热门问题
时间线
聊天
视角
克雷洛夫子空间
来自维基百科,自由的百科全书
Remove ads
线性代数中,由n阶方阵A与n维向量b生成的r阶克雷洛夫子空间是b在A的前r次幂下(始于)的列空间张成的线性子空间,即[1][2]
Remove ads
背景
这一概念得名于苏联应用数学家、海军工程师Alexei Krylov,他在1931年发表了一篇关于这一概念的论文。[3]
性质
Remove ads
使用
克雷洛夫子空间用于寻找高维线性代数问题的近似解。[2]控制论的很多线性动态系统检测,特别是与可控制性和可观测性相关的测试,都要检查克雷洛夫子空间的秩。测试等同于寻找与系统/输出映射相关的格拉姆行列式的张成空间,因此不可控与不可观测子空间只是克雷洛夫子空间的正交补。[4] 阿诺德迭代法等现代迭代法可用于寻找大型稀疏矩阵的特征值,或求解大型线性方程组。这些方法尽量避免矩阵间的运算,而将向量与矩阵相乘。从向量b开始,可以计算,然后将向量与A相乘,求得等等。所有这样的算法都称作克雷洛夫子空间方法,是目前数值线性代数中最成功的方法之一。这些方法可用于能计算矩阵-向量乘法而无A的显式表示的情形,从而产生了无矩阵法。
问题
由于幂迭代的特性,向量很快就会变得近乎线性相关,因此依赖于克雷洛夫子空间的方法经常要正交化,例如厄米矩阵的兰佐斯算法或更一般矩阵的阿诺德迭代法。
现有方法
最著名的克雷洛夫法有共轭梯度法、诱导降维法、广义最小残量方法、稳定双共轭梯度法、准最小残差法、无转置准最小残差法、最小残差法等等。
另见
参考文献
阅读更多
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads