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 <strong>Numerische</strong> Iterationsverfahren<br />
5.3.1 Konstruktion von Fixpunktverfahren<br />
Satz 5.21 legt das theoretische Fundament für allgeme<strong>in</strong>e Fixpunkt-Iterationen. Für den<br />
Spektralradius ρ := spr(B) = spr(I − CA) muss gelten ρ < 1. Ziel <strong>die</strong>ses Abschnittes ist<br />
<strong>die</strong> Konstruktion von Iterationsmatrizen C, welche<br />
• möglichst Nahe an der Inversen C ≈ A −1 liegen, damit spr(I − CA) ≪ 1,<br />
• e<strong>in</strong>e möglichst e<strong>in</strong>fache Berechnung der Iteration x k = Bx k−1 + c ermöglichen.<br />
Die erste Forderung ist e<strong>in</strong>leuchtend und C = A −1 stellt <strong>in</strong> <strong>die</strong>sem S<strong>in</strong>ne <strong>die</strong> optimale<br />
Matrix dar. Die zweite Bed<strong>in</strong>gung beschreibt den Aufwand zum Durchführen der Fixpunktiteration.<br />
Wählen wir etwa C = ˜R −1 ˜L−1 so bedeutet jeder Schritt e<strong>in</strong> Vorwärtsund<br />
e<strong>in</strong> Rückwärtse<strong>in</strong>setzen, d.h. e<strong>in</strong>en Aufwand der Größenordnung O(n 2 ). H<strong>in</strong>zu kommen<br />
<strong>die</strong> O(n 3 ) Operationen zum e<strong>in</strong>maligen Erstellen der Zerlegung. Die Wahl C = I<br />
erlaubt e<strong>in</strong>e sehr effiziente Iteration mit O(n) Operationen <strong>in</strong> jedem Schritt und Bedarf<br />
ke<strong>in</strong>es zusätzlichen Aufwands zum Erstellen der Iterationsmatrix C. Die E<strong>in</strong>heitsmatrix<br />
I ist jedoch e<strong>in</strong>e sehr schlechte Approximation von A −1 . Die beiden Forderungen s<strong>in</strong>d<br />
Maximalforderungen und nicht gleichzeitig zu erreichen.<br />
Zur Konstruktion e<strong>in</strong>facher iterativer Verfahren spalten wir <strong>die</strong> Matrix A additiv auf zu<br />
A = L + D + R, mit<br />
⎛<br />
⎞ ⎛<br />
⎞ ⎛<br />
⎞<br />
0 . . . 0 a 11 . . . 0 0 a 21 . . . a n1<br />
. a ..<br />
. A = 21 .. . .. . .. .<br />
⎜ .<br />
⎝ . .. .<br />
+<br />
.. ⎟ ⎜ .<br />
+<br />
⎠ ⎝ .. ⎟ ⎜ .<br />
.<br />
⎠ ⎝ .. ⎟ an−1,n ⎠<br />
a n1 . . . a n,n−1 0 0 . . . a nn 0 . . . 0<br />
} {{ } } {{ } } {{ }<br />
=:L<br />
=:D<br />
=:R<br />
Diese additive Zerlegung ist nicht mit der multiplikativen LR-Zerlegung zu verwechseln!<br />
Ist <strong>die</strong> Matrix A bekannt, so s<strong>in</strong>d auch <strong>die</strong> additiven Bestandteile L, D, R unmittelbar<br />
verfügbar.<br />
Wir def<strong>in</strong>ieren <strong>die</strong> zwei wichtigsten Iterationsverfahren:<br />
Def<strong>in</strong>ition 5.22 (Jacobi-Verfahren). Zur Lösung von Ax = b mit A = L + D + R sei<br />
x 0 ∈ R n e<strong>in</strong> beliebiger Startwert. Iteriere für k = 1, 2, . . . :<br />
x k = x k−1 + D −1 (b − Ax k−1 ),<br />
bzw. mit der Jacobi-Iterationsmatrix J := −D −1 (L + R)<br />
x k = Jx k−1 + D −1 b.<br />
198