Reortogonalizačné stratégie v Golub-Kahanovej iteračnej bidiagonalizácii
Reorthogonalization strategies in Golub-Kahan iterative bidiagonalization
Reortogonalizační strategie v Golub-Kahanově iterační bidiagonalizaci
bakalářská práce (OBHÁJENO)

Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/99566Identifikátory
SIS: 193295
Kolekce
- Kvalifikační práce [10150]
Autor
Vedoucí práce
Oponent práce
Kučera, Václav
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Obecná matematika
Katedra / ústav / klinika
Katedra numerické matematiky
Datum obhajoby
20. 6. 2018
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Slovenština
Známka
Výborně
Klíčová slova (česky)
lineární problém, iterační bidiagonalizace, Krylovův prostor, reortogonalizaceKlíčová slova (anglicky)
linear problem, iterative bidiagonalization, Krylov space, reortogonalizationV tejto práci popíšeme Golub-Kahanovu iteračnú bidiagonalizáciu a ukážeme jej spojitosť s Lanczosovou tridiagonalizáciou a Krylovovými priestormi. Golub-Kahanova iteračná bidiagonalizácia je založená na krátkych rekurenciách a pri výpočtoch v aritmetike s konečnou presnosťou preto obvykle nastáva rýchla strata ortogonality spočítaných vektorov. Za účelom obmedzenia straty ortogonality sa zameriame na rôzne reortogonalizačné stratégie. V numerických experimentoch ich vzájomne porovnáme na testovacích maticiach v prostredí MATLAB. Budeme skúmať závislosť straty ortogonality a výpočetnej náročnosti na voľbe použitej metódy alebo vlastnostiach konkrétnej matice.
The main goal of this thesis is to describe Golub-Kahan iterative bidiagonalization and its connection with Lanczos tridiagonalization and Krylov space theory. The Golub-Kahan iterative bidiagonalization is based on short recurrencies and when computing in finite precision arithmetics, the loss of orthogonality often occurs. Consequently, with the aim to reduce the loss of orthogonality, we focus on various reorthogonalization strategies. We compare them in numerical experiments on testing matrices available in the MATLAB environment. We study the dependency of the loss of orthogonalization and computational time on the choice of the method or the attributes of the matrix.