预处理子空间迭代法的一些基本概念分享.pdfVIP

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 x_(1,)...,x_m ∈V ,称它们的线性组合∑ _(i=1)^m? 〖k_i x_i \|k_i ∈K,i=1,2...m 〗 为向量 x_(1,)...,x_m 的生成子空间， 也称为由 x_(1,)...,x_m 张成的子空间。 记为 L（x_(1,)...,x_m ）， 也可以记为 Span （x_(1,)...,x_m ） 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 AA=E， 则 n 阶实矩阵 A 称为正交矩阵，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