ScholarGate
Asszisztens
Machine learningKrylov Subspace Iterative

GMRES

A GMRES ortogonális bázist konstruál a Krylov-alteret (az egymást követő mátrix-vektor szorzatokból épített matematikai tér) kifeszítő vektorokból. Minden iterációban megtalálja a bázisvektorok lineáris kombinációját, amely minimalizálja a reziduum normáját. Ez a mohó ortogonalizáció monoton reziduumcsökkenést garantál, bár a memória- és költségigény az iterációk számával nő, ami a gyakorlati használathoz periodikus újraindításokat tesz szükségessé.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Saad, Y., & Schultz, M. H. (1986). GMRES: A generalized minimal residual algorithm for solving nonsymmetric linear systems. SIAM Journal on Scientific and Statistical Computing, 7(3), 856–869. DOI: 10.1137/0907058
  2. Walker, H. F. (1988). Implementation of the GMRES method using Householder reflections. SIAM Journal on Scientific and Statistical Computing, 9(1), 152–163. DOI: 10.1137/0909010
  3. Saad, Y. (2003). Iterative Methods for Sparse Linear Systems (2nd ed.). SIAM. DOI: 10.1137/1.9780898718003

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Generalized Minimal Residual Method. ScholarGate. https://scholargate.app/hu/numerical-methods/gmres

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Hivatkozik rá

ScholarGateGMRES (Generalized Minimal Residual Method). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/numerical-methods/gmres · Adatkészlet: https://doi.org/10.5281/zenodo.20539026