A note on eigenvector error bounds for polynomial eigenvalue problems
University of Montana(蒙大拿大学)
本文基于线性化方法,提出多项式特征值问题特征向量的误差界,通过两种性质保证线性化后的特征向量可准确恢复,并通过数值例子验证理论。
2018-08-14 cs.NA math.NA
Vector spaces of linearizations for matrix polynomials: a bivariate polynomial approach
University of Oxford(牛津大学);University of Essex(埃塞克斯大学);Cornell University(康奈尔大学)
本文通过双变量多项式视角重新审视经典论文,提供线性化性质的简洁证明,并展示双范式空间与贝祖矩阵的联系,推导了特征值排除定理,同时拓展了双范式空间的应用。
2016-10-06 cs.NA math.NA
Strong linearizations of rational matrices with polynomial part expressed in an orthogonal basis
Universidad Carlos III de Madrid(马德里卡洛斯三世大学);Universidad del País Vasco UPV/EHU(巴斯克大学)
本文提出一种新的有理矩阵强线性化方法,结合多项式基的三阶递推关系,研究如何从线性化矩阵恢复特征向量,并扩展至其他基底和对称/埃尔米特有理矩阵的结构保持线性化。
2018-06-27 cs.NA math.NA
Linearizations of rational matrices from general representations
本文构造了一类新的有理矩阵线性化$R(λ)$,其一般形式为$R(λ)= D(λ)+C(λ)A(λ)^{-1}B(λ)$,其中$D(λ)$,$C(λ)$,$B(λ)$和$A(λ)$是多项式矩阵.这种代表性总是存在的,并且不是唯一的。新的线性化是从多项式矩阵$D(λ)$和$A(λ)$的线性化构造的,其中它们中的每一个都可以用任何多项式基来表示。此外,我们将展示如何恢复特征向量,当$R(λ)$是定期的,和最小的基地和最小的指数,当$R(λ)$是奇异的,从他们的线性化在这个家庭。
2020-03-05 cs.NA math.NA
Symmetric and skew-symmetric block-Kronecker linearizations
Technische Universität Braunschweig(布伦瑞克工业大学);The University of Manchester(曼彻斯特大学)
本文提出对称和反对称块克罗内克 pencil 家族,为对称和反对称矩阵多项式提供结构保持的强线性化,适用于奇次和偶次多项式,并继承了最小基 pencil 的优良性质。
2016-06-06 cs.NA math.NA
Vector Spaces of Generalized Linearizations for Rectangular Matrix Polynomials
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校)
本文提出矩形矩阵多项式的广义线性化向量空间,该空间中的矩阵 pencils 可用于求解多项式特征值问题,且具有与奇异情况相似的性质,且构造更简单。
2018-07-27 cs.NA math.NA
A framework for structured linearizations of matrix polynomials in various bases
KU Leuven(荷语鲁汶大学);Universite Catholique de Louvain(天主教鲁汶大学)
本文提出一种基于双基底的线性化框架,用于处理标量和矩阵多项式,支持非单项基底和乘积基底的多项式表示,并展示了其在不同基底下求解多项式和有理函数交点的应用。
2016-07-05 cs.NA math.NA
Unified framework for Fiedler-like strong linearizations of polynomial and rational matrices
本文为多项式与有理矩阵的类Fiedler强线性化构建了统一框架,提出新的EGFPs线性化族以实现低带宽保结构线性化,并直接用于构造有理矩阵的Rosenbrock强线性化且易于恢复特征向量与最小基。
2023-05-21 cs.NA math.NA
Linearizations for Rosenbrock system polynomials and rational matrix functions
IIT Guwahati(印度理工学院古瓦哈提分校)
本文提出罗森布罗克系统多项式和有理矩阵函数的线性化方法,通过构造Fiedler-like矩阵和铅笔,实现系统零点计算和有理特征问题求解。
2015-05-14 cs.NA math.NA
Algebraic Linearizations of Matrix Polynomials
Western University(韦仕敦大学);Universidad de Cantabria(坎塔布里亚大学);Universidad de Alcalá(阿尔卡拉大学);Universidad Politécnica de Madrid(马德里理工大学)
本文提出通过线性化各组成部分来构造矩阵多项式的线性化方法,扩展了新的伴随矩阵构造方法。
2018-05-29 cs.NA math.NA
On a linearization of quadratic Wasserstein distance
本文研究了二次Wasserstein距离$W_2$的线性逼近问题。特别是,我们计算近似的负齐次加权Sobolev范数,其连接到Wasserstein距离如下从一个经典的线性化的一般蒙格-安培方程。我们的贡献是三方面的。首先,我们提供了这个经典的线性化的Wasserstein距离,包括定量的误差估计暂时的材料。其次,我们减少了计算问题,以解决一个椭圆边值问题,涉及威滕拉普拉斯算子,这是一个薛定谔算子的形式$H = -Δ+ V$,并描述了相关的嵌入。第三,对于概率分布的情况下,单位平方$[0,1]^2$表示的$n \times n$阵列,我们提出了一个快速的代码演示我们的方法。给出了几个数值算例。
2022-03-01 cs.NA math.CA math.NA
Generalized Standard Triples for Algebraic Linearizations of Matrix Polynomials
我们定义\emph{generalized standard triples} $\mathbf{X}$、$\mathbf{Y}$和$L(z) = z\mathbf{C}_{1} - \mathbf{C}_{0}$,其中$L(z)$是正则矩阵多项式$\mathbf{P}(z) \in \mathbb{C}^{n \times n}[z]$的线性化,以便使用表示$\mathbf{X}(z \mathbf{C}_{1}~-~\mathbf{C}_{0})^{-1}\mathbf{Y}~=~\mathbf{P}^{-1}(z)$,该表示在$z$是$\mathbf{P}$的特征值时除外。该表示可用于从$\mathbf{A}(z)$和$\mathbf{B}(z)$的广义标准三元组构造用于形式为$\mathbf{H}(z) = z \mathbf{A}(z)\mathbf{B}(z) + \mathbf{C} \in \mathbb{C}^{n \times n}[z]$的矩阵多项式的所谓的\emph{algebraic linearizations}。即使$\mathbf{A}(z)$和$\mathbf{B}(z)$以不同的多项式基表示,也可以这样做。我们的主要定理是$\mathbf{X}$可以用表达式$1 = \sum_{k=0}^\ell e_k ϕ_k(z)$的系数以相关的多项式基来表…
2021-03-25 cs.NA math.NA
Structured strong $\boldsymbol{\ell}$-ifications for structured matrix polynomials in the monomial basis
在多项式本征值问题的框架下,应用中出现的矩阵多项式大多是结构多项式(即(斜)对称、(斜)厄米特、(反)回文或交错)。解决多项式本征值问题的标准方法是线性化。最常用的线性化属于一般构造,对所有固定次数的矩阵多项式有效,称为{ \em伴随线性化}。然而,众所周知,对于偶数阶的矩阵多项式,不可能构造保持任何先前结构的伴随线性化。这促使人们寻找更一般的伴随形式,特别是{ \em伴随$\ell$ -ifications}。在本文中,我们提出了,第一次,家庭(广义)同伴$\ell$ -ifications,保持任何这些结构,为矩阵多项式的次数$k=(2d+1)\ell$。我们还展示了如何构建稀疏的$\ell$ -ifications在这个家庭。最后,我们证明了四次矩阵多项式不存在结构化的同伴求积式。
2020-10-12 cs.NA math.NA
On the linearization of Regge calculus
University of Oslo(奥斯陆大学)
研究三维Regge微积分在欧几里得度量下的线性化,给出二次型的显式公式,并将其与爱因斯坦-希尔伯特作用量二次部分及线性弹性复形中的curlTcurl算子关联,通过非协调有限元方法证明特征对收敛性。
2011-06-21 cs.NA gr-qc math.NA
Block Kronecker Linearizations of Matrix Polynomials and their Backward Errors
Universidad Carlos III de Madrid(马德里卡洛斯三世大学);Université catholique de Louvain(天主教鲁汶大学);KU Leuven(荷语鲁汶大学)
本文提出了一种新的强线性化方法——块克罗内克铅笔,并分析了其反向稳定性。通过应用稳定算法可得到扰动后的准确特征结构,建立了适用于多种线性化的框架。
2017-07-16 cs.NA math.NA
Linearizations for interpolation bases -- a comparison I
求解非线性本征值问题$T(λ)x=0$的一种策略是求解多项式本征值问题(PEP)$P(λ)x=0$,其通过插值逼近原始问题。然后,这个PEP通常通过线性化来求解。大多数关于线性化的文献假设$P(λ)$是以单项基表示的,但是,由于多项式逼近技术,在这种情况下,$P(λ)$是以非单项基表示的。最常用的基是切比雪夫基、牛顿基和拉格朗日基。在本文中,我们构造了一个家庭的线性化的$P(λ)$,这是很容易构造的矩阵系数的$P(λ)$时,这个多项式表示在这三个基地。给出了特征向量的恢复公式(当$P(λ)$正则时)和极小基及极小指数的恢复公式(当$P(λ)$奇异时).我们的最终目标是比较这些线性化的数值行为,在同一个家庭(选择最好的一个),并与其他家庭的线性化的基础上的位置的特征值相对于插值节点。
2020-01-21 cs.NA math.NA
Equivalences for Linearizations of Matrix Polynomials
计算次数至多为$z$中的$\ell$的矩阵多项式${\bf P}(z) \in \mathbb{C}^{n\times n}[z]$(简称为等级$\ell$)的特征值的一种有用的标准方法是首先将${\bf P}(z)$变换为等价的线性矩阵多项式${\bf L}(z)=z{\bf B}-{\bf A}$,称为伴随束,其中${\bf A}$和${\bf B}$通常具有比${\bf P}(z)$更大的维数,但是${\bf L}(z)$现在仅为$z$中的等级$1$。${\bf L}(z)$的本征值和本征向量可以通过例如QZ算法进行数值计算。如果${\bf L}(z)$是所谓的${\bf P}(z)$的"强线性化",则${\bf P}(z)$的本征向量,包括对于无限本征值的本征向量,也可以从${\bf L}(z)$的本征向量恢复。在本文中,我们展示了如何使用算法计算的一个标量多项式的同伴矩阵的Hermite规范形,以指导发现么模矩阵多项式的余因子${\bf E}(z)$和${\bf F}(z)$,通过方程${\bf E}(z){\bf L}(z){\bf F}(z) = \mathrm{diag}( {\bf P}(z), {\bf I}_n, \ldots, {\bf I}_n)$,明确显示的等价性${\bf P}(z)$和${\bf L}(z)$。通过这种方法,我们给出了新的显式结构的几…
2021-02-19 cs.NA math.NA
On vector spaces of linearizations for matrix polynomials in orthogonal bases
TU Braunschweig(布伦瑞克工业大学)
本文研究了矩阵多项式在正交基中的线性化向量空间,分析了M1(P)、M2(P)和DM(P)的特性,并提出了判断线性化的标准,探讨了其与Z-秩条件的关系。
2017-03-02 cs.NA math.NA math.RA
A duality relation for matrix pencils with application to linearizations
Technische Universität Berlin(柏林工业大学)
本文通过引入基于多项式代数构造推广的新线性化类,并利用QR分解构建特定线性化,证明了其良好的条件数和稳定性;同时提出一种从现有线性化推导新线性化的通用技术,该技术将线性化与束算术联系起来。
2011-10-17 cs.NA math.NA
Scaled Companion Linearizations for Coefficientwise Backward Stability
Imagination Corp.(Imagination公司)
该研究针对多项式特征值问题,构建覆盖非零复平面的缩放伴随线性化族,结合热带根减少求解量,实现全谱逐系数相对向后稳定性,提升特征求解精度。
2026-10-14 cs.NA math.NA
Fiedler Linearizations of Multivariable State-Space System and its Associated System Matrix
线性化是计算矩阵多项式特征值和特征向量的标准方法。在过去的十年中,为了处理代数结构和构造有效的数值方法,已经发展了各种线性化方法。矩阵多项式线性化的一个重要来源是所谓的Fiedler束,它是Frobenius伴随形式的推广,并且这些线性化在[1,6]中被推广到正则有理矩阵函数,这是LTI状态空间系统的传递函数。我们考虑一个多变量状态空间系统及其相关的系统矩阵S(λ)。本文引入了S(λ)的Fiedler束,并描述了构造它们的算法。证明了Fiedler束是系统矩阵S(λ)的线性化。
2022-07-04 cs.NA math.NA math.SP
Exact and simple formulas for the linearization coefficients of products of orthogonal polynomials and physical application
本文推导仅依赖三项递推系数、适用于传统及修正 Clebsch-Gordan 型情形的正交多项式乘积线性化系数精确简洁公式,并用于揭示非线性耦合使纯连续谱系统产生连续—离散混合谱的现象。
2022-12-20 cs.NA math-ph math.CA
Structured backward errors in linearizations
计算一元多项式的根的标准方法是计算相关联的\emph{confederate}矩阵的特征值,例如同伴或同志矩阵。联盟矩阵的特征值可以通过Francis的QR算法来计算。不幸的是,即使QR算法是向后稳定的,将错误映射回原始多项式系数仍然会导致巨大的错误。然而,后一种说法假设使用非结构化QR算法。在[J.Aurentz等人,多项式根的快速向后稳定计算,SIAM J.矩阵分析。应用程序、36(3),2015]示出了利用用于友矩阵的QR算法的结构导致友矩阵上的结构化后向误差。证明依赖于将错误分解为两部分:与基(在这种情况下为单项式基)的递归系数相关的部分和与原始多项式的系数相关的部分。在这篇文章中,我们证明了分析可以推广到其他类的同志矩阵。首先,我们提供了一个替代的向后稳定性证明在单项式的基础上使用结构化QR算法,我们的新观点更明确地显示了一个结构化的,解耦的错误联盟矩阵得到映射到相关的多项式系数。这一见解揭示了利用QR算法的结构必须保留哪些属性,以最终获得后向稳定算法。我们将表明,以前制定的同伴分析适合在这个框架中,我们将更详细地分析雅可比多项式(同志矩阵)和切比雪夫多项式(同事矩阵)。
2021-05-12 cs.NA math.NA
A rational Even-IRA algorithm for the solution of T-even polynomial eigenvalue problems
本文提出了一种求解具有对称/反对称结构的实大规模多项式本征值问题的有理Krylov子空间方法。我们的方法是基于Even-IRA算法。为了保持结构,一个稀疏的T-甚至线性化从类块最小基束。由于这种线性化,Krylov基向量可以以便宜的方式计算。一个合理的分解推导,使我们的方法明确允许在迭代过程中的变化的移位。这导致了一种方法,能够计算部分频谱的T-偶矩阵多项式在一个快速和可靠的方式。
2020-09-03 cs.NA math.NA
The Ehrlich-Aberth method for palindromic matrix polynomials represented in the Dickson basis
University of Pisa(比萨大学)
提出一种基于Ehrlich-Aberth求根方法的算法,用于计算T-回文矩阵多项式的特征值,通过引入Dickson基下的结构化线性化来利用根的对称性,从而将所需近似数量减半,并利用线性化的秩结构性质实现快速且数值鲁棒的迭代。
2011-11-12 cs.NA math.NA
The $\mathbb{DL}(P)$ vector space of pencils for singular matrix polynomials
给定一个可能奇异的矩阵多项式$P(z)$,我们研究如何特征值,特征向量,根多项式,最小指数,和最小基地的铅笔在向量空间$\mathbb{DL}(P)$中引入Mackey,Mackey,Mehl,和Mehrmann [SIAM J.矩阵分析。Appl.28(4),971-1004,2006]的那些与$P(z)$的那些相关。如果$P(z)$是正则的,则已知$\mathbb{DL}(P)$中满足所谓的特征值不相容定理中的一般假设的那些束是$P(z)$的强线性化。这个属性和块对称结构的铅笔在$\mathbb{DL}(P)$这些线性化之间的最有影响力的理论和数值处理的结构正规矩阵多项式。然而,还已知的是,如果$P(z)$是奇异的,则$\mathbb{DL}(P)$中的铅笔都不是$P(z)$的线性化。在本文中,我们证明,尽管这一事实的广义特征值排除定理持有任何奇异矩阵多项式$P(z)$,这样的推广允许我们恢复所有相关的数量$P(z)$从任何铅笔在$\mathbb{DL}(P)$满足特征值排除假设。我们对这个一般定理的证明在很大程度上依赖于Nakatsukasa,Noferini和Townsend通过Bézoutians在$\mathbb{DL} (P)$中表示铅笔[SIAM J. Matrix Anal. 38(1),181-209,2015]。
2022-12-19 cs.NA math.NA
Momentum Transformer: Closing the Performance Gap Between Self-attention and Its Linearization
Rice University(莱斯大学);University of Utah(犹他大学)
Transformers在序列建模及其他方面取得了显著的成功,但相对于输入序列的长度,其计算和存储复杂性是二次的。利用技术包括稀疏和线性注意力和散列技巧;已经提出了有效的Transformers来降低Transformers的二次复杂度,但显著降低了准确性。作为回应,我们首先将计算注意力地图中的线性注意力和残差连接解释为梯度下降步骤。然后,我们引入动量到这些组件,并提出了\emph{momentum transformer},它利用动量来提高线性Transformers的精度,同时保持线性存储器和计算复杂性。此外,我们开发了一个自适应策略来计算我们的模型的最佳动量二次优化的基础上的动量值。这种自适应动量消除了搜索最佳动量值的需要,并进一步增强了动量Transformer的性能。在自回归和非自回归任务(包括图像生成和机器翻译)上进行的一系列实验表明,动量Transformer在训练效率和准确性方面优于流行的线性Transformers。
2022-08-01 cs.LG cs.NA math.NA
Conditioning and backward error of block-symmetric block-tridiagonal linearizations of matrix polynomials
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);Universidad Carlos III de Madrid(马德里卡洛斯三世大学);Universidade de Lisboa(里斯本大学);Faculdade de Economia do Porto(波尔图经济与管理学院);Boston University(波士顿大学)
本文研究了矩阵多项式块对称块三对角线性化在数值稳定性方面的表现,比较了其条件数和反向误差与其它线性化方法的差异,指出在特定条件下该线性化具有更好的数值特性。
2017-06-13 cs.NA math.NA
Explicit block-structures for block-symmetric Fiedler-like pencils
University of California, Santa Barbara(加州大学圣塔芭芭拉分校);College of Creative Studies(创意研究学院);Brown University(布朗大学);University of Montana(蒙大拿大学);Wake Forest University(维克森林大学)
本文研究了块对称Fiedler型矩阵多项式的显式块结构,通过构造四种块对称 pencil 家族,展示了块对称GFP和GFPR在行和列置换后属于这些家族,提供了一种显式方法。
2017-11-16 cs.NA math.NA
On a new kind of Ansatz Spaces for Matrix Polynomials
TU Braunschweig(布伦瑞克工业大学)
本文提出了一种新的矩阵 pencil 方程家族,用于构建任何方阵或矩形矩阵多项式的强线性化。研究显示几乎所有矩阵 pencil 均为强线性化,且新提出的
2017-02-24 cs.NA math.NA
Explicit Error Bounds for Carleman Linearization
Université Grenoble Alpes(格勒诺布尔阿尔卑斯大学);Max-Planck Institute for Software Systems(马克斯·普朗克软件系统研究所)
本文研究Carleman线性化方法中截断误差的显式误差界计算,提出两种策略通过迭代反向积分和组合方法获得时间依赖的误差界。
2017-11-07 cs.NA cs.SY eess.SY
Numerical reconstruction of Schrödinger equations with quadratic nonlinearities
Research Unit of Applied and Computational Mathematics, University of Oulu(奥卢大学应用与计算数学研究部);Department of Mathematics and Statistics, University of Helsinki(赫尔辛基大学数学与统计系)
本文提出了一种基于高阶线性化方法的数值框架,用于准确重建具有二次非线性项的Schrödinger方程中的势函数。
2025-12-18 cs.NA math.AP math.NA
Structural backward stability in rational eigenvalue problems solved via block Kronecker linearizations
我们研究了在铅笔$S(λ)$上运行向后稳定特征结构求解器的向后稳定性,铅笔$S(λ)$是以$R(λ)=D(λ)+ C(λI_\ell-A)^{-1}B$形式表示的有理矩阵$R(λ)$的强线性化,其中$D(λ)$是多项式矩阵,$C(λI_\ell-A)^{-1}B$是最小状态空间实现。我们认为家庭的块Kronecker线性化$R(λ)$,这是高度结构化的铅笔。后向稳定的特征结构求解器应用于$S(λ)$将计算精确的特征结构的扰动束$\widehat S(λ):=S(λ)+Δ_S(λ)$和$S(λ)$的特殊结构将丢失。为了将这个扰动束与附近的有理矩阵联系起来,我们构造了一个与$\widehat S(λ)$严格等价的束$\widetilde S(λ)$,它恢复了原始结构,因此是扰动有理矩阵$\widetilde R(λ) = \widetilde D(λ)+ \widetilde C(λI_\ell- \widetilde A)^{-1} \widetilde B$的块Kronecker线性化,其中$\widetilde D(λ)$是与$D(λ)$具有相同次数的多项式矩阵。此外,我们还用$Δ_S(λ)$的一个适当范数来约束$\widetilde D(λ)- D(λ)$,$\widetilde C - C$,$\widetilde A - A$和$\widetilde B - B$的适当范数…
2021-03-30 cs.NA math.NA math.SP
Orthogonal polynomials in and on a quadratic surface of revolution
我们提出了明确的建设正交多项式内二次体的革命,包括圆锥,双曲面,抛物面。我们还构造了二次曲面的表面上的正交多项式的革命,推广球面调和曲面的圆锥,双曲面,抛物面。我们使用这种结构来开发体积和快速逼近方法。
2019-06-25 cs.NA math.CA math.NA