Algoritmo QMR 📖 Wikipedia

El algoritmo QMR fue creado para resolver el sistema lineal ${\displaystyle Ax=b}$ donde ${\displaystyle A}$ es una matriz cuadrada que no requiere ser simétrica.

El algoritmo QMR Quasi-Minimal Residual se debe a Roland W. Freund y Noël M. Nachtigal los cuales en 1991 publicaron este algoritmo el cual se basa en la biortogonalización de Lanczos.

El algoritmo Quasi-Minimal Residual se basa en la Biortogonalización de Lanczos el cual es una extensión para matrices no simétricas de la ortogonalización de Lanczos simétrico.

EL proceso de Biortogonalización para matrices no simétricas de Lanczos, consiste en construir dos bases ortogonales a los subespacios ${\displaystyle {\mathcal {K}}_{m}\left(A,v_{1}\right)=\mathrm {span} \left\{v_{1},Av_{1},\ldots ,A^{m-1}v_{1}\right\}}$ y ${\displaystyle {\mathcal {K}}_{m}\left(A^{T},w_{1}\right)=\mathrm {span} \left\{w_{1},A^{T}w_{1},\ldots ,\left(A^{T}\right)^{m-1}v_{1}\right\}}$.

Para construir estas bases Biortogonales en los subespacios ${\displaystyle {\mathcal {K}}_{m}\left(A,v_{1}\right)}$ y ${\displaystyle {\mathcal {K}}_{m}\left(A^{T},w_{1}\right)}$ se utilizara el algoritmo que se muestra a continuación

Luego de usar este algoritmo se garantiza en aritmética exacta que ${\displaystyle \left(v_{i},w_{j}\right)=0}$ si ${\displaystyle i\neq j}$ y ${\displaystyle \left(v_{i},w_{j}\right)=1}$ si ${\displaystyle i=j}$. Ahora con los valores ${\displaystyle \alpha _{j}}$, ${\displaystyle \beta _{j}}$ y ${\displaystyle \delta _{j}}$ obtenidos por el algoritmo anterior vamos a construir la matriz ${\displaystyle T_{m}}$ como una tridiagonal de la siguiente forma.

Se construye la matriz ${\displaystyle {\overline {T}}_{m}}$ a partir de la que se obtuvo en la biortogonalización de Lanczos de la siguiente forma

Otras de las cosas que se usaran en el algoritmo es la factorización QR, la cual se obtiene aplicando las rotaciones ${\displaystyle \Omega _{i}}$ obtenidas de la siguiente forma.

donde ${\displaystyle c_{i}}$ y ${\displaystyle s_{i}}$ se consiguen de la siguiente forma. ${\displaystyle s_{i}={\frac {a_{i+1,i}}{\sqrt {\left(a_{ii}^{(i-1)}\right)^{2}+a_{i+1,i}^{2}}}}\quad c_{i}={\frac {a_{ii}^{(i-1)}}{\sqrt {\left(a_{ii}^{(i-1)}\right)^{2}+a_{i+1,i}^{2}}}}}$

Donde ${\displaystyle a_{ii}^{(i-1)}}$ ${\displaystyle a_{i+1,i}}$ corresponden a las respectivas entradas de la matriz luego de aplicarse las rotaciones ${\displaystyle \Omega _{1},\ldots ,\Omega _{i-1}}$.

• R. W. Freund, N. M. Nachtigal (1991). «QMR: a quasi-minimal residual method for non-Hermitian linear systems». Numerische Mathematik 60. 
• Yousef Saad (2000). Iterative methods for sparse linear systems. 

• Basic Linear Algebra Subprograms
• Automatically Tuned Linear Algebra Software
• Algoritmo TFQMR
• Subespacio de Krylov

• Implementaciones de los métodos QMR y TFQMR
• Otros algoritmos para sistemas lineales programados en c++ y análisis numérico