Metoda sdružených gradientů s deflací

Abstract

Metoda sdružených gradientů je jednou ze základních iteračních metod pro řešení soustav lineárních algebraických rovnic se symetrickou pozitivně definitní maticí. V práci uvádíme dvě různá odvození této metody a ukazujeme některé její vlastnosti. V situa- cích, kdy metoda konverguje pomalu či téměř stagnuje, se obvykle používají techniky, které transformují původní soustavu s cílem konvergenci urychlit. Jednou z nich je před- podmínění, u kterého stručně uvádíme základní myšlenku a algoritmus předpodmíně- ných sdružených gradientů. Podrobněji se pak zaměřujeme na techniku tak zvané deflace. Představujeme kontext, v jakém byla popsána v literatuře, a komentujeme různé přístupy k odvození algoritmu deflated CG. Vysvětlujeme princip deflace a algoritmus detailně od- vozujeme, přičemž popisujeme i kroky, které v literatuře nebývají explicitně uvedeny nebo podrobně rozebrány. Vliv deflace na rychlost konvergence ilustrujeme na jednoduchých numerických experimentech. 1

Conjugate gradient method is one of the basic iterative methods for solving systems of linear algebraic equations with a symmetric positive definite matrix. We present two different derivations of the method and show some its properties. In situations where the method converges slowly or almost stagnates, techniques that transform the original system are usually used to speed up the convergence. Among them there is a precon- ditioning, for which we briefly present the basic idea and algorithm of preconditioned conjugate gradients. We then focus in more detail on the so-called deflation. We present the context in which it has been described in the literature, and comment on various approaches to the derivation of the deflated CG algorithm. We explain the principle of deflation and derive thoroughly the algorithm, describing steps that are not explic- itly stated or discussed in detail in the literature. On simple numerical experiments we illustrate the effect of the deflation on the convergence rate. 1