دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: ریاضیات محاسباتی ویرایش: نویسندگان: Paige C.C., Rozloznik M., Strakos Z. سری: ناشر: سال نشر: تعداد صفحات: 21 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 264 کیلوبایت
کلمات کلیدی مربوط به کتاب گرم اشمیت اصلاح شده، حداقل مربعات و پایداری رو به عقب گرام اشمیت اصلاح شده - روش حداقل باقیمانده تعمیم یافته: ریاضیات، ریاضیات محاسباتی، روش های محاسباتی جبر خطی
در صورت تبدیل فایل کتاب Modified Gram-Schmidt, Least Squares and backward stability of Modified Gram-Schmidt - generalized minimum residual method به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب گرم اشمیت اصلاح شده، حداقل مربعات و پایداری رو به عقب گرام اشمیت اصلاح شده - روش حداقل باقیمانده تعمیم یافته نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
کریستوفر سی پیج، میروسلاو روزلوزنیک، و زدنک استراکوس
چکیده. روش حداقل باقیمانده تعمیم یافته (GMRES) [Y. Saad and M.
Schultz, SIAM
J. علمی آمار. Comput., 7 (1986), pp. 856-869] برای حل سیستم های
خطی Ax = b به عنوان دنباله ای از مسائل حداقل مربعات شامل
زیرفضاهای کریلوف با ابعاد رو به افزایش پیاده سازی می شود.
معمول ترین پیاده سازی اصلاح شده Gram-Schmidt GMRES (MGS-GMRES)
است. در اینجا نشان میدهیم که
MGS-GMRES پایدار است. نتیجه به یک نتیجه کلی تر در مورد پایداری
معکوس
یکی از الگوریتم MGS که برای حل یک مسئله حداقل مربعات خطی اعمال
می شود بستگی دارد و از نتایج جدید دیگر در MGS و از دست دادن
متعامد بودن آن استفاده می کند. با یک عدد شرط مهم اما نادیده
گرفته شده
و رابطه بین هنجارهای باقیمانده و مقادیر خاص منفرد.
CHRISTOPHER C. PAIGE, MIROSLAV ROZLOZNIK, AND ZDENEK
STRAKOS
Abstract. The generalized minimum residual method (GMRES) [Y.
Saad and M. Schultz, SIAM
J. Sci. Statist. Comput., 7 (1986), pp. 856–869] for solving
linear systems Ax = b is implemented
as a sequence of least squares problems involving Krylov
subspaces of increasing dimensions. The
most usual implementation is Modified Gram-Schmidt GMRES
(MGS-GMRES). Here we show that
MGS-GMRES is backward stable. The result depends on a more
general result on the backward
stability of a variant of the MGS algorithm applied to solving
a linear least squares problem, and uses
other new results on MGS and its loss of orthogonality,
together with an important but neglected
condition number, and a relation between residual norms and
certain singular values.