Pós-graduação
  1. Introdução à análise real  1.1. Teoria dos conjuntos e lógica em análise real  1.1.1. Conjuntos e operações na teoria dos conjuntos e lógica em análise real  1.1.2. Relações e funções  1.1.3. Lógica e quantificadores  1.1.4. Cardinalidade dos conjuntos  1.2. Espaço métrico  1.2.1. Introdução aos conjuntos abertos e fechados em espaços métricos  1.2.2. Convergência de sequências em um espaço métrico  1.2.3. Função contínua em um espaço métrico  1.2.4. Compacidade e completude em espaços métricos na análise real  1.3. Sequências e séries  1.3.1. Convergência de sequências  1.3.2. Séries infinitas  1.3.3. Convergência uniforme  1.3.4. Séries de potências  1.4. Discriminação  1.4.1. Teorema do valor médio  1.4.2. Série de Taylor  1.4.3. Funções de várias variáveis  1.4.4. Derivada parcial  1.5. Integração  1.5.1. Integração de Riemann e Lebesgue  1.5.2. Integrais impróprias  1.5.3. Teoria da Medida: uma ferramenta fundamental na integração  1.5.4. Teorema de Fubini  1.6. Análise funcional  1.6.1. Compreendendo espaços de Banach  1.6.2. Espaços de Hilbert  1.6.3. Operadores em espaços  1.6.4. Teoria Espectral
  2. Álgebra Abstrata  2.1. Compreendendo grupos na álgebra abstrata  2.1.1. Definições e exemplos de grupos na álgebra abstrata  2.1.2. Homomorfismos de grupos  2.1.3. Introdução aos subgrupos normais  2.1.4. Teorema de Sylow  2.2. Anéis e campos  2.2.1. Ideais e anéis quocientes  2.2.2. Extensões de campos  2.2.3. Teoria de Galois  2.2.4. Anéis de polinômios  2.3. Introdução aos módulos em álgebra abstrata  2.3.1. Homomorfismo de Módulos  2.3.2. Módulos livres  2.3.3. Introdução aos produtos tensoriais  2.3.4. Sequência exata em módulos  2.4. Álgebra linear  2.4.1. Espaço vetorial  2.4.2. Autovalores e autovetores  2.4.3. Espaço de produto interno  2.4.4. Diagonalização
  3. Topologia  3.1. Topologia Geral  3.1.1. Conjuntos abertos e fechados  3.1.2. Compacidade e conexidade  3.1.3. Mapas contínuos  3.1.4. Axioma de separação  3.2. Topologia algébrica  3.2.1. Compreendendo grupos fundamentais em topologia algébrica  3.2.2. Homotopia e homologia  3.2.3. Complexo simplicial  3.2.4. Sequências exatas em homologia  3.3. Topologia Diferencial  3.3.1. Compreendendo variedades na topologia diferencial  3.3.2. Funções Suaves  3.3.3. Espaço tangente e cotangente  3.3.4. Feixes vetoriais
  4. Equações diferenciais  4.1. Equação diferencial ordinária  4.1.1. Equações de primeira ordem  4.1.2. Equações lineares de segunda ordem  4.1.3. Sistemas de equações diferenciais  4.1.4. Análise de estabilidade em equações diferenciais ordinárias  4.2. Equações diferenciais parciais  4.2.1. Classificação de PDE  4.2.2. Compreendendo séries de Fourier em equações diferenciais parciais  4.2.3. Introdução às funções de Green  4.2.4. Método de caracterização  4.3. Sistemas dinâmicos em equações diferenciais  4.3.1. Teoria da Sustentabilidade  4.3.2. Ciclos limite em sistemas dinâmicos  4.3.3. Teoria do caos  4.3.4. Teoria da bifurcação
  5. Probabilidade e estatística  5.1. Teoria da probabilidade  5.1.1. Variáveis aleatórias  5.1.2. Distribuições de probabilidade  5.1.3. Lei dos grandes números  5.1.4. Teorema Central do Limite  5.2. Inferência estatística  5.2.1. Teste de hipótese  5.2.2. Intervalo de confiança  5.2.3. Métodos bayesianos  5.2.4. Estimativa de máxima verossimilhança  5.3. Processos estocásticos  5.3.1. Cadeias de Markov  5.3.2. Movimento Browniano  5.3.3. Compreendendo os processos de Poisson  5.3.4. Martingales: Um estudo abrangente em probabilidade e estatística
  6. Análise numérica  6.1. Soluções numéricas de equações  6.1.1. Descoberta original  6.1.2. Métodos iterativos  6.1.3. Análise de convergência  6.1.4. Limites de erro em soluções numéricas de equações  6.2. Álgebra linear numérica  6.2.1. Fatoração de matrizes  6.2.2. Cálculo de autovalores  6.2.3. Matrizes esparsas  6.2.4. Técnicas de pré-condicionamento  6.3. Integração e diferenciação numéricas  6.3.1. Métodos de quadratura  6.3.2. Introdução às diferenças finitas  6.3.3. Análise de erro na integração e diferenciação numérica  6.3.4. Métodos adaptativos em integração e diferenciação numérica
  7. Análise complexa  7.1. Números complexos  7.1.1. Forma polar  7.1.2. Conjugados Complexos  7.1.3. Forma exponencial de números complexos  7.1.4. Raízes da unidade  7.2. Funções analíticas  7.2.1. Equações de Cauchy–Riemann  7.2.2. Séries de potências  7.2.3. Mapeamento conforme  7.2.4. Funções harmônicas  7.3. Integração no plano complexo  7.3.1. Teorema de Cauchy  7.3.2. Teorema do resíduo  7.3.3. Integração de contorno  7.3.4. Transformadas integrais
  8. Lógica Matemática e Fundamentos  8.1. Lógica proposicional  8.1.1. Tabelas de verdade  8.1.2. Equivalência lógica na lógica proposicional  8.1.3. Técnicas de prova em lógica proposicional  8.1.4. Solução na lógica proposicional  8.2. Lógica de predicados  8.2.1. Quantificadores na lógica de predicados  8.2.2. Sistemas formais na lógica de predicados  8.2.3. Completude e correção  8.2.4. Teoria dos modelos  8.3. Teoria dos conjuntos  8.3.1. Cardinalidade e ordinalidade  8.3.2. Sistemas axiomáticos  8.3.3. Compreendendo a teoria dos conjuntos de Zermelo-Fraenkel  8.3.4. Forças na teoria dos conjuntos
  9. Personalização  9.1. Programação linear  9.1.1. Método simplex  9.1.2. Dualidade na programação linear  9.1.3. Análise de sensibilidade em programação linear  9.1.4. Métodos de ponto interior  9.2. Programação não linear  9.2.1. Descida do Gradiente  9.2.2. Múltiplos de Lagrange  9.2.3. Otimização convexa  9.2.4. Programação quadrática  9.3. Otimização Combinatória  9.3.1. Algoritmos de grafos  9.3.2. Programação inteira  9.3.3. Fluxo de Rede  9.3.4. Algoritmos de aproximação
  10. Matemática discreta  10.1. Teoria dos grafos  10.1.1. Representação de grafos  10.1.2. Planicidade e cor  10.1.3. Algoritmo de caminho mais curto  10.1.4. Fluxo de rede  10.2. Companheirismo  10.2.1. Percmutações e combinações  10.2.2. Função geradora  10.2.3. Relação de recorrência  10.2.4. Compreendendo o Princípio da Inclusão-Exclusão  10.3. Criptografia  10.3.1. Aplicações da teoria dos números na criptografia  10.3.2. Criptografia Simétrica e Assimétrica  10.3.3. RSA e criptografia de curva elíptica  10.3.4. Criptografia pós-quântica

Pós-graduação → Análise numérica → Álgebra linear numérica ↓


Técnicas de pré-condicionamento


Pré-condicionamento é uma técnica poderosa usada na álgebra linear numérica para acelerar a convergência de solucionadores iterativos para resolver sistemas lineares de equações. Envolve transformar um sistema dado em uma forma mais adequada para computação numérica. Em muitas aplicações do mundo real, especialmente aquelas que envolvem matrizes grandes e esparsas, métodos diretos como eliminação Gaussiana tornam-se proibitivamente caros em termos de recursos computacionais e tempo. É aqui que os métodos iterativos, auxiliados pelo pré-condicionamento, entram em cena.

O que é pré-condicionamento?

Em termos simples, pré-condicionamento é o processo de aplicar transformações a um sistema linear, criando assim outro sistema que tem a mesma solução, mas é mais fácil de resolver por métodos iterativos. Matematicamente, considere este sistema:

Ax = b

A ideia é encontrar uma matriz M, chamada de pré-condicionador, para que o sistema modificado possa ser resolvido:

M -1 Ax = M -1 b

Isso acelera a convergência. A escolha de M é importante; deve estar próximo de A e ser fácil de inverter.

Por que usar pré-condicionamento?

Sem pré-condicionamento, métodos iterativos podem convergir muito lentamente ou não convergir de todo. Um aspecto importante que um pré-condicionador deve abordar é o número de condição da matriz. O número de condição de uma matriz, em termos simples, mede quão sensível a solução de um sistema de equações lineares è às mudanças nos coeficientes ou no lado direito. Um número de condição menor geralmente indica uma convergência mais rápida. O pré-condicionamento ajuda a reduzir o número de condição.

Tipos de pré-condicionamento

Pré-condicionamento à esquerda

No pré-condicionamento à esquerda, multiplicamos o sistema Ax = b pela esquerda por M -1, resultando em:

M -1 Ax = M -1 b

O objetivo desta abordagem é resolver a matriz de coeficientes A diretamente e tentar resolver o sistema transformado de forma eficiente.

Pré-condicionamento à direita

No pré-condicionamento à direita, multiplicamos o lado direito pelo lado esquerdo, resultando em:

A(M -1 y) = b

Então resolvemos para y = Mx. Este método foca em transformar o vetor solução diretamente.

Pré-condicionamento particionado

O pré-condicionamento dividido envolve o uso de dois pré-condicionadores, um de cada lado:

M 1 -1 AM 2 -1 z = M 1 -1 b

Aqui, resolvemos para z = M 2 x aplicando transformações mais complicadas para aumentar a eficiência.

Pré-condicionadores comuns

1. Pré-condicionamento de Jacobi

O pré-condicionador de Jacobi usa os elementos diagonais de A para criar uma matriz pré-condicionadora M:

M = diag(A)

Aqui, diag(A) denota a matriz diagonal formada dos elementos diagonais de A. Esta abordagem é simples e fácil de implementar.

2. Pré-condicionamento de Gauss-Seidel

O pré-condicionador Gauss–Seidel é semelhante, mas também considera a parte triangular inferior de A:

M = (D + L)

Onde D é a parte diagonal e L é a parte triangular inferior de A.

3. Pré-condicionamento Incompleto LU (ILU)

Pré-condicionamento ILU usa uma fatoração LU aproximada da matriz A. Em vez de calcular a fatoração LU completa, ILU calcula uma aproximação:

A ≈ LU

onde L e U são matrizes triangulares inferior e superior, respectivamente. ILU é particularmente adequado para matrizes esparsas porque preserva a esparsidade.

4. Pré-condicionamento de Cholesky incompleto

Semelhante ao ILU, a fatoração de Cholesky incompleta é usada para matrizes simétricas e definidas positivas:

A ≈ LL T

O LL T M com L sendo uma matriz triangular inferior.

5. Pré-condicionamento Additive Schwarz

Este método divide o domínio original em subdomínios sobrepostos, aplica um pré-condicionador em cada subdomínio e combina seus efeitos aditivamente. É popular em ambientes de computação paralela.

Representações visuais

A M M - 1A

Na ilustração, a caixa azul representa a matriz A, a caixa verde representa o pré-condicionador M, e a caixa vermelha representa a matriz pré-condicionada M -1 A, que é mais fácil e rápida de resolver.

Escolhendo um pré-condicionador

Escolher um pré-condicionador efetivo requer equilibrar os benefícios de uma melhor convergência com o esforço computacional necessário para aplicar o pré-condicionador em cada iteração. Um pré-condicionador ideal deve ter as seguintes propriedades:

  • Fácil de calcular e aplicar (não requer recursos computacionais significativos adicionais).
  • Eficaz na redução do número de condição do sistema.
  • Aplicável a propriedades específicas da matriz (por exemplo, esparsidade, homogeneidade).

Considerações práticas

Ao aplicar técnicas de pré-condicionamento na prática, vários fatores devem ser considerados. A eficácia de um método de pré-condicionamento pode depender do tamanho, estrutura da matriz e do domínio específico do problema. Em alguns casos, técnicas de pré-condicionamento personalizadas ou específicas do problema podem ser desenvolvidas para maximizar a eficiência.

Estudos de caso e aplicações de exemplo

Um exemplo de aplicação pode envolver a resolução de sistemas decorrentes da discretização por elementos finitos em simulações de engenharia. Aqui, devido à natureza da discretização, as matrizes podem ser grandes, esparsas e mal condicionadas. Aplicar um pré-condicionador ILU ou um método multigrid pode melhorar dramaticamente o desempenho do solucionador.

Conclusão

Pré-condicionamento é um passo crucial para tornar solucionadores iterativos viáveis para sistemas grandes e complexos de equações lineares. Ele transforma um problema que de outra forma seria difícil em um problema computacionalmente tratável. Ao usar um pré-condicionador adequado, como Jacobi, Gauss-Seidel, ILU ou Cholesky Incompleto, a eficiência nas computações pode ser melhorada significativamente. À medida que a pesquisa progride, as técnicas de pré-condicionamento continuam a evoluir, fornecendo soluções mais eficientes para problemas numéricos do mundo real.


Pós-graduação → 6.2.4


U
username
0%
concluído em Pós-graduação

← Anterior (6.2.3)
Matrizes esparsas
Próximo (6.3) →
Integração e diferenciação numéricas

Comentários 



Técnicas de pré-condicionamento

https://www.buddymath.com/g/6.2.4?bmal=pt