共轭梯度法及其基本性质.docxVIP

共轭梯度法及其基本性质 预备知识 定义1 设是对称正定矩阵。称是A-共轭的，是指 性质1 设有是彼此共轭的维向量，即 则一定是线性无关的。 ［证明］若有一组数满足 则对一切一定有 注意到，由此得出：即所有的＝０．因此，是线性无关的． 性质２　设向量是线性无关的向量组，则可通过它们的线性组合得出一组向量，而是两两共轭的． ［证明］我们用构造法来证实上面的结论． Ｓ０：取； Ｓ１：令，取． …… Ｓm：令 取　 容易验证：符合性质２的要求． 性质３设是两两Ａ－共轭的，是任意指定的向量，那么从出发，逐次沿方向搜索求的极小值，所得序列，满足： ． ［证明］由下山算法可知，从出发，沿方向搜索，获得 从而 性质４设是两两Ａ共轭的，则从任意指定的出发，依次沿搜索，所得序列满足： （１） （２），其中是方程组(5.1.1)的解． ［证明］（１）是性质３的直接推论，显然成立． （２）由于是两两Ａ共轭的，故是线性无关的．所以对于向量可用线性表出，即存在一组数使 由于及，得出 ， 于是，再由得出 于是，与得出一样地，我们可以陆续得出： 对比和的表达式可知， 证明完毕 性质４是性质３的直接推论．但它给出了一种求（５.１.１）的算法，这种算法称之为共轭方向法．结合性质２，我们可以得到如下的性质５． 性质５设是上的一组线性无关的向量，则从任意指定的出发，按以下迭代产生的序列： Ｓ１：取，，； Ｓ２：计算，取； 计算，得出； 如此进行下去，直到第n步： Ｓn：计算取 计算，得出． 显然： 根据性质４可知，不论采用什么方法，只要能够构造个两两Ａ共轭的向量作为搜索方向，从任一初始向量出发，依次沿两两Ａ共轭的方向进行搜索，经步迭代后，便可得到正定方程组的解． 共轭梯度法 算法步骤如下： ［预置步］任意，计算，并令取：指定算法终止常数，置，进入主步； ［主步］ （１）如果，终止算法，输出；否则下行； （２）计算： （３）计算： （４）置，转入（１）． 定理５.2.1　由共轭梯度法得到的向量组和具有如下性质： （１） （２） （３） （４），其中 ??????????? （5.2.1） 通常称之为Krylov子空间． ［证明］用归纳法．当时，因为 ， 因此定理的结论成立．现在假设定理的结论对成立，我们来证明其对也成立． 利用等式及归纳假设，有 又由于 ， 故定理的结论（１）对成立． 利用归纳假定有 而由（１）所证知，与上述子空间正交，从而有定理的结论（２）对也成立． 利用等式 　和　， 并利用归纳法假定和（２）所证之结论，就有 ． 成立；而由的定义得 这样，定理的结论（３）对也成立． 由归纳法假定知 进而 于是 再注意到（２）和（３）所证的结论表明，向量组和都是线性无关的，因此定理的结论（４）对同样成立． 定理证毕 定理5.2.1表明，向量和分别是Krylov子空间的正交基和共轭正交基．由此可见，共轭梯度法最多步便可得到方程组的解．因此，理论上来讲，共轭梯度法是直接法． 定理5.2.2　用共轭梯度法计算得到的近似解满足 ???????????? （5.2.２） 或 ?????? （5.2.３） 其中，是方程组的解，是由（5.2.1）所定义的Krylov子空间． 证明　注意到：，则（5.2.2）和(5.2.3)是等价的，因此我们下面只证明(5.2.3)成立． 假定共轭梯度法计算到步出现，那么有 此外，对计算过程中的任一步，有 设是属于的任一向量，则由定理5.2.1的（４）知，可以表示为 ， 于是 而 ， 再利用定理5.2.1的（３）就可以推出 于是定理得证． 定理证毕 由定理5.2.1，我们容易得出 由此可得 ??????????????????????? (5.2.4) 另外，从理论上讲，该迭代法经次迭代，便能得到精确解．但考虑到计算误差，可以作为无限迭代算法进行计算，直到为止． 从而，我们得到如下实用的共轭梯度算法： ［预置步］任意，计算，并令取：指定算法终止常数，置，进入主步； ［主步］（１）计算：， （２）如果，转入（3）．否则，终止算法，输出计算结果 （３）计算： （４）置，转入（1） 注：在算法［主步］中，引入变量，及，可以简化计算。 结合程序设计的特点，共轭梯度法可改为如下实用形式： 算法５·３·１（解对称正定方程组：实用共轭梯度法） ； while and if else end end 共轭梯度法作为一种实用的迭代法，它主要有下面的优点： 算法中，系数矩阵Ａ的作用仅仅是用来由已知向量产生向量，这不仅可充分利用Ａ的稀疏性，而且对某些提供矩阵Ａ较为困难而由已知向量产生向量又十分方便的应用问题是很有益的； 不需要预先估计任何参数就可以计算，这一点不像ＳＯＲ等； 每次迭代所需的计算，主要是向量之间的运算，便于并行化。 5.2.3 收敛性分析 将共轭梯度