Faculdade de Engenharia da Universidade do Porto

Carlos Jorge

Description

Niveau: Supérieur, Doctorat, Bac+8
Faculdade de Engenharia da Universidade do Porto V IR T U S U N IT A FOR T IU S A G IT Institut National Polytechnique de Toulouse Inexact Subspace Iteration to Accelerate the Solution of Linear Systems with Multiple Right-Hand Sides Carlos Jorge da Rocha Balsa (MsC in Computational Methods in Sciences and Engineering) Thesis submitted in partial fulfillment of the requirements of joint Doctoral Degrees in Engineering Sciences by the University of Porto, and Doctorat de l'Institut National Polytechnique de Toulouse, Mention Informatique et Télécommunications. October 2005

• para retirar


• através de um problema de difusão heterogénea


• sistemas de equações lineares


• simulação numérica de equações diferenciais dependentes


• inexact subspace


• através


• spectral low


• construção de um segundo


• blockcgsi

Sujets

• Institut national polytechnique de Toulouse
• Institut de France

Informations

• Publié par: profil-zyak-2012
• Nombre de lectures: 9
• Langue: English
• Poids de l'ouvrage: 1 Mo

Extrait

T
I
G
A
S
U
I
T
R
O
F
Faculdade de Engenharia da Institut National Polytechnique de
Universidade do Porto Toulouse
Inexact Subspace Iteration to Accelerate the
Solution of Linear Systems with Multiple
Right-Hand Sides
Carlos Jorge da Rocha Balsa
(MsC in Computational Methods in Sciences and Engineering)
Thesis submitted in partial fulfillment of the requirements of joint Doctoral Degrees in
Engineering Sciences by the University of Porto, and Doctorat de l’Institut National
Polytechnique de Toulouse, Mention Informatique et Télécommunications.
October 2005
A
T
I
N
U
S
U
T
R
I
VInexact Subspace Iteration to Accelerate the
Solution of Linear Systems with Multiple
Right-Hand Sides
Carlos Jorge da Rocha BalsaAbstract
We propose a two-phase acceleration technique for the solution of Symmetric and Positive
Definite(SPD)linearsystemswithmultipleright-handsides. Inthefirstphasewecompute
some partial spectral information related to the ill conditioned part of the given coefficient
matrix and, in the second phase, we use this information to improve the convergence of
the Conjugate Gradient (CG) algorithm.
This approach is adequate for large scale problems, like the simulation of time de-
pendent differential equations, where it is necessary to solve consecutively several linear
systems with the same coefficient matrix (or with matrices that present very close spectral
properties) but with changing right-hand sides.
To compute the spectral information, we combine the block Conjugate Gradient algo-
rithm with the Subspace Iteration to build a purely iterative algorithm, that we call Block-
CGSI. We analyze the convergence of the blockCG algorithm and exploit the possibility
of reducing the total amount of computational work by controlling in a same appropriate
manner the accuracy during the solution of linear systems at each subspace iteration.
We also improve the global convergence of this algorithm by using Chebyshev polyno-
mials as a spectral filtering tool when building the starting vectors. The concept of “sliding
window” was also introduced as an algorithmic feature that enables the computation of a
near-invariant subspace of any dimension.
The spectral information computed by the BlockCGSI algorithm is then used to remove
theeffectofthesmallesteigenvaluesintwodifferentways: eitherbybuildingaSpectralLow
Rank Update (SLRU) preconditioner that basically adds the value 1 to the approximated
eigenvalues, or by performing a deflation of the initial residual in order to remove part of
the solution corresponding to the smallest eigenvalues. Both techniques yield important
reductions of the total number of iterations and computational work in each subsequent
runs of the Conjugate Gradient algorithm.
We report on experiments on a 2D diffusion equation as well as on two applications
coming from Computational Fluid Dynamics (CFD). The analysis of costs and benefits, in
terms of floating point operations, helps to validate the strategy as a good way to speed
up the solution of symmetric and positive definite linear systems.ii Abstract
Key words: Numerical simulations, sparse matrices, block iterative methods, pre-
conditioning, Conjugate Gradient, block Conjugate Gradient, inexact subspace iteration,
partial spectral factorization, eigenvalues and eigenvector approximation, Chebyshev poly-
nomials, convergence analysis, stopping criterion.Resumo
Propomos uma técnica em duas fases para acelerar a resolução de sistemas de equações
lineares, simétricos e definidos positivos, com vários termos independentes. Na primeira
fase uma parte da informação espectral, associada ao mau condicionamento da matriz do
sistema, é extraída e, numa segunda fase, esta informação é utilizada para melhorar a
convergência do método do Gradiente Conjugado (CG).
Estaabordagemteminteresseparticularnaresoluçãodeproblemasdegrandedimensão,
como por exemplo na simulação numérica de equações diferenciais dependentes do tempo,
onde se resolvem sequencialmente vários sistemas de equações algébricas com matrizes
identicas ou com aproximadamente as mesmas propriedades espectrais, mas com diferentes
termos independentes.
Para a extracção da informação espectral, propomos uma combinação do algoritmo do
Gradiente Conjugado por blocos (blockCG) com a iteração de sub-espaço. O resultado
consiste num algoritmo puramente iterativo, chamado BlockCGSI. Analisamos a conver-
gência do blockCG a fim de reduzir o número total de cálculos através do controlo apro-
priado da resolução dos sistemas em cada iteração de sub-espaço.
Melhoramos também a convergência global do algoritmo BlockCGSI através de filtros
espectrais, baseados nos polinómios de Tchebycheff, aplicados sobre os vectores de partida.
Introduzimostambémnoalgoritmooconceitode“janeladeslizante” parapermitirocálculo
de sub-espaços invariantes cuja dimensão não é antecipadamente conhecida.
A informação espectral, calculada com o algoritmo BlockCGSI, é então utilizada para
retirar o efeito provocado pelos valores próprios mais pequenos de duas maneiras diferentes:
através da construção de um segundo nível de précondicionamento chamado Spectral Low
Rank Update (SLRU) que adiciona o valor 1 aos valores próprios mais pequenos pré-
calculados; ou através da projecção do resíduo inicial para retirar a parte da solução
correspondente aos valores próprios mais pequenos. As duas técnicas permitem reduções
importantes sobre o número total de operações efectuadas pelo CG.
O conjunto é validado através de um problema de difusão heterogénea bi-dimensional,
e em duas aplicações provenientes da Mecânica dos Fluidos Computacional. A análise de
custos/beneficios, em termos de número total de operações, valida a estratégia, mostrandoiv Resumo
que a abordagem proposta permite acelerar eficientemente a resolução de sistemas lineares
simétricos e definidos positivos.
Palavras chave: Simulação numérica, matrizes esparsas, métodos iterativos por blo-
cos, précondicionamento, GradienteConjugado eGradienteConjugado parblocos, iteração
de sub-espaço inexacta, factorização espectral parcial, valores próprios e vectores próprios
aproximados, polinómios de Tchebycheff, análise de convergência, critério de paragem.Résumé
Nous proposons une technique en deux-phases pour accélérer la solution de systèmes
d’équationslinéaires,SymétriquesetPositifsDéfinis(SPD),avecplusieurssecondsmembres.
Dans la première phase, une certaine partie de l’information spectrale, associée au mauvais
conditionement de la matrice du système, est extraite et, dans une seconde phase, cette
information est utilisée pour améliorer la convergence de la métode du Gradient Conjugué
(CG).
Cette aproche présente un intérêt pour la résolution de problèmes de grande taille,
come par exemple dans la simulation numérique d’équations différencielles dépendantes
du temps, oú normalement on doit résoudre séquenciellement plusieurs systèmes linéaires
dans lesquels la matrice reste la même (oú bien avec des matrices qui préservent à peu près
les mêmes propriétés spectrales) mais avec différents second membres.
Pour extraire l’information spectrale, nous proposons une combinaison de l’algorithme
du Gadient Conjugué par blocs (blockCG) avec l’itération de sous-espace. Le résultat
consiste en un algorithme purement itératif, appelé BlockCGSI. Nous analysons la conver-
gence du blockCG afin de permettre la réduction du nombre total des calculs en controlant
de manière appropriée la résolution des systèmes à chaque itération de sous-espace.
Nous améliorons aussi la convergence globale de l’algorithme par l’intermédiaire de
filtresspectraux,baséssurlespolynômesdeTchebycheff,quisontappliquéssurlesvecteurs
de départ. Le comcept de “fenêtre glissante” est aussi introduit dans l’algorithme, pour
permettredecalculerdessous-espacesinvariantsavecunedimensionnonconnueàl’avance.
L’information spectrale, calculée avec l’algorithme BlockCGSI, est alors utilisée de deux
manières différentes pour retirer l’éffet provoqué par les petites valeurs propres : soit en
construisant um second niveau de préconditionnement appelé Spectral Low Rank Update
(SLRU) qui ajoute la valeur 1 aux valeurs propres pré-