本文简要介绍 python 语言中 scipy.sparse.linalg.gmres
的用法。
用法:
scipy.sparse.linalg.gmres(A, b, x0=None, *, tol=<object object>, restart=None, maxiter=None, M=None, callback=None, restrt=<object object>, atol=0.0, callback_type=None, rtol=1e-05)#
使用广义最小残差迭代求解
Ax = b
。- A: {稀疏矩阵,ndarray,LinearOperator}
线性系统的实数或复数N-by-N 矩阵。或者,
A
可以是一个线性运算符,它可以使用例如scipy.sparse.linalg.LinearOperator
生成Ax
。- b: ndarray
线性系统的右手边。具有形状 (N,) 或 (N,1)。
- x0: ndarray
开始猜测解决方案(默认情况下为零向量)。
- atol, rtol: 浮点数
收敛测试的参数。为了收敛,应满足
norm(b - A @ x) <= max(rtol*norm(b), atol)
。默认为atol=0.
和rtol=1e-5
。- restart: 整数,可选
重新启动之间的迭代次数。较大的值会增加迭代成本,但对于收敛可能是必要的。如果省略,则使用
min(20, n)
。- maxiter: 整数,可选
最大迭代次数(重新启动周期)。即使尚未达到指定的容差,迭代也会在 maxiter 步骤后停止。请参阅callback_type。
- M: {稀疏矩阵,ndarray,LinearOperator}
A 的预条件子的逆。M 应该近似于 A 的逆,并且很容易求解(参见注释)。有效的预处理可以显著提高收敛速度,这意味着达到给定的容错能力所需的迭代次数更少。默认情况下,不使用预处理器。在此实现中,使用左预处理,并且最小化预处理残差。然而,最终的收敛是针对
b - A @ x
残差进行测试的。- callback: 函数
每次迭代后调用的用户提供的函数。它被称为回调(args),其中args由callback_type选择。
- callback_type: {‘x’, ‘pr_norm’, ‘legacy’},可选
- 请求的回调函数参数:
x
:当前迭代(ndarray),每次重新启动时调用pr_norm
:相对(预处理)残差范数(浮点),在每次内部迭代时调用legacy
(默认):与pr_norm
,但也改变了含义马克西特计算内部迭代而不是重新启动周期。
如果未设置回调,则该关键字无效。
- restrt: int,可选,已弃用
- tol: 浮点数,可选,已弃用
- x: ndarray
融合解决方案。
- info: int
- 提供收敛信息:
0:成功退出 >0:未达到容差收敛,迭代次数
参数 ::
返回 ::
注意:
选择预条件子 P 使得 P 接近 A 但易于求解。此例程所需的预处理器参数是
M = P^-1
。倒数最好不要明确计算。相反,使用以下模板生成 M:# Construct a linear operator that computes P^-1 @ x. import scipy.sparse.linalg as spla M_x = lambda x: spla.spsolve(P, x) M = spla.LinearOperator((n, n), M_x)
例子:
>>> import numpy as np >>> from scipy.sparse import csc_matrix >>> from scipy.sparse.linalg import gmres >>> A = csc_matrix([[3, 2, 0], [1, -1, 0], [0, 5, 1]], dtype=float) >>> b = np.array([2, 4, -1], dtype=float) >>> x, exitCode = gmres(A, b, atol=1e-5) >>> print(exitCode) # 0 indicates successful convergence 0 >>> np.allclose(A.dot(x), b) True
相关用法
- Python SciPy linalg.get_blas_funcs用法及代码示例
- Python SciPy linalg.gcrotmk用法及代码示例
- Python SciPy linalg.get_lapack_funcs用法及代码示例
- Python SciPy linalg.eigvalsh_tridiagonal用法及代码示例
- Python SciPy linalg.cdf2rdf用法及代码示例
- Python SciPy linalg.LaplacianNd用法及代码示例
- Python SciPy linalg.solve_circulant用法及代码示例
- Python SciPy linalg.polar用法及代码示例
- Python SciPy linalg.clarkson_woodruff_transform用法及代码示例
- Python SciPy linalg.rsf2csf用法及代码示例
- Python SciPy linalg.hessenberg用法及代码示例
- Python SciPy linalg.tril用法及代码示例
- Python SciPy linalg.triu用法及代码示例
- Python SciPy linalg.svd用法及代码示例
- Python SciPy linalg.ishermitian用法及代码示例
- Python SciPy linalg.invhilbert用法及代码示例
- Python SciPy linalg.factorized用法及代码示例
- Python SciPy linalg.lu_factor用法及代码示例
- Python SciPy linalg.SuperLU用法及代码示例
- Python SciPy linalg.lsqr用法及代码示例
- Python SciPy linalg.cho_factor用法及代码示例
- Python SciPy linalg.fractional_matrix_power用法及代码示例
- Python SciPy linalg.eig_banded用法及代码示例
- Python SciPy linalg.tanhm用法及代码示例
- Python SciPy linalg.orthogonal_procrustes用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.sparse.linalg.gmres。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。