Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5.2 Fixpunkt-Iterationen zum Lösen von nichtl<strong>in</strong>earen Gleichungen<br />
Vere<strong>in</strong>fachtes Newton-Verfahren Im höher-dimensionalen Newton-Verfahren liegt der<br />
Hauptaufwand <strong>in</strong> der Lösung des l<strong>in</strong>earen Gleichungssystems <strong>in</strong> jedem Newton-Schritt.<br />
Daher macht sich hier <strong>die</strong> Verwendung e<strong>in</strong>es vere<strong>in</strong>fachten Newton-Verfahrens deutlicher<br />
bemerkbar als im e<strong>in</strong>dimensionalen Fall. Wir wählen e<strong>in</strong> c ∈ R n möglichst nahe an der<br />
gesuchten Nullstelle c ≈ z und iterieren:<br />
f ′ (c)(x k+1 − x k ) = −f(x k ), k = 1, 2, . . .<br />
Dabei kann z.B. c = x 0 gewählt werden. Das “e<strong>in</strong>frieren” der Inversen hat zwei Vorteile:<br />
zunächst muss <strong>die</strong>se seltener berechnet werden. Dies kann bei komplizierten Ableitungen,<br />
<strong>die</strong> möglicherweise nur numerisch bestimmt werden können e<strong>in</strong> wesentlicher Vorteil<br />
se<strong>in</strong>. Noch wichtiger ist jedoch, dass <strong>die</strong> Matrix f ′ (c) nur e<strong>in</strong>mal zerlegt werden muss,<br />
etwa f ′ (c) = LR. Diese Zerlegung kann dann <strong>in</strong> jedem Schritt zum Lösen des l<strong>in</strong>earen<br />
Gleichungssystems genutzt werden. Da e<strong>in</strong> Erstellen der Zerlegung O(n 3 ) und das<br />
anschließende Lösen nur O(n 2 ) Operationen benötigt, kann selbst dann e<strong>in</strong> enormer Effizienzgew<strong>in</strong>n<br />
erreicht werden, falls das vere<strong>in</strong>fachte Newton-Verfahren weit mehr Schritte<br />
benötigt. Das vere<strong>in</strong>fachte Newton-Verfahren kann nur noch l<strong>in</strong>ear konvergieren und <strong>die</strong><br />
Konvergenz kann e<strong>in</strong>fach durch Anwenden des Banachschen Fixpunktsatzes auf <strong>die</strong> Iterationsvorschrift<br />
x k+1 = x k − f ′ (c) −1 f(x k )<br />
gesichert werden.<br />
Bei e<strong>in</strong>em konkreten Verfahren mit x 0 und fester Matrix A kann während der Berechnung<br />
mit Hilfe des Banachschen Fixpunktsatzes geklärt werden, ob Konvergenz vorliegt. Hierzu<br />
kann der Kontraktionsfaktor q a posteriori berechnet werden:<br />
q k = ‖g(xk ) − g(x k−1 )‖<br />
‖x k − x k−1 ‖<br />
= ‖xk+1 − x k ‖<br />
‖x k − x k−1 , k = 1, 2, . . . .<br />
‖<br />
Die zugrundeliegende Norm kann <strong>die</strong> Maximums-Norm oder l 1 -Norm se<strong>in</strong> (siehe zu den<br />
Vektornormen auch Kapitel 4). Falls der Schätzfaktor q k ≪ 1, dann ist das vere<strong>in</strong>fachte<br />
Newton-Verfahren sehr wahrsche<strong>in</strong>lich konvergent. Falls q k ≈ 1 bzw. q k ≥ 1, dann liegt<br />
wahrsche<strong>in</strong>lich ke<strong>in</strong>e Konvergenz vor.<br />
Hier hat man nun folgende Möglichkeiten:<br />
• Wahl e<strong>in</strong>es besseren Startwertes x 0 ,<br />
• Bessere Wahl von f ′ (c) als Approximation für f ′ (x),<br />
• Oder e<strong>in</strong> vere<strong>in</strong>fachtes Newton-Verfahren <strong>in</strong> dem f ′ (c) z.B. alle 4 Schritte neu aufgebaut<br />
wird, um so ab und zu <strong>die</strong> Matrix anzupassen.<br />
Die letzte Methodik wird sehr häufig bei nicht-l<strong>in</strong>earen Problemen im Rahmen von partiellen<br />
Differentialgleichungen verwendet. Denn hier ist <strong>die</strong> kluge Wahl e<strong>in</strong>es Startwertes<br />
oftmals mit sehr viel Aufwand verbunden, weshalb <strong>die</strong> Möglichkeit 1 ausgeschlossen wird.<br />
Daher ist <strong>die</strong> Wahl von x 0 oftmals sehr schlecht, weshalb aber auch A := f ′ (x 0 ) e<strong>in</strong>e<br />
sehr schlechte Approximation von f ′ (z) ist. Deshalb sollte man nach z.B. 3 Schritten<br />
A := f ′ (x 3 ) wählen, um e<strong>in</strong>e bessere Approximation der Jacobi-Matrix zu erhalten.<br />
193