Главная » Просмотр файлов » Дж. Деммель - Вычислительная линейная алгебра

Дж. Деммель - Вычислительная линейная алгебра (1156793), страница 51

Файл №1156793 Дж. Деммель - Вычислительная линейная алгебра (Дж. Деммель - Вычислительная линейная алгебра) 51 страницаДж. Деммель - Вычислительная линейная алгебра (1156793) страница 512019-09-18СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 51)

«Разделяй-и-властвуй». В настоящее время это самый быстрый метод вычисления всех собственных значений и собственных векторов симметричной трехдиагональной матрицы порядка п, большего 25. (ЬАРАСК-реализация метода, называемая ивьечб, переключается на ЯВ-итерацию, если п < 25.) В наихудшем случае алгоритм «разделяй-и-властвуй» требует 0(пз) флопов, но константа, упрятанная в этом символе, на практике оказывается весьма малой. На большой выборке случайных тестовых матриц в среднем затрачивается лишь 0(пз з) флопов, а для некоторых специальных распределений собственных значений даже 0(пз) флопов.

Теоретически алгоритм может быть реализован за 0(п . 1ояг и) флопов, где р — неболыпое целое число [131]. Эта сверхбыстрая реализация использует быстрый многополюсный метод (РММ) [124], первоначально придуманный для совершенно другой задачи (а именно вычисления электрических сил взаимодействия в ансамбле из п заряженных частиц).

Вследствие алгоритмической сложности этого сверхбыстрого метода, в настоящее время следует выбирать ь)В-итерацию, если вычисляются все собственные значения, и алгоритм «разделяй-и-властвуй» (без использования РММ), если вычисляются все собственные значения и собственные векторы. 4. Бисекция и обратная итерация. Висекцию можно использовать для вычисления только некоторого подмножества собственных значений симметричной трехдиагональной матрицы, скажем, тех, что расположены на отрезке [а, Ь] или [а;, гт, ]. Она обходится лишь в 0(ий) флопов, где й — число требуемых собственных значений. Поскольку для ЯВ-итерации нужны 0(пз) флопов, бисекция может быть гораздо быстрее при й « и.

Соответствующие собственные векторы могут быть найдены с помощью обратной итерации (алгоритм 4.2). В наилучшем случае, когда собственные значения «хорошо разделены» (смысл этого термина мы подробно объясним позже), обратная итерация также стоит лишь 0(пй) флопов. Это значительно меньше, чем стоимость ЯВ;итерации или алгоритма «разделяй-и-властвуй» (без ЕММ), даже при необходимости вычислять все собственные значения и собственные векторы (т. е.

при й = п). Однако в наихудшем случае, когда имеются обширные кластеры собственных значений, трудоемкость обратной итерации возрастает до О(пйз) флопов; при этом не гарантируется качество вычисленных собственных векторов (хотя на практике они почти всегда вычисляются с хорошей точностью). Поэтому при необходимости вычисления всех (или большей части) собственных значений и собственных векторов Майаь проверяет, является ли аргумент команды езй симметричной матрицей и, если да, использует симметричный алгоритм. 224 Глава 5. Симметричная проблема собственных значений следует выбирать алгоритм «разделяй-и-властвуй» или чьей-алгоритм, особенно прн наличии кластеров собственных значений.

Бисекция и обратная итерация реализованы как опции в ЬАРАСК-программе аауечх. В настоящее время ведутся активные исследования по проблеме близких собственных значений в обратной итерации. Они могут превратить ее в самый быстрый метод вычисления всех собственных векторов (если опустить теоретическое сравнение с алгоритмом «разделяй-и-властвуй» на основе РММ) ~105, 203, 83, 201, 176, 173, 175, 269). Однако программ, реализующих этот улучшенный вариант обратной итерации, пока нет. 5.

Метод Якоби. Этот метод, восходящий к 1846 г., исторически является старейшим для проблемы собственных значений. Обычно он много медленнее любого из перечисленных выше методов, имея трудоемкость 0(пз) флопов с большой константой внутри символа О. В то же время интерес к методу сохраняется, потому что подчас он дает гораздо более точные результаты, чем другие методы. Причина состоит в том, что метод способен иногда достигать уровня относительной точности, описываемого в разд. 5.2.1; при этом малые собственные значения вычисляются много точнее, чем в конкурирующих алгоритмах ~82).

Мы обсудим это замечательное свойство метода Якоби в разд. 5.4.3, где показано, как следует вычислять сингулярное разложение. В последующих разделах мы более подробно рассмотрим названные алгоритмы. В разд. 5.3.6 представлены результаты экспериментального сравнения их производительности. 5.3.1. Трехдиагональпая С)В;итерации Вспомним, что ч4В.-алгоритм для несимметричных матриц состоит из следую- щих двух этапов: 1. Применить к заданной матрице А алгоритм 4.6, вычисляющий ортогональную матрицу Я, такую, что цА(,Р = Н имеет верхнюю форму Хессенберга. 2. Применить ь)Гх-итерацию к матрице Н (как это описано в разд.

4.4.8). В результате будет получена последовательность верхних хессенберговых матриц Н = Не, Ны Нз, ..., сходящаяся к вещественной форме Шура. Наш первый алгоритм для симметричной проблемы собственных значений имеет точно такую же структуру: 1. Пользуясь модификацией алгоритма 4.6, описанной в разд.

4.4.7, вычислить для заданной матрицы А = Ат ортогональную матрицу ч, такую, что 1ЗАЧг = Т имеет трехдиагональпую форму. 2. Применить ()Е-итерацию к матрице Т. В результате будет получена последовательность трехдиагональных матриц Т = Те, Т„Тз, ..., сходящаяся к диагональному виду. То обстоятельство, что матрицы Т, в ч4В-итерации остаются трехдиагональными, можно обосновать так: поскольку матрица ЯАсэт одновременно симметричная и верхняя хессенбергова, она должна быть и нижней хессенберговой, т.е.

трехдиагональной. Именно это обстоятельство делает каждый шаг ь)В- итерации очень дешевым. Приведем подсчет числа операций: 5.3. Алгоритмы для симметричной проблемы собственных значений 225 1. Приведение А к симметричной трехдиагональной матрице Т стоит «пг + 0(пг) флопов или г пг + 0(пг) флопов, если нужны и собственные векторы.

2. Один шаг трехдиагональной ОВ-итерации с одинарным сдвигом («вытеснение выступа») стоит бп флопов. 3. При вычислении всех собственных значений матрицы Т требуется в среднем только 2 ЯВ-шага на одно собственное значение, что в совокупности дает бпг флопов. 4. Вычисление всех собственных значений и собственных векторов матрицы Т стоит 6пг + 0(пг) флопов. 5. Общая стоимость вычисления всех собственных значений матрицы А (без вычисления собственных векторов) составляет «пг + 0(пг) флопов. 6.

Общая стоимость вычисления всех собственных значений и собственных векторов матрицы А составляет 88~не + 0(п ) флопов. Нужно еще описать, как выбираются сдвиги при реализации ь1 К-алгоритма. Пусть на»чм шаге имеем матрицу а| Ь| Ь, Ь„, Ьь-1 аь Простейшим выбором было бы правило о, = а„. Это ЯВ-итерация с одинарным сдвигом, обсуждавшаяся в равд.

4.4.8. Оказывается, что почти для всех матриц она сходится кубически (это показано в следующем разделе). К сожалению, существуют примеры несходимости этого метода [197, с. 76]. Поэтому, чтобы обеспечить глобальную сходимость, используется несколько более сложная стратегия: в качестве сдвига о, выбирается то из собственных значений подматрицы Ь , которое ближе к а„.

Это правило выбора ( а„1 Ь„ ь — 1 аь сдвигов называется стратегией Уилкинсона. Теорема 5.8 (Уилкинсон). ЧЯ-итерация со стратегией Уилкинсона сходится глобально, причем, по меньшей мере, с линейной скоростью. Длл почти всех матриц метод асимптотически сходится с кубической скоростью. Доказательство этой теоремы можно найти в (197]. Метод реализован ВАРАСК-программой ввуеч. Если нужны только собственные значения, то внутренний цикл алгоритма можно организовать более эффективно (ввсехХ; см. также (104, 200]) по сравнению со случаем, когда вычисляются и собственные векторы (ввьеср.). Пример 5.7. Приведем иллюстрацию сходимости трехдиагональной ЯВ- итерации, примененной к следующей трехдиагональной матрице (ее диагонали 226 Глава 5.

Симметричная проблема собственных значений схематически изображены столбцами): .24929 1. 263 1.263 .96880 †.82812 .48539 -3.1883 †.91563 —.82812 -3.1883 Те — — Сг!д!а8 В таблице показано поведение последнего внедиагонального элемента матриц То последнего диагонального элемента и разности межлу последним диагональным элементом и его предельным значением (т.е. собственным значением о — — 3.54627). Из последнего столбца таблицы очевидна кубическая сходимость ошибки к нулю. В этот момент (з = 3) мы имеем матрицу 1.9871 .77513 .77513 1.7049 — 1.7207 -1.7207 .64214 6 1. 10-зз 6 1, 10-зз -3.5463 Тз —— Спей ай Ее очень малые элементы (4,3) и (3,4) заменяются нулями.

Этот прием, называемый дефляцией (понижением порядка), численно устойчив, так как Тз претерпевает возмущение с нормой всего лишь 6.1 10 зз. Теперь цВ-итерация применяется снова, но уже только к ведущей главной 3 х 3-подматрице матрицы Тз. Этот процесс повторяется, пока не будут найдены все собственные значения (см. НОМЕРАОЕ/МаС!аЬ/Сг!д!ЯВ..ш). 5.3.2. В!4-итерация Вспомним, что, согласно нашему анализу в рззд. 4.4, на каждом шаге ЯВ; алгоритма неявно выполняется обратная итерация. Исследуем эту связь между двумя алгоритмами более подробно в том случае, когда в качестве сдвига в обратной итерации выбирается отношение Рэлея. Такой метод будем называть ВХг-итерацией (от Вау!е!8)з ЯпоС!епС 1СегаСюп).

Алгоритм 5.1. ВО„-итерацияз для заданного вектнора хо (!!хо~)з = 1) и задаваемого пользователем критерия астапова Со! вьтолнять итерации ро = р(хо,А) = .а.,4хвв з=0 5.3. Алгоритмы для симметричной проблемы собственных значений 227 гереа1 Уг=1А — Р; г1) 'х; з * =у*ЛЫЬ р, = р(х;,А) 1=4+1 пока метод не сойдется (т.

е. пока не будет вьгполнено условие ((Ахг — р,х,Йз < ьо1) Если условие останова удовлетворено, то по теореме 5.5 число р; удалено от некоторого собственного значения матрицы А не более чем на 1о!. Пусть в ЯВ;итерации используются сдвиги в, = а„„, а КЯ-итерация применяется к начальному вектору хо = [О,..., О, 11т. Обсуждавшуюся в разд. 4.4 связь между ЯВ;алгоритмом и обратной итерацией можно использовать, чтобы показать, что последовательности чисел ог и р„генерируемые этими двумя алгоритмами, совпадают 1см.

Характеристики

Тип файла
PDF-файл
Размер
40,83 Mb
Тип материала
Высшее учебное заведение

Список файлов книги

Свежие статьи
Популярно сейчас
Зачем заказывать выполнение своего задания, если оно уже было выполнено много много раз? Его можно просто купить или даже скачать бесплатно на СтудИзбе. Найдите нужный учебный материал у нас!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6381
Авторов
на СтудИзбе
308
Средний доход
с одного платного файла
Обучение Подробнее