Los métodos de proyección para resolver SLAE son una clase de métodos iterativos en los que el problema de proyectar un vector desconocido en un espacio determinado se resuelve de manera óptima con respecto a algún otro espacio.
Consideremos SLAE donde es una matriz cuadrada de dimensión Sea y sean subespacios bidimensionales del espacio . Es necesario encontrar un vector tal que , es decir, se cumplió la condición:
llamada condición de Petrov-Galyorkin.
Si se conoce la aproximación inicial , entonces la solución debe proyectarse en un espacio afín . Representemos y denotemos la discrepancia de la aproximación inicial como
Entonces, el enunciado del problema se puede formular de la siguiente manera: es necesario encontrar tal que , p . se cumplió la condición:
Introduzcamos bases de matrices en los espacios y
- matriz de tamaño compuesta por vectores de columna de base espacial - matriz de tamaño compuesta por vectores de columna de base espacial
Entonces el vector solución también se puede escribir:
donde es el vector de coeficientes.
Entonces la expresión se puede reescribir como:
de donde y
Por lo tanto, la solución debe refinarse de acuerdo con la fórmula:
Vista general de cualquier método de clase de proyección:
Hazlo hasta encontrar una solución.
La elección de los espacios y el método de construcción de bases para ellos determinan completamente el esquema computacional del método.
En el caso de que los espacios y sean unidimensionales, sus bases matriciales son vectores: y y la expresión se puede reescribir como
donde es un coeficiente desconocido, que se encuentra fácilmente a partir de la condición de ortogonalidad
dónde
Métodos con la elección de subespacios unidimensionales y :
En problemas prácticos, métodos que usan espacios unidimensionales y tienen una convergencia bastante lenta.
Los métodos de tipo Krylov (o métodos del subespacio de Krylov ) son métodos para los que se elige el subespacio de Krylov como subespacio:
donde es la discrepancia de la aproximación inicial. Las diferentes versiones de los métodos del subespacio de Krylov están condicionadas por la elección del subespacio
Desde el punto de vista de la teoría de la aproximación, las aproximaciones obtenidas en los métodos del subespacio de Krylov tienen la forma
donde es un polinomio de grado Si ponemos , entonces
En otras palabras, se aproxima
Aunque la elección del subespacio no afecta el tipo de aproximación polinomial, tiene un impacto significativo en la eficiencia del método. Hasta la fecha, hay 2 formas de seleccionar un subespacio que dan los resultados más efectivos:
teorema _ Si la matriz A es simétrica y definida positiva, entonces el problema de diseñar un SLAEen cualquier subespacioortogonalmente al subespacioes equivalente al problema de minimizar el funcional
dónde |
En virtud de la definición positiva de la matriz , la funcional alcanza su mínimo en y es estrictamente convexa. Donde
Debido a la simetría de la matriz , es verdadera y el funcional es igual a
Por la hipótesis del teorema, por lo tanto, el Funcional es estrictamente convexo. El problema de minimización formulado en la condición se reduce así a encontrar
Consideremos este problema. Debido a la convexidad, basta encontrar un punto estacionario del funcional, es decir resolver el sistema
El gradiente de esta funcional es Igualándolo a cero, obtenemos
que es exactamente igual a la expresión si le ponemos
teorema _ Si la matriz A no es degenerada, entonces el problema de diseñar un SLAEen cualquier subespacioortogonalmente al subespacioes equivalente al problema de minimizar el funcional
|
Sustituyendo la relación por las bases en la fórmula, obtenemos:
Esto significa que la situación bajo consideración es equivalente a la elección del sistema simetrizado.
Dada la proporción
y aplicando el teorema anterior a tal sistema, obtenemos la afirmación formulada en la condición.
Para construir cada nuevo vector , el algoritmo de ortogonalización de Arnoldi requiere encontrar productos internos y el mismo número de operaciones de combinación lineal.
SLAE | Métodos para resolver|
---|---|
Métodos directos | |
Métodos iterativos | |
General |