“初始聚合基常像一块块阶梯:在某组节点上为一,出了组立刻为零。它能表示组内常量,却在聚合边界形成陡跳。平滑常把基向量的影响扩散到邻近聚合。能量降低需要参数条件:对非空正定系统,若 $0<\om…”
形式陈述
一个定常迭代法在细网格上整体收敛很慢,为什么还能成为多重网格的有效部件?关键是它可能只对某类误差特别快,这种能力称为平滑性质。
先固定可完全算清的模型。对整数
忽略共同的网格尺度因子不改变下述迭代矩阵。加权 Jacobi 更新为
误差
其中
“平滑快”是对指定高频范围内
直觉
相邻节点一正一负的误差,其局部二阶差分很大,残差修正容易发现并改变它。缓慢起伏的误差在邻点之间差异很小,即使全局幅度明显,局部更新也只会挪动一点。
高频区的统一界
令
用连续频段端点作统一最坏界,选择
低频
所以网格加密后,高频仍只需几步,最慢低频却需越来越多步。多重网格的设计正是让另一个粗空间机制负责后者。
例子与边界
取
两个数来自
若再做三步,总共四步,高频振幅成为原来的约
为什么普通 Jacobi 不够
取
它每步几乎只翻转符号而不减幅,因而普通 Jacobi 对最锯齿的模式也不够有效。加权不是单纯“把步长调慢”,而是把接近
从这个模型不能推出什么
这个分析依赖均匀网格、常系数和给定边界。对强各向异性的二维算子,例如一个方向的耦合远弱于另一个方向,沿弱方向剧烈振荡的几何高频仍可能具有较低代数能量,点 Jacobi 未必迅速衰减它。此时可以考虑线平滑、块平滑或相应的半粗化,但必须重新分析所选算子。
一般正定矩阵上的加权 Jacobi,收敛范围是
推论与应用
有限差分离散产生本页的模型矩阵;平滑器只减少这个已经固定的离散系统的代数误差,并不修复离散误差。
记稀疏表示实际存储的槽位数为
两网格粗校正补上这一缺口:先削弱粗空间难以表示的振荡部分,再用粗问题处理能被粗空间捕获的成分。完整收敛理论需要平滑与逼近能力互相配合;只证明一个高频因子小,还没有证明整个两网格方法高效。
参考资料
- Yousef Saad, Iterative Methods for Sparse Linear Systems, 2nd ed., 2003, §§13.2.1–13.2.2:作者教材。Poisson 正弦谱、加权 Jacobi 因子与粗细频率解释。