Suponga que el siguiente sistema lineal se da
He encontrado en una muy citados trabajos académicos en su campo que, aunque es n o t s t r i c t l y en diagonal dominante, métodos tales como gradiente conjugado, Gauss-Seidl, Jacobi, podrían aún ser utilizados con seguridad para resolver ( 1 ) . La razón es que, debido a la invariancia de la traducción, es seguro fijar un punto (por ejemplo, eliminar la primera fila y columna de L y la primera entrada de c ), convirtiendo así L en a s t r i c t l ymatriz diagonalmente dominante. De todos modos, el sistema original se resuelve en forma completa de , con L ∈ R n × n .
¿Es correcta esta suposición y, de ser así, cuáles son las razones alternativas? Estoy tratando de entender cómo se mantiene la convergencia de los métodos.
Si el método de Jacobi es convergente con , ¿qué podría uno decir sobre el radio espectral ρ de la matriz de iteración D - 1 ( D - L ) , donde D es la matriz diagonal con entradas de L en su diagonal? Es ρ ( D - 1 ( D - L ) ≤ 1 , por lo tanto, diferente de las garantías de convergencia general para ρ ( D - 1 ( D - L ) ) ? Pregunto esto ya que los valores propios de la matriz laplaciana D - 1 L con unos en la diagonaldebenestar en el rango [ 0 , 2 ] .
Del trabajo original:
......................................
En cada iteración, calculamos un nuevo diseño (x (t +1), y (t + 1)) resolviendo el siguiente sistema lineal: Sin pérdida de generalidad podemos fijar la ubicación de uno de los sensores (utilizando el grado de libertad de traducción del localizado estrés) y obtener una matriz estrictamente diagonalmente dominante. Por lo tanto, podemos usar de forma segura la iteración de Jacobi para resolver (8)
.......................................
En lo anterior, la noción de "iteración" está relacionada con el procedimiento de minimización subyacente, y no debe confundirse con la iteración de Jacobi. Entonces, el sistema es resuelto por Jacobi (iterativamente), y luego la solución se compra al lado derecho de (8), pero ahora para otra iteración de la minimización subyacente. Espero que esto aclare el asunto.
Tenga en cuenta que encontré ¿Qué solucionadores lineales iterativos convergen para matrices semidefinidas positivas? , pero estoy buscando una respuesta más elaborada.