预处理子空间迭代法的一些基本概念分析.docxVIP

CG算法的预处理技术：、 为什么要对A进行预处理：其收敛速度依赖于对称正定阵A的特征值分布 特征值如何影响收敛性：特征值分布在较小的范围内，从而加速CG的收敛性 特征值和特征向量的定义是什么？（见笔记本以及收藏的网页） 求解特征值和特征向量的方法：Davidson方法：Davidson 方法是用矩阵( D - θI)- 1( A - θI) 产生子空间，这里 D 是 A 的对角元所组成的对角矩阵。θ是由 Rayleigh-Ritz 过程所得到的A的近似特征值。 什么是子空间法： Krylov子空间叠代法是用来求解形如Ax=b 的方程，A是一个n*n 的矩阵，当n充分大时，直接计算变得非常困难，而Krylov方法则巧妙地将其变为Kxi+1=Kxi+b-Axi的迭代形式来求解。这里的K(来源于作者俄国人Nikolai Krylov姓氏的首字母)是一个构造出来的接近于A的矩阵，而迭代形式的算法的妙处在于，它将复杂问题化简为阶段性的易于计算的子步骤。 如何取正定矩阵Mk为： Span是什么？:设x1,…,xm∈V ,称它们的线性组合 i=1mkixi|ki∈K,i=1,2…m 为向量x1,…,xm的生成子空间，也称为由x1,…,xm张成的子空间。记为L（x1,…,xm），也可以记为Span（x1,…,xm） 什么是Jacobi迭代法： 什么是G_S迭代法：请见PPT《迭代法求解线性方程组》 什么是SOR迭代法： 什么是收敛速度： 什么是可约矩阵与不可约矩阵？：不可约矩阵（irreducible matrix）和可约矩阵（reducible matrix）两个相对的概念。 定义1：对于 n 阶方阵 A 而言，如果存在一个排列阵 P 使得 PAP 为一个分块上三角阵，我们就称矩阵 A 是可约的；否则称矩阵 A 是不可约的。 定义2：对于 n 阶方阵 A=(aij) 而言，如果指标集 {1，2，...，n} 能够被划分成两个不相交的非空指标集 J 和 K，使得对任意的 j∈J 和任意的 k∈K 都有 ajk=0, 则称矩阵 A 是可约的；否则称矩阵 A 是不可约的。 n阶方矩阵A是不可约的当且仅当与矩阵A对应的有向图是强连通的。 什么是正交？：在三维向量空间中， 两个向量的内积如果是零， 那么就说这两个向量是正交的。换句话说， 两个向量正交意味着它们是相互垂直的。若向量α与β正交，则记为α⊥β。 什么是正交矩阵？：如果：AA=E（E为单位矩阵，A表示“矩阵A的转置矩阵”。）或A′A=E，则n阶实矩阵A称??正交矩阵， 若A为单位正交阵，则满足以下条件: 1) AT是正交矩阵 2)（E为单位矩阵） 3) A的各行是单位向量且两两正交 4) A的各列是单位向量且两两正交 5) (Ax,Ay)=(x,y) x,y∈R 6) |A| = 1或-1 倒着写的A和E都是什么意思啊？：反着的E:谓词逻辑 存在量词 ? x: P(x) 意味着有至少一个 x 使 P(x) 为真。 n ∈ N: n 是偶数。 倒着的A:任意的 ∧ 逻辑合取 陈述 A ∧ B 为真，如果 A 与 B 二者都为真；否则为假。 n 4 ∧ n 2 ? n = 3 当 n 是自然数的时候。 与命题逻辑 ∨ 逻辑析取 陈述 A ∨ B 为真，如果 A 或 B (或二者)为真；如果二者都为假，则陈述为假。 n ≥ 4 ∨ n ≤ 2 ? n ≠ 3 当 n 是自然数的时候。 迭代法与直接法比较优劣是什么？： 对称正定的定义是什么？：设M是n阶方阵，如果对任何非零向量z，都有 zMz 0，其中z 表示z的转置，就称M正定矩阵。 判定定理1：对称阵A为正定的充分必要条件是：A的特征值全为正。 判定定理2：对称阵A为正定的充分必要条件是：A的各阶顺序主子式都为正。 迭代法求解稀疏矩阵时是否有填充元问题？： CG法求解线性矩阵时有无误差问题？：有。误差可能导致收敛变慢甚至无法求解。 什么是Krylov子空间法？：设要求解线性代数方程组Ax=b，取，其中 ，且为初始解，从中寻找近似解，使相应的残向量与另某个子空间正交，即 则称为Krylov子空间，且上述方法称为Krylov子空间方法。 GMRES方法的缺点是什么？：因为它实际上求式AZ=r的解等价在在 Krylov 子空间中极小化残余向量的||.||范数。但 GMRES 会有失去超线性收敛性、可能产生停滞、GMRES 每迭代一步都要进行 Arnoldi 过程中都要消耗大量的计算时间、随着子空间维数的增大，引起存储空间过多的需求，每次迭代正交化过程所需代价显著增长等缺点。 矩阵右上角有个H，这是什么矩阵呢？（有个T是转置，有个H是什么）: 一般来讲A^T表示转置，A^H表示转置共轭，对实矩阵而言是