Iterationsverfahren mit Fehlerabschätzungen für lineare Operatorgleichungen (Q2533488): Difference between revisions
From MaRDI portal
Added link to MaRDI item. |
Set profile property. |
||
Property / MaRDI profile type | |||
Property / MaRDI profile type: MaRDI publication profile / rank | |||
Normal rank |
Revision as of 07:27, 5 March 2024
scientific article
Language | Label | Description | Also known as |
---|---|---|---|
English | Iterationsverfahren mit Fehlerabschätzungen für lineare Operatorgleichungen |
scientific article |
Statements
Iterationsverfahren mit Fehlerabschätzungen für lineare Operatorgleichungen (English)
0 references
1968
0 references
Sei \(X\) ein normierter Vektorraum, in dem durch einen Kegel eine Halbordnung definiert ist. Der Operator \(A\) in der linearen Gleichung \(x=Ax+b\) sei gemäß \(A = A_1 - A_2\) zerlegbar mit monotonen Operatoren \(A_1\), \(A_2\). Ferner sei \(A =A_1 + A_2\). Für die Vektoren \(x_{n+1} =Ax_n + b\) werden Fehlerabschätzungen gewonnen, die auf Ergebnissen von J. Schröder und dem Verf. aufbauen. Benötigt wird eine Vorschrift, nach der zu vorgegebenen \(y\ge 0\) Lösungen mit \(z\ge Az + y\) konstruiert werden können. Dazu wird die Iteration \(s_{n+1} = As_n + y+ e\), \(s_0 =0\), herangezogen, wobei \(e\) ein beliebiger innerer Punkt des Ordnungskegels ist. Es wird dargelegt, daß diese Iteration unter sehr schwachen Voraussetzungen genau dann zum Ziel führt, wenn die Ergebnisse von J. Schröder anwendbar sind. Sei \(y\ge x_0 - x_1\) und \(y\ge x_1 - x_0\), dann liefert der Lösungsvektor \(z\) der genannten Relation eine Fehlerabschätzung für \(x_0\), und \(\hat A^nz\) ist eine solche für \(x_n\). An Hand von vier numerischen Beispielen mit Matrizen werden die Ergebnisse illustriert und weiter spezialisiert. Dort wird auch für \(x_n\) direkt eine Fehlerabschätzung mittels eines Vektors \(y\) gewonnen, der den Relationen \(y\ge x_n - x_{n+1}\) genügt. (Dies erscheint dem Ref. wichtiger, als aus der Arbeit hervorgeht, weil der Spektralradius von \(\hat A\) mindestens so groß ist wie der von \(A\) und man sonst an Genauigkeit verschenkt.)
0 references
numerical analysis
0 references