本文简要介绍 python 语言中 scipy.sparse.linalg.lgmres
的用法。
用法:
scipy.sparse.linalg.lgmres(A, b, x0=None, *, tol=1e-05, maxiter=1000, M=None, callback=None, inner_m=30, outer_k=3, outer_v=None, store_outer_Av=True, prepend_outer_v=False, atol=None)#
使用 LGMRES 算法求解矩阵方程。
LGMRES 算法 [1] [2] 旨在避免重新启动的 GMRES 收敛中的一些问题,并且通常在较少的迭代中收敛。
- 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。
- tol, atol: 浮点数,可选
收敛公差,
norm(residual) <= max(tol*norm(b), atol)
.默认为atol
是tol.警告
atol 的默认值将在未来版本中更改。为了将来的兼容性,请明确指定 atol。
- maxiter: 整数,可选
最大迭代次数。即使没有达到指定的容差,迭代也会在 maxiter 步后停止。
- M: {稀疏矩阵,ndarray,LinearOperator},可选
A 的预处理器。预处理器应该近似于 A 的逆。有效的预处理显著提高了收敛速度,这意味着需要更少的迭代来达到给定的误差容限。
- callback: 函数,可选
每次迭代后调用的用户提供的函数。它被称为 callback(xk),其中 xk 是当前解向量。
- inner_m: 整数,可选
每次外部迭代的内部 GMRES 迭代次数。
- outer_k: 整数,可选
在内部 GMRES 迭代之间携带的向量数。根据 [1],好的值在 1…3 的范围内。但是,请注意,如果您想使用额外的向量来加速解决多个类似问题,较大的值可能是有益的。
- outer_v: 元组列表,可选
包含元组的列表
(v, Av)
向量和相应的matrix-vector 乘积,用于增强 Krylov 子空间,并在内部 GMRES 迭代之间进行。元素Av
可None如果应该重新评估matrix-vector 产品。此参数通过以下方式就地修改lgmres
, 并且可用于在解决类似问题时将“guess” 向量传入和传出算法。- store_outer_Av: 布尔型,可选
LGMRES 是否应该在 outer_v 列表中除了向量 v 之外还存储 A@v。默认为真。
- prepend_outer_v: 布尔型,可选
是否在 Krylov 迭代之前放置 outer_v 扩充向量。在标准 LGMRES 中,prepend_outer_v=False。
- x: ndarray
融合解决方案。
- info: int
提供收敛信息:
0 : successful exit
>0 : convergence to tolerance not achieved, number of iterations
<0 : illegal input or breakdown
参数 ::
返回 ::
注意:
LGMRES 算法 [1] [2] 旨在避免由于交替残差向量而导致重新启动的 GMRES 中收敛速度变慢。通常,它在某些方面通常优于可比较的内存要求的 GMRES(m),或者至少不会差很多。
该算法的另一个优点是您可以在 outer_v 参数中为其提供 ‘guess’ 向量,以增加 Krylov 子空间。如果解决方案接近这些向量的跨度,则算法收敛速度更快。如果需要一个接一个地反转几个非常相似的矩阵,这可能很有用,例如在 Newton-Krylov 迭代中,雅可比矩阵在非线性步骤中通常变化很小。
参考:
[1] (1,2,3)A.H. Baker 和 E.R. Jessup 和 T. Manteuffel,“加速重启 GMRES 收敛的技术”,SIAM J. Matrix Anal。应用程序。 26, 962 (2005)。
[2] (1,2)A.H. Baker,“关于提高线性求解器的性能重新启动 GMRES”,PhD 论文,科罗拉多大学(2003 年)。
例子:
>>> import numpy as np >>> from scipy.sparse import csc_matrix >>> from scipy.sparse.linalg import lgmres >>> A = csc_matrix([[3, 2, 0], [1, -1, 0], [0, 5, 1]], dtype=float) >>> b = np.array([2, 4, -1], dtype=float) >>> x, exitCode = lgmres(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.lu_factor用法及代码示例
- Python SciPy linalg.lsqr用法及代码示例
- Python SciPy linalg.lu_solve用法及代码示例
- Python SciPy linalg.lu用法及代码示例
- Python SciPy linalg.logm用法及代码示例
- Python SciPy linalg.ldl用法及代码示例
- Python SciPy linalg.leslie用法及代码示例
- Python SciPy linalg.lsmr用法及代码示例
- Python SciPy linalg.lobpcg用法及代码示例
- Python SciPy linalg.lstsq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.SuperLU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.lgmres。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。