Conjugate gradients for symmetric positive semidefinite least-squares problems
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10240671" target="_blank" >RIV/61989100:27240/18:10240671 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27740/18:10240671
Výsledek na webu
<a href="https://www.tandfonline.com/doi/full/10.1080/00207160.2017.1371701?scroll=top&needAccess=true" target="_blank" >https://www.tandfonline.com/doi/full/10.1080/00207160.2017.1371701?scroll=top&needAccess=true</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1080/00207160.2017.1371701" target="_blank" >10.1080/00207160.2017.1371701</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Conjugate gradients for symmetric positive semidefinite least-squares problems
Popis výsledku v původním jazyce
The cgSLS (conjugate gradients for symmetric positive semidefinite least-squares) algorithm is presented. The algorithm exploits the cyclic property of invariant Krylov spaces to reduce the least-squares problem with a symmetric positive semidefinite matrix A to the minimization of the related energy function with the Hessian A on the range of A, so that a simple modification of the conjugate gradient (CG) method is applicable. At the same time, the algorithm generates approximations of the projection of the right-hand side to the range of A. The asymptotic rate of convergence of the new algorithm is proved to be the same as that of the CG method for the related consistent problem. An error bound in terms of the square root of the regular condition number of A is also given. The performance of the algorithm is demonstrated by numerical experiments.
Název v anglickém jazyce
Conjugate gradients for symmetric positive semidefinite least-squares problems
Popis výsledku anglicky
The cgSLS (conjugate gradients for symmetric positive semidefinite least-squares) algorithm is presented. The algorithm exploits the cyclic property of invariant Krylov spaces to reduce the least-squares problem with a symmetric positive semidefinite matrix A to the minimization of the related energy function with the Hessian A on the range of A, so that a simple modification of the conjugate gradient (CG) method is applicable. At the same time, the algorithm generates approximations of the projection of the right-hand side to the range of A. The asymptotic rate of convergence of the new algorithm is proved to be the same as that of the CG method for the related consistent problem. An error bound in terms of the square root of the regular condition number of A is also given. The performance of the algorithm is demonstrated by numerical experiments.
Klasifikace
Druh
J<sub>imp</sub> - Článek v periodiku v databázi Web of Science
CEP obor
—
OECD FORD obor
10102 - Applied mathematics
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
International Journal of Computer Mathematics
ISSN
1029-0265
e-ISSN
—
Svazek periodika
95
Číslo periodika v rámci svazku
11
Stát vydavatele periodika
GB - Spojené království Velké Británie a Severního Irska
Počet stran výsledku
11
Strana od-do
2229-2239
Kód UT WoS článku
000441950200005
EID výsledku v databázi Scopus
2-s2.0-85029436610