tfqmr#
- scipy.sparse.linalg.tfqmr(A, b, x0=None, *, rtol=1e-05, atol=0.0, maxiter=None, M=None, callback=None, show=False)[source]#
使用 Transpose-Free Quasi-Minimal Residual 方法求解
Ax = b
。- 参数:
- A{稀疏数组, ndarray, LinearOperator}
线性系统的实数或复数 N 对 N 矩阵。或者,A 可以是一个线性算子,它可以使用例如
scipy.sparse.linalg.LinearOperator
生成Ax
。- b{ndarray}
线性系统的右侧。具有形状 (N,) 或 (N,1)。
- x0{ndarray}
解决方案的起始猜测。
- rtol, atolfloat, optional
收敛测试的参数。对于收敛,应满足
norm(b - A @ x) <= max(rtol*norm(b), atol)
。默认值为rtol=1e-5
,atol
的默认值为0.0
。- maxiterint, optional
最大迭代次数。即使未达到指定的容差,迭代也将在 maxiter 步后停止。默认值为
min(10000, ndofs * 10)
,其中ndofs = A.shape[0]
。- M{稀疏数组, ndarray, LinearOperator}
A 的预处理器的逆。M 应该近似于 A 的逆,并且易于求解(参见注释)。有效的预处理可以显着提高收敛速度,这意味着需要更少的迭代才能达到给定的误差容限。默认情况下,不使用预处理器。
- callbackfunction, optional
用户提供的函数,用于在每次迭代后调用。它被调用为
callback(xk)
,其中xk
是当前解决方案向量。- showbool, optional
指定
show = True
以显示收敛,show = False
关闭收敛的输出。默认值为 False。
- 返回:
- xndarray
收敛的解决方案。
- infoint
提供收敛信息
0 : 成功退出
>0 : 未达到容差的收敛,迭代次数
<0 : 非法输入或中断
注释
Transpose-Free QMR 算法是从 CGS 算法派生的。然而,与 CGS 不同,TFQMR 方法的收敛曲线通过计算残差范数的准最小化来平滑。该实现支持左预处理器,并且在收敛标准中计算的“残差范数”实际上是实际残差范数
||b - Axk||
的上限。参考文献
[1]R. W. Freund, A Transpose-Free Quasi-Minimal Residual Algorithm for Non-Hermitian Linear Systems, SIAM J. Sci. Comput., 14(2), 470-482, 1993.
[2]Y. Saad, Iterative Methods for Sparse Linear Systems, 2nd edition, SIAM, Philadelphia, 2003.
[3]C. T. Kelley, Iterative Methods for Linear and Nonlinear Equations, number 16 in Frontiers in Applied Mathematics, SIAM, Philadelphia, 1995.
示例
>>> import numpy as np >>> from scipy.sparse import csc_array >>> from scipy.sparse.linalg import tfqmr >>> A = csc_array([[3, 2, 0], [1, -1, 0], [0, 5, 1]], dtype=float) >>> b = np.array([2, 4, -1], dtype=float) >>> x, exitCode = tfqmr(A, b, atol=0.0) >>> print(exitCode) # 0 indicates successful convergence 0 >>> np.allclose(A.dot(x), b) True