orthogonalisation

Question

bonjour,
Je cherche des algorithmes efficaces pour l'orthogonalisation, (pour le calcul des valeurs propores par exemple). Est il des algorithmes à part Gram Schmidt, qui permettent de faire l'orthogonalisation avec un minimum d'erreur?
Merci pour toutes remarque

cs_juju12 · Answer

Si c'est pour calculer les valeurs propres, je suggère d'utiliser plutôt Householder ou Givens qui sont plus stables.

infodaoudi · Answer

oui au fait je cherche à calculer les valeurs propres dans un espace à noyau, la particularité de ces espaces c''est que je dois appliquer un algorithme (pour le calcul des valeures propres ) qui s'exprime en fonction d'un produit de vecteur , l'algo gram Scmidt verifie cette propriete je ne sais pas pour les autres algo est verifié ou pas?

cs_juju12 · Answer

En fait les deux méthodes que j'ai mentionnées ont pas directement de lien avec l'orthogonalisation, c'est pour obtenir une décomposition QR utilisée dans le calcul des valeurs propres: pour Householder c'est des réflexions et pour Givens c'est des rotations. Tu pars de quoi, d'une matrice?

vinc1008881 · Answer

L'algo de Graham est tres efficace. Une simple boucle for et le tour est joué...

de faire l'orthogonalisation avec un minimum d'erreur? >>où ça des erreurs ?

cs_juju12 · Answer

Sans doute des erreurs numériques; si c'est des calculs en virgule flottante, justement, l'algo de Graham est moyenement stable.

infodaoudi · Answer

bonjour,
au fait, je parle des erreurs d'arondi, l'algo GRam calcul les nouvelles valeurs avec des erreurs d'arrondie il est numériquement instable.
normalement je pars d'une matrice juju12

Orthogonalisation

6 réponses

Votre réponse