GMRES
Generalized Minimal Residual Method · Ayrıca şöyle bilinir: GMRES(m), restarted GMRES, Krylov-GMRES
GMRES (Genelleştirilmiş Minimal Rezidü) yöntemi, 1986'da Saad ve Schultz tarafından geliştirilen, büyük seyrek simetrik olmayan lineer sistemler Ax = b'yi çözmek için kullanılan iteratif bir yöntemdir. Arnoldi yöntemiyle ortonormal bir Krylov tabanı oluşturur ve her iterasyonda rezidüyü minimize etmek için bir en küçük kareler problemi çözer.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Ne zaman kullanılır
CG'nin uygulanamadığı simetrik olmayan veya kötü koşullu sistemler için GMRES kullanın. Adveksiyon baskın kısmi diferansiyel denklemler, bağlı çoklu fizik problemleri ve belirsiz matrisler için esastır. Yeniden başlatma parametresi m = 30–40 bellek ve yakınsamayı dengeler. Simetrik matrisler için CG veya MINRES daha verimlidir.
Güçlü yönler & sınırlılıklar
- Keyfi simetrik olmayan ve karmaşık matrisleri işler; herhangi bir pozitiflik varsayımı yapmaz
- Rezidü normunda monoton azalma ilerlemeyi garanti eder; rezidü geçmişi güvenilirdir
- Esnek ön koşullandırma mevcuttur (FGMRES); sol veya sağ ön koşullandırıcılarla çalışır
- Kanıtlanmış yakınsama: sonunda (muhtemelen birçok iterasyondan sonra) herhangi bir öngörülen toleransa ulaşır
- Tam GMRES, m Krylov vektörünü depolamayı gerektirir; bellek talebi O(m·n) olarak ölçeklenir, bu da büyük m için maliyetli hale getirir
- İterasyon başına maliyet, k iterasyonu için O(k·n) olarak artar; m adımda bir yeniden başlatma bunu hafifletir ancak yakınsama cezası getirir
- Ön koşullandırma olmadan, kötü koşullu problemler için yakınsama genellikle yavaştır
- Kararlılık için Householder veya Givens ortogonalizasyonu gereklidir; hesaplama ek yükü ekler
SSS
Krylov altuzayı nedir ve Arnoldi ortogonalizasyonu neden önemlidir?
Krylov altuzayı K_k(A, r₀) = span{r₀, A r₀, A² r₀, …, A^{k-1} r₀}, A hakkında giderek zenginleşen bilgiler içerir. Arnoldi ortogonalizasyonu bu uzay için ortonormal bir taban üretir, bu da rezidülerin kararlı en küçük kareler minimizasyonunu sağlar.
Tam GMRES yakınsarken neden yeniden başlatılır?
Tam GMRES, tüm k Krylov vektörlerini depolar, O(k·n) bellek ve iterasyon başına O(k²) işlem gerektirir. m = 30–50 iterasyondan sonra bellek yetersiz kalır. Yeniden başlatma, eski vektörleri atar ve süreci yeniden başlatır, büyük sistemlerde uygulanabilirlik için bazı yakınsama hızından ödün verir.
Hangi yeniden başlatma parametresi m seçilmelidir?
m = 30 pratik bir varsayılandır; bellek izin veriyorsa ve yakınsama yavaşsa 50–100'e yükseltin, bellek kısıtlıysa 10–20'ye düşürün. Probleme bağlıdır: eliptik kısmi diferansiyel denklemler genellikle 10–20 iterasyonda yakınsar; adveksiyon baskın veya bağlı sistemler 40–100 gerektirebilir.
GMRES'te sol ön koşullandırma sağ ön koşullandırmadan nasıl farklıdır?
Sol ön koşullandırma M⁻¹ A x = M⁻¹ b'yi çözer, M⁻¹ A'nın koşulluluğunu iyileştirir. Sağ ön koşullandırma x = M⁻¹ y ile A M⁻¹ y = b'yi çözer, A M⁻¹'nin spektrumunu değiştirmez. Sol yakınsama hızını iyileştirir; sağ, M⁻¹'nin sonda uygulanmasını önler. FGMRES, sağ konumlandırmada esnek (değişken) ön koşullandırıcılara izin verir.
Kaynaklar
- Saad, Y., & Schultz, M. H. (1986). GMRES: A generalized minimal residual algorithm for solving nonsymmetric linear systems. SIAM Journal on Scientific and Statistical Computing, 7(3), 856–869. DOI: 10.1137/0907058 ↗
- Walker, H. F. (1988). Implementation of the GMRES method using Householder reflections. SIAM Journal on Scientific and Statistical Computing, 9(1), 152–163. DOI: 10.1137/0909010 ↗
- Saad, Y. (2003). Iterative Methods for Sparse Linear Systems (2nd ed.). SIAM. DOI: 10.1137/1.9780898718003 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Generalized Minimal Residual Method. ScholarGate. https://scholargate.app/tr/numerical-methods/gmres