تقریب پایین-رتبه ماتریس های بزرگ بوسیله روش های تصادفی
چکیده
الگوریتم های کلاسیک برای حل مشکلات در مقیاس بزرگ سازگار نیستند. روش های کلاسیک و مستقیم با توجه به ابعاد ماتریس، برای حل دستگاه به زمان اجرای مشخصی نیاز دارند اما با افزایش ابعاد ماتریس، تعداد اعمال محاسباتی به سرعت افزایش می یابند. بنابراین اگرچه دقت روش های مستقیم از روش های تصادفی و تکراری بیشتر است ولی این روش ها به دلیل پیچیدگی محاسباتی بسیار زیاد، در ماتریس هایی با اندازه بزرگ کارایی ندارند. سادگی، سرعت و دقت مناسب الگوریتم های تصادفی، دلایل مناسبی برای به کارگیری آن ها در بسیاری از مسائل مطرح اعم از داده کاوی، جبرخطی و نظریه ی اعداد می باشند. برای بسیاری از برنامه های کاربردی، الگوریتم تصادفی، ساده ترین و سریع ترین الگوریتم در دسترس می باشد.