universität stuttgart ike institut für kernenergetik und energiesysteme ss 2000 numer. methoden,...
TRANSCRIPT
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-1
Teil V: LösungenKap. 6: Lösung von linearen Gleichungssystemen
InhaltDirekte Verfahren:• Leicht invertierbare Matrizen• L-U Zerlegung nach Gauß und Cholesky
Iterative Verfahren:• Iterative Lösung von Gleichungssystemen• Das Verfahren der konjugierten Gradienten
Anhang:Eigenschaften grosser, dünn besetzter Matrizen
Versuche:Lösung eines Gleichungssystems nach • Cholesky• Gauß-Seidel und• Konjugierte Gradienten
Numerische Methoden
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-2
6 Lösung von linearen Gleichungssystemen
Bei den Verfahren zur Lösung von Gleichungssystemen unterscheiden wir zunächst zwischen direkten und iterativen Verfahren. Direkte Verfahren lassen sich in der Regel in zwei Schritte unterteilen. Im ersten erfolgt eine Transformation der Systemmatrix derart, dass die neue Matrix leicht invertierbar wird. Leicht invertierbare Matrizen sind etwa Diagonalmatrizen oder Dreiecksmatrizen. Im zweiten Schritt erfolgt die eigentliche Inversion.
Bei iterativen Verfahren wird die Systemmatrix aufgespalten in einen Teil, der leicht invertierbar ist und einen Rest, der im Gleichungssystem der rechten Seite zugeschlagen wird. Die rechte Seite kann daher nur näherungsweise bestimmt werden. Die Näherung ist in den verschiedenen Iterationsschritten zu verbessern.
In diesem Kapitel werden direkte und iterative Verfahren vorgestellt. Ausserdem werden einige Hinweise auf modernere Verfahren (konjugierte Gradienten- und Mehrgitter-Verfahren) gegeben.
3.) A tridiagonale Matrizen Beispiele von Gleichungssystemen: A x = b
1.) A volle Matrix
nnn d
d
d
d
x
x
x
x
ac
bac
bac
ba
2
1
3
2
1
333
222
11
4.) A untere Dreiecksmatrix L
nnnn bxd
bxd
bxd
bxd
3333
2222
1111
nnnnnnn
nn
nn
nn
bxaxaxaxa
bxaxaxaxa
bxaxaxaxa
bxaxaaxa
332211
33333232131
22323222121
1131312111
.....
2.) A Diagonalmatrix D
nnnnnnn bxlxlxlxl
bxlxlxl
bxlxl
bxl
...
.....
332211
3333232131
2222121
1111
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-3
6.1 Leicht invertierbare Matrizen
Leicht invertierbare Matrizen sind
a) Diagonalmatrizen,
b) tridiagonale Matrizen,
c) blockdiagonale Matrizen,
d) Dreiecksmatrizen.
Im Folgenden werden Verfahren zur Lösung von Gleichungssystemen, deren Systemmatrix eine dieser Formen hat, angegeben.
A) Für Diagonalmatrizen gilt
1111
DdaA
DA
iiii
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-4
B) Tridiagonale Matrizen
Die Lösung von Gleichungssystemen mit tridiagonalen Matrizen erfolgt in 2 Schritten. Im ersten Schritt wird aus jeder Gleichung eine Unbekannte eliminiert. Im 2. Schritt wurden die Gleichungen dann aufgelöst.
Dazu berechnet man zuerst die Hilfsgröße h1 = -b1 / a1 rechte Seite p1 = d1 / a1 und x1 = p1 + h1 x2
Dann für i = 2 bis n: hi = -bi / (ai + hi-1 ci) pi = (di - pi-1 ci) / (ai + hi-1 ci) und xi = pi = hi xi+1
Für i = n kann dann xn berechnet werden: xn = pn = (dn - pn-1 cn) / (an + hn-1 cn)
Aus der rückläufigen Sequenz i = n-1 bis 1 folgen die restlichen Lösungen: xi = pi + hi • xi+1
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-5
Ai, Bi und Ci sind quadratische kxk-Matrizen und X i, Di sind Vektoren der Länge k. Der Algorithmus für tridiagonale Matrizen kann
auf blocktridiagonale Matrizen erweitert werden:
Beachte: Statt der Rechnung mit Zahlen sind hier Matrizenoperationen und die Lösung von Gleichungssystemen erforderlich.
1
111
11
11
11
11
11
11
1,1
,2
1
iiii
mm
iiiiiii
iii
XHPXmi
PXmi
PCDHCAPBHCAHmi
DAPBAHi
C) Bei blocktriagonalen Matrizen werden die Matrixelemente selber Matrizen und entsprechend die Vektorelemente Vektoren:
nD
D
D
nX
X
X
nA
nC
BAC
BA
2
1
2
1
222
11
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-6
D) Dreiecksmatrizen
Eine Matrix A lässt sich als Produkt einer unteren Dreiecksmatrix L und einer oberen Dreiecksmatrix U darstellen.
Gilt A = L • U, so wird aus dem Gleichungssystem Ax = b ein System von 2 Gleichungssystemen mit Dreiecksmatrizen
Ax = L • U • x = L • y = b
und U • x = y
Für die Berechnung der n (n+1)-Elemente von L und U stehen aus n2-Gleichungen zur Verfügung.
n weitere Werte müssen festgelegt werden. Häufige Wahlen sind
1. lii = 1 Gauß‘scher Algorithmus
2. lii = uiiCholesky-Verfahren
Die Aufgabe der Lösung eines allgemeinen Gleichungssystems ist damit, reduziert auf die Aufgabe zweier Gleichungssysteme, mit leicht invertierbaren Matrizen zu lösen.
kjk
ikij ula
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-7
ni
i
k kyiklibiiliy
...,,2,1
1
1
1
1...,1,
1
1
nni
n
x
ikxikuiy
iiuix
Gelingt es also, die Matrix [A] in das Produkt zweier Dreiecksmatrizen aufzuspalten, so kann man mit den angegebenen Formeln das Gleichungssystem lösen. Die Algorithmen von Gauss und Cholesky leisten solche Aufspaltungen.
Vorwärts-Substitution
Rückwärts-Substitution
0
0
jiijlijlLbyL
und
jiijuijuUyxU
Die beiden Gleichungssysteme
lassen sich mit folgenden Formeln lösen:
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-8
6.2 Der verkettete Gauß‘sche Algorithmus
Die Aufspaltung der Matrix erfolgt in folgenden Teilschritten:
1) Für die n freien Elemente wird festgelegt
lii = 1
Damit sind alle Elemente der Zeile 1 von bekannt.
2) Man multipliziert Zeile 1 von Matrix mit allen Spalten von Matrix . Das Ergebnis ist
a1i =u1i
Damit sind alle Elemente von Zeile 1 und Spalte 1 von bekannt.
3) Man multipliziert jetzt die Zeilen 2 bis n der Matrix mit der Spalte 1 der Matrix , so ergibt sich
ai1 = li1 • u11
oder
A
11
11 u
al ii
L
L
U
L U
4) Im nächsten Schritt werden Zeile 2 der Martrix und alle Spalten der Matrix multipliziert. Daraus bestimmt man die Elemente u2i .
5) Entsprechend dem Vorgehen in 3 werden jetzt die Elemente l i2 bestimmt.
Das Ergebnis dieses Vorgehens läßt sich allgemein angeben:
kjui
k iklijaiju
oder
kjui
k iklijuija
giltjiFür
1
1
1
11
:
L U
U
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-9
Für i > j gilt:
jju
j
k kjuiklija
ijl
oder
kjuj
k ikljjuijlija
1
1
1
1
Aus diesem Vorgehen lassen sich leicht eine Reihe von Folgerungen ableiten:
a) Sind in einer Zeile die Elemente ai1 bis aim je 0, so sind auch die Elemente li1 bis lim je 0
b) Sind in einer Spalte j die Elemente a1j bis amj je 0, so sind auch die Elemente u1j bis umj je 0.
c) Ist ein Element aij ungleich 0, so sind auch die entsprechenden Elemente der triangularisierten Matrix ungleich 0 und es können zu allen folgenden Elementen von 1 bzw. u Beiträge erwartet werden.
Durch die Triangularisierung wird die Form der von Null verschiedenen Matrixteile nicht verändert: Es werden aber Gebiete aufgefüllt. Für die Triangularisierung sind also nur solche Speichertechniken möglich, die dieses Auffüllen erlauben.
Die Zahl der Operationen (Multiplikationen) läßt sich nach diesem Vorgehen abschätzen ~
Für große Matrizen ist das wesentlich kleiner als die Zahlen, die sich bei der Cramer‘schen Regel ergaben. Ein einfacher Trick erlaubt es, das Verfahren auch auf symmetrische Matrizen zu erweitern.
.2
2
nn
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-10
6.3 Das Cholesky-Verfahren
Für symmetrische Matrizen gilt AT = A
und die Zerlegung nach Gauß (LI deutet an lii = 1) ergibt
TILDT
IUTAIUDILUILA
Wobei der Index I andeutet, dass die Hauptdiagonalelemente 1 sind.
Da diese Zerlegung eindeutig ist, gilt:
ILTIU
Das bedeutet für A:
IU0,5DUmitUTU
IU0,5D0,5DTIU
IUDTIUA
Für i = j gilt:
2/11
12
21
1
i
k kiuiiaiiu
iiuki
ui
k kiuiia
a)
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-11
Für i < j gilt:
1
1
1
1
1
i
k kju
kiuija
iiuiju
ijuiiukj
ui
k kiuija
Aus Gleichung (a) kann das Diagonalelement u ii der Zeile i berechnet werden. Die übrigen Elemente der Zeile i ergeben sich aus (b). So wird [U] zeilenweise (i = 1, ..., n) berechnet. Notwendig ist, dass die Matrix [A] positiv definiert ist, andernfalls kann sich in a) ein negativer Radikand ergeben.
Ein Beispiel soll das Vorgehen beim Cholesky-Verfahren veranschaulichen.
b)
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-12
Gegeben sei das Gleichungssystem
5.4
5.4
0.5
3
2
1
5.35.20.1
5.20.50.2
0.10.20.4
x
x
x
Wir schreiben die Matrix als Produkt UTU, d.h.
33
2322
131211
332313
2212
11
00
00
00
5.35.20.1
5.20.50.2
0.10.20.4
u
uu
uuu
buu
uu
u
Und bestimmen die Elemente von U. Aus der ersten Zeile der Matrizengleichung erhalten wir die drei Gleichungen
00.1
00.2
00.4
1311
1211
211
uu
uu
u
Wir bestimmen daraus die Unbekannten
5.0,0.1,0.20.4 131211 uuu
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-13
Die zweite Zeile liefert die Gleichungen
232223221312
222
222
212
1211
5.05.2
0.100.5
00.2
uuuuuu
uuu
uu
u11 und u12 sind schon bekannt, so dass nur noch die restlichen beiden Gleichungen gelöst werden müssen. Die Lösung lautet
0.1,0.20.10.5 2322 uu
Schließlich bestimmen wir aus der dritten Zeile die letzte Unbekannte
5.10.125.05.333 u
Durch Vorwärtssubstitution bestimmen wir nun die Komponenten des Hilfsvektors y
3
2
1
5.10.15.0
00.20.1
000.2
5.4
5.4
0.5
y
y
y
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-14
Damit lassen sich durch Rückwärtssubstitution die Komponenten von x bestimmen:
.0.1,0.0,0.1 123 xxx
Durch „Rückwärtseinsetzen“ erhalten wir die Lösung
Daraus ergeben sich die drei Gleichungen
5.1..,0.15.05.45.1
0.1..,0.15.40.2
5.2..,5.00.2
3213
212
11
yhdyyy
yhdyy
yhdy
5.1
0.1
5.2
5.100
0.10.20
5.00.10.2
3
2
1
x
x
x
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-15
Anmerkung:
Man vermeidet das Wurzelzeichen, wenn man auf folgende Darstellung zurückgreift:
DTD
ITI
UDU
UDDDUA1
1
Dann wird für alle i j
Diiii
DkkDkjDki
i
kijDij
uDund
uuuau
/1
1
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-16
6.4 Iterative Verbesserung
Bei den direkten Lösungsverfahren treten Rundungsfehler hauptsächlich bei der Triangularisierung auf. Löst man
über so erhält man eine Lösung . Bildet man das Produkt der ursprünglichen Matrix und der Lösung so kann man ein Residuum berechnen:
bxA
,bxUL 1x 1x
1r
11 xAbr
Den Beitrag von zur Lösung erhält man aus 1r
11 rxUL
Damit kann man verbessern1x
112 xxx
Wiederholt man diesen Vorgang, so werden die Auswirkungen der Triangularisierung immer kleiner. Der Aufwand pro Iterationsschritt beträgt weniger als der für zwei Auflösungen mit dem triangularisierten System.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-17
6.5 Iterative Lösung von Gleichungssystemen
6.5.1 Algorithmus
Die Matrix wird aufgespalten in einen Anteil , der leicht invertierbar ist, und einen Rest mit dem iteriert wird:
bMtundNMT
txTx
bxNxM
NMA
11
Dann gilt
mit
Die zugehörige Iterationsvorschrift lautet
txTx nn 1
A M N
heißt Iterationsmatrix, ist der Startvektor. T o
x
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-18
Einige Grundverfahren sind:
a) Jakobi-Iteration
xULbxD
dann
trixDiagonalmaistD
ULDA
Zur Berechnung der rechten Seite müssen von { x } Werte bekannt sein. Sind sie nur näherungsweise zu { x o } bekannt, so muß { x } iterativ bestimmt werden.
kkk xUxLbDx
1
1
oder
ijkjiji
ii
ki xaba
x1
1
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-19
b) Gauß-Seidel
Schon bekannte Werte xi werden berücksichtigt:
1
1 111
1 i
j
n
ijkiijkjiji
iiki xaxab
ax
c) SOR - Iteration (Successive Overrelaxation)
Der Wert (xi)k+1 wird verbessert unter Berücksichtigungen der Konvergenzeigenschaften des Verfahrens.
bkiki
kib
kikiki
xx
xxxx
1
11
1
wo bkix 1
der unter dem Gauß-Seidel-Verfahren berechnete Wert ist.
UDLDTSOR
ULDTSeidelGauß
ULDTJakobi
SOR
GS
1:
:
:
1
1
1
Die Iterationsmatrizen für diese Verfahren sind:
1
1
1
ationUnterrelax
SeidelGauß
tionÜberrelaxa
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-20
6.5.2 Ein Beispiel
Das schon im letzten Kapitel verwendete Beispiel soll das Vorgehen erläutern:
Beispiel: Gegeben sei das Gleichungssystem
5.4
5.4
0.5
5.35.20.1
5.20.50.2
0.10.20.4
3
2
1
x
x
x
Das Beispiel soll nach dem Gauß-Seidel-Verfahren gelöst werden. Als Startvektor wählen wir
{ x0 } = ( 0, 0, 0)+
Für den ersten Iterationsschritt erhalten wir:
64.0
.,25.240.05.225.10.15.45.3
40.0
.,0.20.025.10.25.40.5
25.1
.,0.50.00.00.50.4
13
13
12
12
11
11
x
hdx
x
hdx
x
hdx
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-21
Für den zweiten Iterationsschritt erhalten wir
87.05.322.05.289.00.15.4
22.00.564.05.289.00.25.4
89.00.464.00.140.00.20.5
23
22
21
x
x
x
Die Ergebnisse der nächsten Iterationen lauten:
t
t
t
t
x
x
x
x
00.1,00.0,00.1
00.1,01.0,99.0
98.0,04.0,96.0
95.0,10.0,92.0
6
5
4
3
Die iterative Methode scheint zunächst aufwendiger als die direkten Verfahren zu sein, jedoch kann bei günstiger Wahl des Startvektors die Anzahl der Iterationsschritte wesentlich gesenkt werden. Ein weiterer Vorteil besteht darin, dass nur die Elemente wirklich benötigt werden, die ungleich Null sind. Das Verfahren kann also unabhängig von der Speicherung der Matrizen angewandt werden.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-22
6.5.3 Konvergenz iterativer Verfahren
Die exakte Lösung des Gleichungssystems sei . Nach n Iterationen, die nach der VorschriftbxA
txTx
nn
1
exx
durchgeführt wurden, wird ein Fehlervektor
11
nexn
nexnnexn
exx
exxxxe
definiert. Durch Einsetzen in die Iterationsvorschrift erhält man
teTxTex
nexnex
1
Für die exakte Lösung gilt
txTxexex
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-23
Daraus bekommt man eine Beziehung für die Fehlerfortpflanzung:
1
nneTe
e(o) sei der Fehler zu Beginn der Iteration. Durch wiederholte Anwendung bekommt man:
onneTe
Nun geht man zu den Normen über. Es gilt
onononneTeTeTe
Soll für einen beliebigen Anfangsfehler nach n Iterationen unter eine vorgegebene Schranke sinken, muß geltenn
eo
e
1T
Man sagt dazu, das Iterationsverfahren konvergiert. Das Konvergenzverfahren wird durch die Iterationsmatrix und nur indirekt durch die Matrix des Gleichungssystems bestimmt.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-24
6.6 Das Verfahren der konjugierten Gradienten
Das Verfahren der konjugierten Gradienten soll hier für eine Klasse von Verfahren stehen, bei denen versucht wird, durch zusätzliche Bedingungen eine optimale Iterationsstrategie zu finden. Eine solche Bedingung erhält man, wenn man den Lösungsvektor x nach Vektoren p entwickelt, die bezüglich der Systemmatrix A orthogonal sind. Der Ansatz für x lautet also
nnnn pxx 1
Für nicht symmetrische Matrizen A : A AT heißt das Verfahren biconjugiertes Gradienten (BICO)-Verfahren. Es gilt
0000
00
rrPP
xAbr
nnnn
nnnn
nn
nn
n
nTnnn
nnnn
nnnn
nTn
nn
n
prp
prp
rr
rr
pArr
pAxx
prr
PAP
rr
11
11
11
1
1
1
1. Initialisierungsphase
2. Iterationsphase
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-25
Da die Konditionszahl
min
max
Acond
der Systematrix wesentlich für deren Konvergenzgeschwindigkeit und für die Genauigkeit der Lösung verantwortlich ist, ist es sinnvoll,
die Konditionszahl einer Matrix durch eine Vorkonditionierung herabzusetzen und somit das Lösungsverhalten der Gleichungslöser zu
verbessern. Die Vorkonditionierung erfolgt durch die Multiplikation der Systemmatrix mit einer Konditionsmatrix derart,
dass die Konditionszahl der neuen Matrix kleiner wird. Das vorkonditionierte lineare Gleichungssystem lautet dann:
A C
ACAk
bCxAC Dies ist gleichbedeutend mit:
KKbxA
.
11
maxmin1
EundAzwischenMatrixAwirdACFür
mitEtrixEinheitsmaAwirdACFürk
k
Für symmetrische Matrizen ist und das BICO-Verfahren geht in das konjugierte Gradienten-Verfahren über.
ist dann gleich
AAT
p rgleichistrundp
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-26
0:
:
:00
00
0
k
rp
Axbr
beliebigxwähle
Start
?genugkleinr k
kkk
kTk
kTk
apxx
App
rra
:
:
1
1
11
:
:
:
kkk
kTk
kTk
kk
aprprr
rra
Axar
1: kk
ja
nein
(Minimierung längs der Suchrichtung p( k ) )
(Berechnung der nächsten Suchrichtung:
r( k ) läßt sich auch nach
11 kkk aAprr
berechnen).
STOP
Der Rechenaufwand pro Iterationsschrift ist etwa doppelt so groß wie beim SOR-Verfahren. Ist q die mittlere Zahl der Nichtnullelemente in einer Zeile von A, so müssen
(5+q) • n Operationen/Iteration
durchgeführt werden.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-27
6.7 Beispielgleichung
Die Differentialgleichung der Balkenbiegung ist von 4. Ordnung. Die Diskretisierung nach der Differenzenmethode ergibt folgende Matrix (Modellproblem 2)
541
4641
14641
14641
.....
14641
14641
1464
145
A
Der Lastvektor b wird nun so gewählt, dass seine Komponenten verschwinden, außer der ersten, die auf 1 normiert wird:
Damit kann der exakte Lösungsvektor explizit angegeben werden. Seine Komponenten lauten:
Njfürb
jfürb
j
j
....,,3,20
11
bAxex
1
Njfür
jNjNN
jxex
j
...,,2,1
22116
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-28
Die Eigenwerte der Matrix A können aus dem Eigenwertproblem
explizit angegeben werden:
xxA
NjfürN
jj ...,,2,1
12sin2
4
Damit kann auch die Kondition der Matrix A bestimmt werden:
Für große N gilt näherungsweise:
4
211
sin2
21sin2
N
NN
Acond
412
N
Acond
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-29
Lösen Sie die Gleichung für N = 40 nach dem Cholesky-Verfahren, dem konjugierten Gradienten-Verfahren oder dem SOR-Verfahren. Vergleichen Sie Ihre Ergebnisse mit der angegebenen Lösung und erklären Sie den Unterschied.
Vergleichslösung nach Cholesky auf 32 bit Maschine.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-30
Eigenschaften großer, dünnbesetzter Matrizen
Diskretisiert man Variablen, so erhält man Vektoren. Bestehen zwischen Variablen Beziehungen in Form von Gleichungen, so führt die Diskretisierung auf Gleichungssysteme. In Gleichungssystemen werden Variablen durch Vektoren und ihre Verbindung über Matrizen beschrieben.
Matrizen sind Gebilde aus n•n Zahlen, Funktionen oder Operatoren. Bei der Diskretisierung von Differentialgleichungen entstehen große (n, m >> 106) und in der Regel dünnbesetzte Matrizen (nur etwa 10 n Elemente ungleich Null). Im Folgenden werden Eigenschaften dünnbesetzter Matrizen beschrieben, die im Kontext der numerischen Lösung partieller Differentialgleichungen Bedeutung haben.
Charakterisierung von Matrizen
Rechenregeln
Bezeichnung:
torSpaltenvekoderSpalte:1m
orZeilenvektoderZeile:1n
,1;,1,
mkniaoderAoderA ik
Identität: Zwei Matrizen sind dann und nur dann gleich, wenn ihre Elemente gleich sind
kiBA ,allefürafolgtAus ik
ReihenundSpaltenvonAnzahlgleichehabenundungVoraussetz BAnSubtraktio
baBAAddition ikik
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-31
CBACBA
ABBA
baBAtionMultiplikaj
jkij
! :Beachte
B von der Zeilen der Zahlgleich ist An Spalten voder ZahlDie:ungVoraussetz
en.beschäftigstark aber uns wirdOperation der gder WirkunErfassen Das angegeben.explizitseltenwird
vonInverseheißt
BB/A
angebbarRegeln einfachen keine sind Es:
11
1
1-
-BB
BB
Division
Spezielle Matrizen
0 Elemente eleenthält vi AMatrix besetztedünn
hermitisch
erttransporti
hsymmetriscschief
hsymmetrisc
hquadratisc
Hki
T
kiT
kiik
kiik
AaA
aA
aa
aa
mn
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-32
Matrizen hequadratiscfür n m Bandbreite
0 Elementeenthält naleHauptdiagoder längs Bandein nur
0
11
Bandmatrix
IAAmitAInverse
DaatrixDiagonalma
IAImitIikatrixEinheitsma
aNullmatrix
ikiiik
ik
ik
Bidiagonalmatrix Bandmatrix mit m = 2
Tridiagonalmatrix Bandmatrix mit m = 3
xk
iik
ik
ik
Jdx
dya
a
ikfür
kifüra
Matrix-Jakobi
rknüpfenlogisch ve Systeme zweikann
bit)(ein annehmen Wertezweinur kann Matrix Boolsche
trixDreiecksma untere0
trixDreiecksma obere0rixDreicksmat
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-33
Hesse-Matrix Spezialfall der Jakob-Matrix, wenn nicht eine Transformation, sondern ein Gleichungssystem darstellt.
Teilmatrix Untermatrix einer Matrix
Blocktridiagonale } Tridiagonale Matrix mit Teilmatrizen als Elemente
Matrix }
Hypermatrix Indizierungsmatrix eines Systems von Teilmatrizen.
Für Hypermatrizen gelten ähnliche Rechenregeln wie für Matrizen !
Einfache Kenngrößen
Für viele Zwecke ist es nützlich, die Informationen einer Matrix in Kennzahlen zusammenzufassen. Dabei können nur bestimmte Aspekte berücksichtigt werden, entsprechend existieren eine Vielzahl von Kenngrößen.
xfy
.eliminiert Spalte und man Zeile wenn ,erhält ausman die ist,Matrix der teDeterminan die//wo
//1-Adet
rekursiv Definition
ab. ZahlaufMatrix hequadratiscbildet
det/A /teDeterminan a)
j
jiAijA
ijA
Aoder
ijji a
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-34
Rechenregeln:
////////////////// ABBABAAAAA nT
Die Bedeutung der Determinante kann am Beispiel der Cramer‘schen Regel zur Gleichungsauflösung gezeigt werden.
ArangRangc
ULAfürAAsp
A
)
//
:/Afür / NäherungBedeutung
a (A) sp Definition
spSpurb)
iii
Definition: Eine Matrix ist vom Rang r, wenn alle Unterdeterminanten der Ordnung r + 1 verschwinden und mindestens eine Unterdeterminante der Ordnung r nicht verschwindet.
Bedeutung: ) Maß für Singularität auch nichtquadratischer Matrizen (dort r min (m, n))
) Definition von linearer Abhängigkeit: Der Rang r einer Matrix ist die Zahl ihrer linear unabhängigen Zeilen - oder Spaltenvektoren.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-35
d) Quadratische Formen
Definition:
torSpaltenvekXwo
XAXXXaq Tji
i jijA
Bedeutung: erlaubt Definition positiv
definiter Matrizen
e) Positiv definit
Definition: eine Matrix ist positiv definit, wenn ihre quadratische Form für alle reellen {X} größer 0 ist.
Bedeutung: Positiv definite Matirzen haben ein angenehmes numerisches Verfahren. Sie sind häufig diagonal dominant (dominante Diagonalelemente). Ihre Eigenwerte sind positiv. Sie entstehen häufig aus Energie- und
Minimalisierungsprinzipien.
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-36
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-37
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-38
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-39
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-40
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-41
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-42
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-43
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-44
Universität StuttgartIKE Institut für Kernenergetik
und Energiesysteme SS 2000 Numer. Methoden, Teil V, Kap. 6 6-45