Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
5 <strong>Numerische</strong> Iterationsverfahren<br />
Gedämpftes Newton-Verfahren Die Vergrößerung des Konvergenzbereiches (Globalisierung)<br />
kann mit Hilfe e<strong>in</strong>es Dämpfungsparameters erreicht werden. Hierzu wird <strong>die</strong> Newton-<br />
Iteration abgewandelt:<br />
x k+1 = x k − ω k f ′ (x k ) −1 f(x k ).<br />
Der Dämpfungsparameter ω k ist dabei im Intervall (0, 1] zu wählen. Dieser wird am Anfang<br />
kle<strong>in</strong> gewählt, um das Konvergenzgebiet zu vergrößern. Allerd<strong>in</strong>gs konvergiert das Verfahren<br />
dann nur mit l<strong>in</strong>earer Ordnung. Quadratische Konvergenz wird nur dann erreicht, falls<br />
für k → ∞ auch ω k → 1 gilt. Der folgenden Satz gibt e<strong>in</strong> konstruktives Kriterium, den<br />
Dämpfungsparameter ω k a posteriori bestimmen zu können.<br />
Satz 5.17 (Gedämpftes Newton-Verfahren). Unter den Voraussetzungen von Satz 5.12<br />
erzeugt <strong>die</strong> gedämpfte Newton-Iteration (siehe 2.4.4) mit<br />
ω k := m<strong>in</strong>{1,<br />
1<br />
α k βγ },<br />
α k := ‖f ′ (x k ) −1 f(x k )‖<br />
e<strong>in</strong>e Folge (x k ) k∈N , für <strong>die</strong> nach t ∗ Schritten<br />
q ∗ := α k∗ βγ < 1 2<br />
erfüllt ist. Ab dann konvergiert x k quadratisch und es gilt <strong>die</strong> a priori Fehlerabschätzung<br />
‖x k − z‖ ≤<br />
α<br />
1 − q ∗<br />
q 2k −1<br />
∗ , k ≥ k ∗ .<br />
Beweis: In [9].<br />
□<br />
In der praktischen Anwendung wird der Dämpfungsparameter oft über <strong>die</strong> sogenannte<br />
L<strong>in</strong>e-Search-Strategie bestimmt:<br />
Algorithmus 5.18 (Newton-Verfahren mit L<strong>in</strong>e-Search). Gegeben sei e<strong>in</strong> Startwert x 0 ∈<br />
R n sowie σ ∈ (0, 1). Iteriere für k = 0, 1, . . .<br />
(i) Löse f ′ (x k )w k = −f(x k )<br />
(ii) Starte mit ω 0 = 1 und iteriere für l = 0, 1, . . .<br />
solange bis |f(x k+1 )| < |f(x k )|.<br />
x k+1 = x k + ω l w k , ω l+1 = σω l ,<br />
Der L<strong>in</strong>e-Search Algorithmus versucht zunächst ohne Dämpfung zu iterieren. Besitzt <strong>die</strong><br />
neue Approximation allerd<strong>in</strong>gs e<strong>in</strong> größeres Residuum |f(x k+1 )| > |f(x k )|, so wird der<br />
Dämpfungsparameter schrittweise reduziert. Auf <strong>die</strong>se Weise wird monotone Konvergenz<br />
im Residuum erzwungen.<br />
194