Reortogonalizačné stratégie v Golub-Kahanovej iteračnej bidiagonalizácii
Reorthogonalization strategies in Golub-Kahan iterative bidiagonalization
Reortogonalizační strategie v Golub-Kahanově iterační bidiagonalizaci
bachelor thesis (DEFENDED)

View/ Open
Permanent link
http://hdl.handle.net/20.500.11956/99566Identifiers
Study Information System: 193295
Collections
- Kvalifikační práce [10150]
Author
Advisor
Referee
Kučera, Václav
Faculty / Institute
Faculty of Mathematics and Physics
Discipline
General Mathematics
Department
Department of Numerical Mathematics
Date of defense
20. 6. 2018
Publisher
Univerzita Karlova, Matematicko-fyzikální fakultaLanguage
Slovak
Grade
Excellent
Keywords (Czech)
lineární problém, iterační bidiagonalizace, Krylovův prostor, reortogonalizaceKeywords (English)
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.