algorithmus 4.46 (Nachiteration). Es sei A ∈ R n×n e<strong>in</strong>e reguläre Matrix und b ∈ R n .<br />

Zur Lösung von Ax = b:<br />

1. Erstelle LR-Zerlegung von A mit e<strong>in</strong>facher Genauigkeit<br />

LR = P A.<br />

2. Setze d (1) = b sowie x (1) = 0 und iteriere für i = 1, 2, . . . :<br />

(i) Ly (i) = P d (i) mit e<strong>in</strong>facher Genauigkeit<br />

(ii) Rw (i) = y (i) mit e<strong>in</strong>facher Genauigkeit<br />

(iii) x (i+1) = x (i) + w (i) mit doppelter Genauigkeit<br />

(iv) d (i+1) = b − Ax (i+1) mit doppelter Genauigkeit<br />

Der Vorteil der Nachiteration liegt <strong>in</strong> der mehrfachen Verwendung der erstellten LR-<br />

Zerlegung. Zur Berechnung der LR-Zerlegung s<strong>in</strong>d O(n 3 ) Operationen notwendig, während<br />

zum Vorwärts- und Rückwärtse<strong>in</strong>setzen, sowie zur Berechnung des Defektes nur O(n 2 )<br />

Operationen benötigt werden. D.h., selbst bei Verwenden höherer Genauigkeit ist der<br />

Aufwand <strong>in</strong> Schritt 2.(iii) des Verfahrens kle<strong>in</strong> im Vergleich zu Schritt 1.<br />

Die Annahme, dass zum Erstellen der LR-Zerlegung mit ger<strong>in</strong>gerer Genauigkeit gerechnet<br />

wird, also zur Defektberechnung ist nicht unrealistisch. Der Speichertyp float von e<strong>in</strong>facher<br />

Genauigkeit benötigt zur Speicherung e<strong>in</strong>er Zahl nur den halben Speicher verglichen<br />

mit double. Gerade bei sehr großen Matrizen n ≫ 1 000 000 spielt der Speicherbedarf e<strong>in</strong>e<br />

wesentliche Rolle. Darüber h<strong>in</strong>aus unterscheidet moderne Hardware (z.B. GPU’s) zwischen<br />

der Rechnung mit doppelter und e<strong>in</strong>facher Genauigkeit, deren Operationen oft weit<br />

schneller durchgeführt werden können.<br />

143

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!