Myślę, że MINRES to zrobi, chociaż wiem tylko o podobnych wynikach dla prawdziwego spektrum. Czy wiesz więcej o matrycy (w szczególności, czy jest to normalne)?
Ten dokument jest również dobrym odniesieniem. W szczególności zastosowanie metody gradientu sprzężonego do równań normalnych (ZA∗A x =ZA∗b), chociaż niewskazane dla macierzy o dużej liczbie warunków, może działać w twoim przypadku, ponieważ liczby osobliwe wyglądają bardzo blisko 1.
Jeśli matryca jest wysoce nienormalna, to moja sugestia CGNE jest błędna, ale ten artykuł powinien być dobrym początkiem. Biblioteka PETSc ma prawie każdy solver podprzestrzeni Kryłowa pod słońcem, więc możesz wypróbować je wszystkie i zobaczyć, który z nich działa najlepiej. Jest też interfejs Pythona, dzięki czemu wszystko jest znacznie wygodniejsze.
Chociaż matryca jest dobrze uwarunkowana, niekoniecznie oznacza to, że GMRES dobrze się zbiega. Przykład Octave (Matlab): `n = 100; A = oko (n); p = [n, 1: n-1]; A = A (:, p); numer_ warunku = cond (A), b = oko ( n, 1) + rand (n, 1) * 1e-6; [x, flag, relres, iter, resvec] = gmres (A, b); close all; semilogy (resvec); figure; plot (eig (A ), „.”); `
Używamy plików cookie i innych technologii śledzenia w celu poprawy komfortu przeglądania naszej witryny, aby wyświetlać spersonalizowane treści i ukierunkowane reklamy, analizować ruch w naszej witrynie, i zrozumieć, skąd pochodzą nasi goście.
Kontynuując, wyrażasz zgodę na korzystanie z plików cookie i innych technologii śledzenia oraz potwierdzasz, że masz co najmniej 16 lat lub zgodę rodzica lub opiekuna.