Redaktion: K. Sigmund, G. Greschonig (Univ. Wien, Strudlhofgasse ...
Redaktion: K. Sigmund, G. Greschonig (Univ. Wien, Strudlhofgasse ...
Redaktion: K. Sigmund, G. Greschonig (Univ. Wien, Strudlhofgasse ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
146 Numerische Mathematik, Wissenschaftliches Rechnen<br />
Schnelle Approximation auf Tensorprodukt-Strukturen<br />
KARL–HEINZ BRAKHAGE<br />
Institut für Geometrie und Praktische Mathematik, RWTH Aachen<br />
Templergraben 55, 52056 Aachen<br />
brakhage@igpm.rwth-aachen.de<br />
http://www.igpm.rwth-aachen.de/˜brakhage<br />
In vielen Bereichen mathematischer Modellierung und Simulation werden Tensorprodukte<br />
verwendet. Insbesondere Tensorprodukt-Flächen, in der Regel Splines,<br />
und in letzter Zeit auch Volumina sind von großer Bedeutung. Wählt man<br />
einen derartigen Ansatz, so taucht oft das Problem der Interpolation bzw. Approximation<br />
auf. Dabei entstehen normalerweise bandstrukturierte Koeffizientenmatrizen.<br />
Die bei der Approximation üblicherweise benutzte least-squares-Methode<br />
führt auf Tensorprodukte obiger Matrizen. Diese haben Block-Bandstruktur, sind<br />
also immmer noch dünn besetzt. Bei der Lösung sowohl per Normalgleichungen<br />
also auch per orthogonaler Transformationen werden die Bereiche innerhalb<br />
der Bänder aber gefüllt. Eine geringfügige Änderung des least-squares-Ansatzes<br />
ermöglicht es, orthogonale Transformationen basierend auf den Ausgangsmatrizen<br />
zu realisieren. Schreibt man im Zweidimensionalen die rechte Seite als Matrix<br />
statt Vektor, geht man von der Schur-Norm (entspricht der 2-Norm als Vektor)<br />
zur 2-Norm der Matrix über, deren Äquivalenz bekannt ist. So kann sowohl<br />
der Speicherbedarf als auch die Rechenzeit drastisch reduziert werden. Je nach<br />
Komprimierungsrate (Anzahl der Meßungen zu Anzahl der Unbekannten) führen<br />
verschiedene Strategien zur Durchführung der orthogonalen Transformationen zu<br />
einer weiteren Zeitersparnis. Zahlreiche Beispiele belegen die Effizienz des Verfahrens.<br />
Insbesondere kann man so auch Berechnungen für derartig komplexe<br />
Aufgaben durchführen, die mit den herkömmlichen Methoden nicht möglich sind.<br />
Additive Multigrid Theory<br />
SUSANNE C. BRENNER<br />
Department of Mathematics, <strong>Univ</strong>ersity of South Carolina, Columbia, SC 29208<br />
brenner@math.sc.edu<br />
http://www.math.sc.edu/˜fem/brenner.html<br />
The convergence of the V-cycle multigrid algorithm is usually handled by a multiplicative<br />
theory where the iteration operator (matrix) is expressed as a product of<br />
operators measuring the effect of the multigrid algorithm on different grid levels.<br />
In this talk an additive convergence theory for the V-cycle algorithm will be presented.<br />
This theory is effective for establishing the asymptotic behavior of the<br />
contraction number of the V-cycle algorithm as the number of smoothing steps is<br />
increased.<br />
The following applications of the additive theory will be discussed: