数値線形代数とは? わかりやすく解説

数値線形代数

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2024/02/18 03:38 UTC 版)

数値解析における数値線形代数(すうちせんけいだいすう、: Numerical linear algebra)とは、線形代数で現れる問題(行列積行列指数関数連立方程式固有値特異値問題)の計算・求解を行うアルゴリズムを創出するための学問である[1][2][3]最適化問題有限差分法有限要素法などに応用されている[1]


反復法・高精度計算に関する論文

  1. ^ a b c d e f g h i j k l m n o 山本哲朗『数値解析入門』(増訂版)サイエンス社〈サイエンスライブラリ 現代数学への入門 14〉、2003年6月。ISBN 4-7819-1038-6 
  2. ^ a b c d e f 森正武. 数値解析 第2版. 共立出版.
  3. ^ a b c 数値線形代数の数理とHPC, 櫻井鉄也, 松尾宇泰, 片桐孝洋編(シリーズ応用数理 / 日本応用数理学会監修, 第6巻)共立出版, 2018.8
  4. ^ a b c d e f g h i j 精度保証付き数値計算の基礎』大石進一 編著、コロナ社、2018年。
  5. ^ 戸川隼人. (1977). 共役勾配法. シリーズ新しい応用の数学.
  6. ^ a b c d 藤野清次, & 張紹良. (1996). 反復法の数理. 朝倉書店.
  7. ^ a b c d e f g h i 大石進一:「精度保証付き数値計算」、コロナ社、(1999年)
  8. ^ a b c d 解析学百科II 可積分系の数理、朝倉書店、中村佳正 et al. (2018)
  9. ^ a b c d 可積分系の機能数理、共立出版、中村佳正。

精度保証に関する論文

  1. ^ Moler, C. B., & Stewart, G. W. (1973). An algorithm for generalized matrix eigenvalue problems. en:SIAM Journal on Numerical Analysis, 10(2), 241-256.
  2. ^ Fernando, K. V., & Parlett, B. N. (1994). Accurate singular values and differential qd algorithms. en:Numerische Mathematik, 67(2), 191-229.
  3. ^ a b 相島健助, 松尾宇泰, 室田一雄, 杉原正顯「特異値計算のためのdqds法とmdLVs法の収束性について(理論)」『日本応用数理学会論文誌』第17巻第2号、日本応用数理学会、2007年、97-131頁、doi:10.11540/jsiamt.17.2_97ISSN 09172246NAID 110006317521 
  4. ^ a b 髙田雅美, 豊川博己, 石上裕之, 木村欣司, 山下巧, 岩﨑雅史, 中村佳正「特異値計算アルゴリズムdqds法およびm2dLVs法のための新しいシフト戦略」『情報処理学会論文誌コンピューティングシステム(ACS)』第6巻第3号、2013年、94-107頁、ISSN 1882-7829NAID 110009606663 
  5. ^ 山本有作, 宮田考史「Ostrowski型下界とBrauer型下界をシフトとして用いたdqds法の収束性について」『日本応用数理学会論文誌』第18巻第1号、日本応用数理学会、2008年、107-134頁、ISSN 0917-2246NAID 120001053907 
  6. ^ 前田一貴「dqds法の一般化固有値問題への拡張について (次世代計算科学の基盤技術とその展開)」『数理解析研究所講究録』第1848号、京都大学数理解析研究所、2013年、45-60頁、ISSN 1880-2818NAID 110009611227 
  7. ^ 山本有作「固有値計算のためのdqds法のTotally NonnegativeなHessenberg行列への拡張について (科学技術計算アルゴリズムの数理的基盤と展開)」『数理解析研究所講究録』第1733号、京都大学数理解析研究所、2011年、142-148頁、ISSN 18802818NAID 110008434597 
  8. ^ U. von Matt, The orthogonal QD algorithm, SIAM J. Sci. Comput., 18 (1997), 1163–1186.
  9. ^ Araki Sho, Kimura Kinji, Yamamoto Yusaku, Nakamura Yoshimasa (2015). “Implementation details of an extended oqds algorithm for singular values”. JSIAM Letters (The Japan Society for Industrial and Applied Mathematics) 7: 9-12. doi:10.14495/jsiaml.7.9. https://doi.org/10.14495/jsiaml.7.9. 
  10. ^ Araki Sho, Tanaka Hiroki, Takata Masami, Kimura Kinji, Nakamura Yoshimasa (2018). “Fast computation method of column space by using the DQDS method and the OQDS method”. Proceedings of the International Conference on Parallel and Distributed Processing Techniques and Applications (PDPTA): 333-339. https://hdl.handle.net/10098/00028663. 
  11. ^ 桑島豊, 重原孝臣「実対称三重対角固有値問題の分割統治法の拡張(<特集>行列・固有値問題における線形計算アルゴリズムとその応用)」『日本応用数理学会論文誌』第15巻第2号、日本応用数理学会、2005年、89-115頁、doi:10.11540/jsiamt.15.2_89ISSN 09172246NAID 110001888790 
  12. ^ 桑島豊, 重原孝臣「実対称三重対角固有値問題に対する多分割の分割統治法の改良(理論,行列・固有値問題の解法とその応用,<特集>平成18年研究部会連合発表会)」『日本応用数理学会論文誌』第16巻第4号、日本応用数理学会、2006年、453-480頁、doi:10.11540/jsiamt.16.4_453ISSN 09172246NAID 110006197072 
  13. ^ Dhillon, I. S., Parlett, B. N., & Vömel, C. (2006). The design and implementation of the MRRR algorithm. ACM Transactions on Mathematical Software (TOMS), 32(4), 533-560.
  14. ^ Abe, K., Zhang, S. L., & Mitsui, T. (1997). MRTR method: An iterative method based on the three-term recurrence formula of CG-type for nonsymmetric matrix. JSIAM, 7, 37-50.
  15. ^ Sakurai, T., & Sugiura, H. (2003). A projection method for generalized eigenvalue problems using numerical integration. en:Journal of computational and applied mathematics, 159(1), 119-128.
  16. ^ Sakurai, T., & Tadano, H. (2007). CIRR: a Rayleigh-Ritz type method with contour integral for generalized eigenvalue problems. Hokkaido mathematical journal, 36(4), 745-757.
  17. ^ 宮武勇登, 曽我部知広, 張紹良「微分方程式に対する離散勾配法に基づく線形方程式の数値解法の生成」『日本応用数理学会論文誌』第27巻第3号、日本応用数理学会、2017年、239-249頁、doi:10.11540/jsiamt.27.3_239NAID 130006100066 
  18. ^ Miyatake, Y., Sogabe, T., & Zhang, S. L. (2018). On the equivalence between SOR-type methods for linear systems and the discrete gradient methods for gradient systems. en:Journal of Computational and Applied Mathematics, 342, 58-69.
  19. ^ Tsutomu Ikegami, Tetsuya Sakurai and Umpei Nagashima: A Filter Diagonalization for Generalized Eigenvalue Problems Based on the Sakurai-Sugiura Projection Method, J. Compu. Appl. Math., Vol.233, No.8, pp.1927–1936 (2010).
  20. ^ Anthony P. Austin and Lloyd N. Trefethen: Computing Eigenvalues of Real Symmetric Matrices with Rational Filters in Real Arithmetic, SIAM J. Sci. Comput, Vol.37, No.3, pp.A1365–A1387 (2015).
  21. ^ Hiroshi Murakami: Filter Diagonalization Method by Using a Polynomial of a Resolvent as the Filter for a Real Symmetric-Definite Generalized Eigenproblem, in proceedings of EPASA2015, Springer, LNCSE-117, pp.205–232 (2018).
  22. ^ Hiroshi Murakami: Filters Consist of a Few Resolvents to Solve Real Symmetric-Definite Generalized Eigenproblems, Japan J. Indust. Appl. Math., Vol.36, No.2, pp.579–618 (July 2019).
  23. ^ Christopher C. Paige and Michael A. Saunders, Solution of sparse indefinite systems of linear equations, en:SIAM Journal on Numerical Analysis 1975; 12(4):617–629.
  24. ^ Krasnoselskii, M. and Krein, S. (1952). An iteration process with minimal residuals. Mat. Sb. N.S., 31, 315–334.
  25. ^ Eduard Stiefel, Commentarii Mathematici Helvetici 1952; 29(1):157–179.
  26. ^ Freund, R. and Nachtigal, N. "QMR: A Quasi-Minimal Residual Method for Non-Hermitian Linear Systems." Numer. Math. 60, 315-339, 1991.
  27. ^ Freund, R. and Nachtigal, N. "An Implementation of the QMR Method Based on Coupled Two-Term Recurrences." SIAM J. Sci. Statist. Comput. 15, 313-337, 1994.
  28. ^ R. Freund: Conjugate Gradient-Type Methods for Linear Systems with Complex Symmetric Coefficient Matrices, SIAM Journal on Scientific and Statistical Computing, Vol. 13, No. 1, pp. 425–448 (1992).
  29. ^ X.-M. Gu, T.-Z. Huang, L. Li, H.-B. Li, T. Sogabe and M. Clemens: Quasi-Minimal Residual Variants of the COCG and COCR Methods for Complex Symmetric Linear Systems in Electromagnetic Simulations, IEEE Transactions on Microwave Theory and Techniques, Vol. 62, No. 12, pp. 2859–2867 (2014).
  30. ^ Roland W. Freund, A transpose-free quasi-minimal residual algorithm for non-Hermitian linear systems, en:SIAM Journal on Scientific Computing 1993; 14(2):470–482.
  31. ^ Hestenes, M. R., & Stiefel, E. (1952). Methods of conjugate gradients for solving linear systems. Washington, DC: NBS.
  32. ^ Black, Noel and Moore, Shirley. "Conjugate Gradient Squared Method." From MathWorld--A Wolfram Web Resource, created by Eric W. Weisstein. http://mathworld.wolfram.com/ConjugateGradientSquaredMethod.html
  33. ^ M. F. Moller. A scaled conjugate gradient algorithm for fast supervised learning. Neural Networks, 6:525--533, 1993.
  34. ^ H. A. van der Vorst and J. B. M. Melissen: A Petrov-Galerkin type method for solving , where is symmetric complex, IEEE Trans. Mag., Vol. 26, No. 2, pp. 706–708 (1990).
  35. ^ S. L. Zhang "GPBiCG: Generalized Product-type Methods Based on Bi-CG for Solving Nonsymmetric Linear Systems", SIAM J. Sci. Stat. Comput. , vol.18, no.2, pp.537-551, March 1997.
  36. ^ 張紹良, 藤野清次,ランチョス・プロセスに基づく積型反復解法,日本応用数理学会論文誌,5(1995), 343-360.
  37. ^ 藤野清次「反復解法GPBiCG(m,l)法の提案と性能評価 (偏微分方程式の数値解法とその周辺(2))」『数理解析研究所講究録』第1198号、京都大学数理解析研究所、2001年、212-221頁、ISSN 1880-2818NAID 110000165251 
  38. ^ Van der Vorst, H. A. (1992). Bi-CGSTAB: A fast and smoothly converging variant of Bi-CG for the solution of nonsymmetric linear systems. SIAM Journal on scientific and Statistical Computing, 13(2), 631-644.
  39. ^ M. H.Gutknecht,Variants of BiCGSTAB for Matrices with Complex Spectrum,SIAM J. Sci. Statist. Comput.,14(1993), 1020-1033.
  40. ^ Tony F. Chan, Efstratios Gallopoulos, Valeria Simoncini, Tedd Szeto and Charles H. Tong, A quasi-minimal residual variant of the Bi-CGSTAB algorithm for nonsymmetric systems, en:SIAM Journal on Scientific Computing 1994; 15(2):338–347.
  41. ^ a b Tanio, M., & Sugihara, M. (2010). GBi-CGSTAB (s, L): IDR (s) with higher-order stabilization polynomials. en:Journal of computational and applied mathematics, 235(3), 765-784.
  42. ^ D. P. O’Leary: The block conjugate gradient algorithm and related methods, Linear Algebra Appl., 29 (1980), 293–322.
  43. ^ A. A. Nikishin, A. Yu. Yeremin: Variable block CG algorithms for solving large sparse symmetric positive definite linear systems on parallel computers, I: general iterative methods, SIAM J. Matrix Anal. Appl., 16 (1995), 1135–1153.
  44. ^ A. El Guennouni, K. Jbilou, H. Sadok: A block version of BiCGSTAB for linear systems with multiple right-hand sides, Electron. Trans. Numer. Anal, 16 (2003), 129–142.
  45. ^ H. Tadano, T. Sakurai, Y. Kuramashi: Block BiCGGR: a new block Krylov subspace method for computing high accuracy solutions: JSIAM Lett., 1 (2009), 44–47.
  46. ^ Tadano, H. (2019). Development of the Block BiCGGR2 method for linear systems with multiple right-hand sides. Japan Journal of Industrial and Applied Mathematics, 1-15.
  47. ^ Tadano, H., & Kuramoto, R. (2019). Accuracy improvement of the Block BiCGSTAB method for linear systems with multiple right-hand sides by group-wise updating technique. Journal of Advanced Simulation in Science and Engineering, 6(1), 100-117.
  48. ^ Bini, D. A., Higham, N. J., & Meini, B. (2005). Algorithms for the matrix pth root. Numerical Algorithms, 39(4), 349-378.
  49. ^ Deadman, E., Higham, N. J., & Ralha, R. (2012, June). Blocked Schur algorithms for computing the matrix square root. In International Workshop on Applied Parallel Computing (pp. 171-182). Springer, Berlin, Heidelberg.
  50. ^ Hargreaves, G. I., & Higham, N. J. (2005). Efficient algorithms for the matrix cosine and sine. Numerical Algorithms, 40(4), 383-400.
  51. ^ Davies, P. I., & Higham, N. J. (2003). A Schur-Parlett algorithm for computing matrix functions. en:SIAM Journal on Matrix Analysis and Applications, 25(2), 464-485.

可積分アルゴリズムに関する論文

  1. ^ Yamamoto, T. (1984). Error bounds for approximate solutions of systems of equations. Japan Journal of Applied Mathematics, 1(1), 157.
  2. ^ Oishi, S., & Rump, S. M. (2002). Fast verification of solutions of matrix equations. en:Numerische Mathematik, 90(4), 755-773.
  3. ^ 森倉悠介, 椋木大地, 深谷猛, 山中脩也, & 大石進一. (2016). 大規模並列計算機における連立一次方程式の精度保証付き数値計算に対する性能評価. 研究報告ハイパフォーマンスコンピューティング (HPC), 2016(1), 1-7.
  4. ^ Kobayashi, Y., Ogita, T., & Ozaki, K. (2017). Acceleration of a preconditioning method for ill-conditioned dense linear systems by use of a BLAS-based method. Reliable Computing, 25, 15-23.
  5. ^ Kobayashi, Y., & Ogita, T. (2016). Accurate and efficient algorithm for solving ill-conditioned linear systems by preconditioning methods. Nonlinear Theory and Its Applications, IEICE, 7(3), 374-385.
  6. ^ A fast and efficient algorithm for solving ill-conditioned linear systems (JSIAM Letters Vol.7 (2015) pp.1-4) Yuka Kobayashi, Takeshi Ogita.
  7. ^ 悪条件連立一次方程式の精度保証付き数値計算法, 日本応用数理学会論文誌 Vol.15, No.3, 2005, pp.269-286, 太田貴久, 荻田武史, Siegfried M. Rump, 大石進一.
  8. ^ Yanagisawa, Y., Ogita, T., & Oishi, S. (2014). Convergence analysis of an algorithm for accurate inverse Cholesky factorization. Japan Journal of Industrial and Applied Mathematics, 31(3), 461-482.
  9. ^ Yanagisawa, Y., Ogita, T., & Oishi, S. I. (2014). A modified algorithm for accurate inverse Cholesky factorization. Nonlinear Theory and Its Applications, IEICE, 5(1), 35-46.
  10. ^ Yanagisawa, Y., & Ogita, T. (2013). Convergence analysis of accurate inverse Cholesky factorization. JSIAM Letters, 5, 25-28.
  11. ^ Minamihata, A., Sekine, K., Ogita, T., Rump, S. M., & Oishi, S. I. (2015). Improved error bounds for linear systems with H-matrices. Nonlinear Theory and Its Applications, IEICE, 6(3), 377-382.
  12. ^ Rump, S. M., & Ogita, T. (2007). Super-fast validated solution of linear systems. en:Journal of computational and applied mathematics, 199(2), 199-206.
  13. ^ Yamamoto, T. (1980). Error bounds for computed eigenvalues and eigenvectors. en:Numerische Mathematik, 34(2), 189-199.
  14. ^ Yamamoto, T. (1982). Error bounds for computed eigenvalues and eigenvectors. II. en:Numerische Mathematik, 40(2), 201-206.
  15. ^ Mayer, G. (1994). Result verification for eigenvectors and eigenvalues. Topics in Validated Computations, Elsevier, Amsterdam, 209-276.
  16. ^ Rump, S. M. (1994). Verification methods for dense and sparse systems of equations.
  17. ^ Rump, S. M. (2001). Computational error bounds for multiple or nearly multiple eigenvalues. Linear Algebra and its Applications, 324(1-3), 209-226.
  18. ^ Rump, S. M., & Zemke, J. P. M. (2003). On eigenvector bounds. en:BIT Numerical Mathematics, 43(4), 823-837.
  19. ^ Yamamoto, N. (2001). A simple method for error bounds of eigenvalues of symmetric matrices. Linear Algebra and its Applications, 324(1-3), 227-234.
  20. ^ Elsner, L., & Friedland, S. (1995). Singular values, doubly stochastic matrices, and applications. Linear Algebra and Its Applications, 220, 161-169.
  21. ^ Ipsen, I. C. (1998). Relative perturbation results for matrix eigenvalues and singular values. en:Acta numerica, 7, 151-201.
  22. ^ Deif, A. S. (1990). Realistic apriori and a posteriori error bounds for computed eigenvalues. IMA journal of numerical analysis, 10(3), 323-329.
  23. ^ 丸山晃佐, 荻田武史, 中谷祐介, & 大石進一. (2004). 実対称定値一般化固有値問題のすべての固有値の精度保証付き数値計算法. 電子情報通信学会論文誌 A, 87(8), 1111-1119.
  24. ^ Alefeld, G., Gienger, A., & Mayer, G. (1994). Numerical validation for an inverse matrix eigenvalue problem. Computing, 53(3-4), 311-322.
  25. ^ Miyajima, S. (2017). Verified Solutions of Inverse Symmetric Eigenvalue Problems. Reliable Computing, 24(1), 31-44.
  26. ^ Demmel, J., & Kahan, W. (1990). Accurate singular values of bidiagonal matrices. SIAM Journal on Scientific and Statistical Computing, 11(5), 873-912.
  27. ^ Oishi, S. (2001). Fast enclosure of matrix eigenvalues and singular values via rounding mode controlled computation. Linear algebra and its Applications, 324(1-3), 133-146.
  28. ^ 荻田武史, 尾崎克久, 大石進一行列式の高速な精度保証付き数値計算法(数値シミュレーションを支える応用数理)」『数理解析研究所講究録』第1573号、京都大学数理解析研究所、2007年、45-52頁、ISSN 18802818NAID 110006446072 
  29. ^ Ogita, T. (2008). Verified Numerical Computation of Matrix Determinant. SCAN’2008 El Paso, Texas September 29–October 3, 2008, 86.
  30. ^ 有向丸めの変更を使用しないタイトな行列積の包含方法, 応用数理 Vol.21, No.3, 2011, pp.186–196, 尾崎克久, 荻田武史, 大石進一.
  31. ^ 荻田武史, 大石進一, 後保範「Strassen のアルゴリズムによる行列乗算の高速精度保証 (微分方程式の数値解法と線形計算)」『数理解析研究所講究録』第1320号、京都大学数理解析研究所、2003年、151-161頁、ISSN 1880-2818NAID 110000167325 
  32. ^ 宮島信也「行列方程式の解に対する数値的検証法の進展」『応用数理』第29巻第2号、日本応用数理学会、2019年、18-25頁、doi:10.11540/bjsiam.29.2_18NAID 130007720875 
  33. ^ Shinya Miyajima, Verified computation for the Hermitian positive definite solution of the conjugate discrete-time algebraic Riccati equation, en:Journal of Computational and Applied Mathematics, Volume 350, Pages 80-86, April 2019.
  34. ^ inya Miyajima, Fast verified computation for the minimal nonnegative solution of the nonsymmetric algebraic Riccati equation, Computational and Applied Mathematics, Volume 37, Issue 4, Pages 4599-4610, September 2018.
  35. ^ Shinya Miyajima, Fast verified computation for the solution of the T-congruence Sylvester equation, Japan Journal of Industrial and Applied Mathematics, Volume 35, Issue 2, Pages 541-551, July 2018.
  36. ^ Shinya Miyajima, Fast verified computation for the solvent of the quadratic matrix equation, The Electronic Journal of Linear Algebra, Volume 34, Pages 137-151, March 2018
  37. ^ Shinya Miyajima, Fast verified computation for solutions of algebraic Riccati equations arising in transport theory, Numerical Linear Algebra with Applications, Volume 24, Issue 5, Pages 1-12, October 2017.
  38. ^ Shinya Miyajima, Fast verified computation for stabilizing solutions of discrete-time algebraic Riccati equations, en:Journal of Computational and Applied Mathematics, Volume 319, Pages 352-364, August 2017.
  39. ^ Shinya Miyajima, Fast verified computation for solutions of continuous-time algebraic Riccati equations, Japan Journal of Industrial and Applied Mathematics, Volume 32, Issue 2, Pages 529-544, July 2015.
  40. ^ Miyajima, S. (2019). Verified computation of the matrix exponential. Advances in Computational Mathematics, 45(1), 137-152.
  41. ^ Miyajima, S. (2019). Verified computation for the matrix principal logarithm. Linear Algebra and its Applications, 569, 38-61.
  42. ^ Miyajima, S. (2018). Fast verified computation for the matrix principal pth root. en:Journal of Computational and Applied Mathematics, 330, 276-288.
  1. ^ Nakamura, Y. (2001). Algorithms associated with arithmetic, geometric and harmonic means and integrable systems. en:Journal of computational and applied mathematics, 131(1-2), 161-174.
  2. ^ Chu, M. T. (2008). Linear algebra algorithms as dynamical systems. en:Acta Numerica, 17, 1-86.
  3. ^ Sogo, K. (1993). Toda molecule equation and quotient-difference method. Journal of the Physical Society of Japan, 62(4), 1081-1084.
  4. ^ 中村佳正「特異値分解法の可積分アルゴリズムINT-SVD (微分方程式の数値解法と線形計算)」『数理解析研究所講究録』第1320号、京都大学数理解析研究所、2003年、219-230頁、ISSN 1880-2818NAID 110000167332 .
  5. ^ Iwasaki, M., & Nakamura, Y. (2006). Accurate computation of singular values in terms of shifted integrable schemes. Japan journal of industrial and applied mathematics, 23(3), 239.
  6. ^ 岩崎雅史, 中村佳正「特異値計算アルゴリズムdLVの基本性質について(応用可積分系,<特集>平成17年研究部会連合発表会)」『日本応用数理学会論文誌』第15巻第3号、日本応用数理学会、2005年、287-306頁、doi:10.11540/jsiamt.15.3_287ISSN 09172246NAID 110001900187 
  7. ^ 「Verification of dLVv Transformation for Singular Vector Computation with High Accuracy」 『In Proceedings of International Conference on Parallel and Distributed Processing Techniques and Applications』 Vol.II, pp.881-887 (2006, 6) Masami Takata, Taro Konda, Kinji Kimura, Yoshimasa Nakamura.
  8. ^ 「An Evaluation of Singular Value Computation by the Discrete Lotka-Volterra System」 『In Proceedings of International Conference on Parallel and Distributed Processing Techniques and Applications』 Vol.II, pp.410-416 (2005, 6) Masami Takata, Iwasaki Masashi, Kinji Kimura, Yoshimasa Nakamura.
  9. ^ a b Iwasaki, M., & Nakamura, Y. (2011). Positivity of dLV and mdLVs algorithms for computing singular values. Electronic Transactions on Numerical Analysis, 38, 184-201.
  10. ^ Fukuda, A., Ishiwata, E., Iwasaki, M., & Nakamura, Y. (2008). The discrete hungry Lotka–Volterra system and a new algorithm for computing matrix eigenvalues. Inverse Problems, 25(1), 015007.
  11. ^ Fukuda, A., Ishiwata, E., Yamamoto, Y., Iwasaki, M., & Nakamura, Y. (2013). Integrable discrete hungry systems and their related matrix eigenvalues. Annali di Matematica Pura ed Applicata, 192(3), 423-445.
  12. ^ Fukuda, A., Ishiwata, E., Iwasaki, M., & Nakamura, Y. (2009). On the qd-type discrete hungry Lotka-Volterra system and its application to the matrix eigenvalue algorithm. JSIAM Letters, 1, 36-39.
  13. ^ Yamamoto, Y., & Fukaya, T. (2010). Differential qd algorithm for totally nonnegative Hessenberg matrices: introduction of origin shifts and relationship with the discrete hungry Lotka-Volterra system. JSIAM Letters, 2, 69-72.
  14. ^ 中村佳正, 岩崎雅史, 木村欣司, 高田雅美「行列の特異値計算のmdLVsアルゴリズムにおける最近の進展 (非線形波動現象の数理と応用)」『数理解析研究所講究録』第1594号、京都大学数理解析研究所、2008年、136-148頁、ISSN 18802818NAID 110006633519 
  15. ^ 「An Improved Shift Strategy for the Modified Discrete Lotka-Volterra with Shift Algorithm」 『In Proceedings of 2011 International Conference on Parallel and Distributed Processing Techniques and Applications』 Vol.II, pp.720-726 (2011, 7) Masami Takata, Takumi Yamashita, Akira Ajisaka, Kinji Kimura, Yoshimasa Nakamura.
  16. ^ 「Speed-up in mdLVs by Limitation in Computational Number of Shift」 『In Proceedings of 2009 International Conference on Parallel and Distributed Processing Techniques and Applications』 Vol.II, pp.704-710 (2009, 7) Masami Takata, Kinji Kimura, Yoshimasa Nakamura.
  17. ^ Takahashi, Y., Iwasaki, M., Fukuda, A., Ishiwata, E., & Nakamura, Y. (2018). Periodic convergence in the discrete hungry Toda equation. Journal of Physics A: Mathematical and Theoretical, 51(34), 344001.
  18. ^ Fukuda, A., Yamamoto, Y., Iwasaki, M., Ishiwata, E., & Nakamura, Y. (2013). On a shifted LR transformation derived from the discrete hungry Toda equation. Monatshefte für Mathematik, 170(1), 11-26.
  19. ^ Fukuda, A., Yamamoto, Y., Iwasaki, M., Ishiwata, E., & Nakamura, Y. (2012). Error analysis for matrix eigenvalue algorithm based on the discrete hungry Toda equation. Numerical Algorithms, 61(2), 243-260.
  20. ^ Toyokawa, H., Kimura, K., Takata, M., & Nakamura, Y. (2009). On parallelism of the I-SVD algorithm with a multi-core processor. JSIAM Letters, 1, 48-51.
  21. ^ 豊川博己, 山本有作, 木村欣司, 高田雅美, 中村佳正「密正方行列特異値分解における並列I-SVD法の特性を用いた後処理の高速化」『情報処理学会論文誌コンピューティングシステム(ACS)』第3巻第2号、情報処理学会、2010年、30-38頁、ISSN 1882-7829NAID 110007990289 
  22. ^ 豊川博己, 木村欣司, 高田雅美, 中村佳正「近接特異値を持つ行列に対応したI-SVD法の並列化とその評価」『情報処理学会研究報告. MPS数理モデル化と問題解決研究報告』第74巻、情報処理学会、2009年、J1-J6、ISSN 09196072NAID 110007993815 


「数値線形代数」の続きの解説一覧

数値線形代数

出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2020/04/20 04:46 UTC 版)

ハウスホルダー変換」の記事における「数値線形代数」の解説

ハウスホルダー変換QR法第一段階であり、QR分解を行うために、数値線形代数において広く用いられる同様に対称行列三重対角化非対称行列ヘッセンベルク化(英語版)にも広くもちいられる

※この「数値線形代数」の解説は、「ハウスホルダー変換」の解説の一部です。
「数値線形代数」を含む「ハウスホルダー変換」の記事については、「ハウスホルダー変換」の概要を参照ください。

ウィキペディア小見出し辞書の「数値線形代数」の項目はプログラムで機械的に意味や本文を生成しているため、不適切な項目が含まれていることもあります。ご了承くださいませ。 お問い合わせ

数値線形代数

出典:『Wiktionary』 (2021/11/30 04:31 UTC 版)

名詞

数値 線形代数(すうちせんけいだいすう)

  1. 電子計算機線形代数問題を(近似的に)解くアルゴリズム考え学問

上位語



英和和英テキスト翻訳>> Weblio翻訳
英語⇒日本語日本語⇒英語
  

辞書ショートカット

すべての辞書の索引

「数値線形代数」の関連用語

数値線形代数のお隣キーワード
検索ランキング

   

英語⇒日本語
日本語⇒英語
   



数値線形代数のページの著作権
Weblio 辞書 情報提供元は 参加元一覧 にて確認できます。

   
ウィキペディアウィキペディア
All text is available under the terms of the GNU Free Documentation License.
この記事は、ウィキペディアの数値線形代数 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。 Weblio辞書に掲載されているウィキペディアの記事も、全てGNU Free Documentation Licenseの元に提供されております。
ウィキペディアウィキペディア
Text is available under GNU Free Documentation License (GFDL).
Weblio辞書に掲載されている「ウィキペディア小見出し辞書」の記事は、Wikipediaのハウスホルダー変換 (改訂履歴)の記事を複製、再配布したものにあたり、GNU Free Documentation Licenseというライセンスの下で提供されています。
Text is available under Creative Commons Attribution-ShareAlike (CC-BY-SA) and/or GNU Free Documentation License (GFDL).
Weblioに掲載されている「Wiktionary日本語版(日本語カテゴリ)」の記事は、Wiktionaryの数値線形代数 (改訂履歴)の記事を複製、再配布したものにあたり、Creative Commons Attribution-ShareAlike (CC-BY-SA)もしくはGNU Free Documentation Licenseというライセンスの下で提供されています。

©2024 GRAS Group, Inc.RSS