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.
5.3 Iterative Lösungsverfahren für l<strong>in</strong>eare Gleichungssysteme<br />
Für den neuen Entwicklungskoeffizienten α k <strong>in</strong> x k+1 = x 0 + ∑ k<br />
i=0 α i d i gilt durch Testen<br />
der Galerk<strong>in</strong>-Gleichung (5.17) mit d k :<br />
⎛<br />
⎝b − Ax<br />
} {{ 0 −<br />
}<br />
=d 0<br />
k∑<br />
i=0<br />
α i Ad i , d k ⎞<br />
⎠ = (b−Ax 0 , d k )−α k (Ad k , d k ) = (b−Ax 0 +A (x 0 − x k )<br />
} {{ }<br />
∈K k<br />
, d k )−α k (Ad k , d k ).<br />
Also:<br />
α k = (rk , d k )<br />
(Ad k , d k ) , xk+1 = x k + α k d k . (5.20)<br />
Hieraus lässt sich auch unmittelbar der neue Defekt r k+1 bestimmen:<br />
r k+1 = b − Ax k+1 = b − Ax k − α k Ad k = r k − α k Ad k . (5.21)<br />
Wir fassen (5.19-5.21) zusammen und formulieren das klassische CG-Verfahren:<br />
Algorithmus 5.45 (CG-Verfahren). Es sei A ∈ R n×n symmetrisch positiv def<strong>in</strong>it, x 0 ∈<br />
R n und r 0 = d 0 = b − Ax 0 gegeben. Iteriere für k = 0, 1, . . .<br />
1. α k = (rk ,d k )<br />
(Ad k ,d k )<br />
2. x k+1 = x k + α k d k<br />
3. r k+1 = r k − α k Ad k<br />
4. β k = (rk+1 ,Ad k )<br />
(d k ,Ad k )<br />
5. d k+1 = r k+1 − β k d k<br />
Das CG-Verfahren liefert e<strong>in</strong>e Lösung nach (höchstens) n Schritten für e<strong>in</strong> n-dimensionales<br />
Problem und kann daher pr<strong>in</strong>zipiell als direktes Verfahren betrachtet werden. Allerd<strong>in</strong>gs<br />
s<strong>in</strong>d schon für relativ kle<strong>in</strong>e Probleme (z.B. n = 1000) im ungünstigsten Fall 1000 Iterationen<br />
notwendig. Deshalb wird das CG-Verfahren üblicherweise approximativ e<strong>in</strong>gesetzt. In<br />
jedem Iterationsschritt s<strong>in</strong>d Rundungsfehler zu erwarten, daher werden <strong>die</strong> Suchrichtungen<br />
{d 0 , . . . , d k−1 } nie wirklich orthogonal se<strong>in</strong>. Die Konvergenzanalyse des CG-Verfahrens<br />
gestaltet sich als sehr aufwendig. Daher zitieren wir hier nur das Ergebnis:<br />
Satz 5.46 (Konvergenz des CG-Verfahrens). Es sei A ∈ R n×n symmetrisch positiv def<strong>in</strong>it.<br />
Dann gilt für beliebigen Startvektor x 0 ∈ R n <strong>die</strong> Fehlerabschätzung<br />
‖x k − x‖ A ≤ 2<br />
( √ ) k<br />
1 − 1/ κ<br />
1 + 1/ √ ‖x 0 − x‖ A , k ≥ 0,<br />
κ<br />
mit der Spektralkondition κ = cond 2 (A) der Matrix A.<br />
217