On the distance from a weakly normal matrix polynomial to matrix polynomials with a prescribed multiple eigenvalue
Yazd University(亚兹德大学);National Technical University of Athens(雅典国立技术大学)
本文改进了Papathanasiou和Psarrakos(2008)关于矩阵多项式到具有指定多重特征值的多项式距离的上界结果,针对弱正则矩阵多项式进行了修正方法的实现与验证。
2014-10-12 cs.NA math.NA
Nearest matrix with multiple eigenvalues by Riemannian optimization
Aalto University(阿尔托大学);University of Manchester(曼彻斯特大学);University of Pisa(比萨大学)
本文提出了一种基于Riemannian优化的方法,用于寻找最接近具有多重特征值的矩阵,同时允许跟踪左右特征向量并施加任意复线性约束,通过数值实验验证了方法的有效性。
2026-07-28 cs.NA math.NA
Matrix Polynomials with Specified Eigenvalues
TU-Berlin(柏林工业大学);Koç University(科奇大学)
本文研究矩阵多项式在2-范数下到最近具有指定数量特征值在指定位置的矩阵多项式的距离,通过奇异值优化公式计算该距离。
2013-06-21 cs.NA math.NA
Structured eigenvalue/eigenvector backward errors of matrix pencils arising in optimal control
TU Berlin(柏林工业大学);University of Mons(蒙斯大学)
本文研究最优控制中矩阵 pencil 的特征值和特征对反向误差,提出基于块结构和对称结构保持扰动的公式,显示这些误差有时显著大于忽略结构的扰动情况下的误差。
2017-12-21 cs.NA math.NA
Tridiagonal test matrices for eigenvalue computations: two-parameter extensions of the Clement matrix
Ghent University(根特大学)
本文提出了一种双参数扩展的Clement矩阵,保持了简单结构,其特征值有显式闭式表达,用于数值特征值计算的测试。
2016-12-22 cs.NA math.NA
A comparison of eigenvalue condition numbers for matrix polynomials
Universidad Carlos III de Madrid(马德里卡洛斯三世大学);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
本文比较了矩阵多项式中不同特征值条件数,指出在低阶情况下两种同质条件数本质相同,并展示了其与Wilkinson型条件数的对比及扩展。
2018-04-25 cs.NA math.NA
Superlinear Convergence of GMRES for clustered eigenvalues and its application to least squares problems
本文分析GMRES在系数矩阵特征值聚集时的超线性收敛,利用范德蒙德矩阵推导残差上界,并应用于解释最小二乘问题中内迭代预条件GMRES的收敛。
2025-04-24 cs.NA math.NA
Fast randomized non-Hermitian eigensolver based on rational filtering and matrix partitioning
本文给出了一组计算非埃尔米特矩阵束的特征值(及相关特征向量)的有理滤波算法。我们的兴趣在于计算位于一个给定的磁盘内的特征值,和所提出的算法近似这些特征值和相关的特征向量的谐波Rayleigh-Ritz投影的子空间通过计算范围空间的有理矩阵函数通过随机测距仪。这些有理矩阵函数被设计为使得与非寻求特征值相关联的方向被阻尼到(近似)零。引入基于矩阵划分的变体,以进一步降低所提出的框架的整体复杂性。与现有的基于有理矩阵函数的特征值求解器相比,所提出的技术不需要估计位于磁盘内的特征值的数量。一些理论和实际问题进行了讨论,并通过数值实验证明了所提出的框架的竞争力。
2021-03-08 cs.NA math.NA
A Test Matrix for an Inverse Eigenvalue Problem
University of Waterloo(滑铁卢大学);Bishop’s University(主教大学)
本文提出一个实对称三对角矩阵,其本征值为{2k}_{k=0}^{n-1},且其主子矩阵具有均匀交错的谱{2l + 1}_{l=0}^{n-2}。该矩阵可作为正反向本征值问题的测试矩阵,且给出了包含该矩阵的弹簧-质量逆问题的显式解。
2014-02-21 cs.NA math.NA
A new method for the computation of eigenvalues
本文用一种类似于Jacobi方法的新的数值方法求实对称矩阵的特征值和特征向量。我们的方法包括使用一个新的正交矩阵。在正交矩阵所用函数的意义下,与Jacobi方法相比,该方法计算特征值和特征向量更为简便。
2020-03-27 cs.NA math.NA
Fast non-Hermitian Toeplitz eigenvalue computations, joining matrix-less algorithms and FDE approximation matrices
本文研究了Toeplitz矩阵$T_{n}(a)$的特征值渐近展开式,该矩阵的生成函数$a$是复值的,且在一点上具有幂奇异性.因此,$T_{n}(a)$是非厄米的,我们知道,在非厄米设置为大尺寸的特征值计算是一个不平凡的任务。我们遵循的工作Bogoya,Böttcher,Grudsky和Maximenko和推导出一个完整的渐近展开的特征值。在此之后,我们应用无矩阵算法,在Ekström,Furci,Garoni,Serra Capizzano等人的工作精神,计算这些特征值。由于内特征值和极端特征值具有不同的渐近行为,我们分别对它们进行了研究,并将结果结合起来,产生了一个高精度的全局数值和无矩阵算法。数值结果是非常精确的,所提出的算法的计算成本是独立的考虑矩阵的大小为每个特征值,这意味着一个线性成本时,所有的频谱计算。从实际应用的角度出发,我们强调所考虑的矩阵类包括源于分数阶扩散方程的数值逼近的矩阵。在最后的结论部分简要讨论了这一问题和一些开放的问题。
2022-11-28 cs.NA math.NA
Backward Error of Matrix Rational Function
我们考虑一个有理矩阵函数的极小实现。我们扰动多项式部分和一个常数矩阵的实现部分。给出了有理矩阵函数近似特征值的向后误差的显式可计算表达式。我们还确定了使近似特征值是扰动矩阵有理函数的精确特征值的最小扰动。
2021-05-25 cs.NA math.NA
Coalescing Eigenvalues and Crossing Eigencurves of 1-Parameter Matrix Flows
本文研究了单参数厄米矩阵流和一般复矩阵流或实矩阵流$A(t)$的特征值曲线,并讨论了$A(t)$对所有参数$t$的一致可分解性. Hund和von Neumann以及Wigner在20世纪20年代后期关于本征曲线交叉的经常被错误引用和误用的结果,在$A(t) = (A(t))^*$的厄米矩阵流中得到了澄清。将这些结果推广到一般非正规或非厄米单参数矩阵流的猜想制定和调查。描述并测试了一种计算可均匀分解的厄米特矩阵流的块维数的算法。该算法使用ZNN方法计算$t_o \leq t\leq t_f$的$A(t)$的时变矩阵特征值曲线。类似的努力一般复杂的矩阵流。这一延伸导致了许多新的和开放的问题。具体来说,我们指出的困难之间的关系的几何特征曲线一般复杂的矩阵流$A(t)$和一般的流的分解成块对角形式通过一个固定的酉或一般矩阵相似性的所有参数$t$。
2020-02-04 cs.NA math.NA
Some new results on generalized diagonally dominant matrices and matrix eigenvalue inclusion regions
在矩阵理论和数值分析中有两个非常著名和重要的结果。一个是Gersgorin圆定理,另一个是严格对角占优定理。它们具有重要的应用和研究价值,已得到广泛的应用和研究。本文研究了广义对角占优矩阵和矩阵特征值包含区域。提出了一类G-函数偶,推广了G-函数的概念。建立了13种G-函数对。研究了它们的性质和特点。利用这些特殊的G-函数对,我们构造了严格对角占优矩阵和矩阵特征值包含域的大量充分和必要条件。这些条件和区域是由G-函数对、矩阵的删除绝对行和与列和的不同组合构成的。所得结果推广、包含并优于一些经典结果.
2021-04-27 cs.NA math.NA
Numerical Optimization of Eigenvalues of Hermitian Matrix Functions
Koç University(科奇大学)
针对在盒子区域内解析依赖于参数的厄米矩阵值函数,提出一种基于分段二次下界函数的全局最小化算法,并证明其全局收敛性,有效用于极端特征值(如最大特征值或指定数量最大特征值之和)的优化。
2016-05-10 cs.NA math.NA
On the distance from a matrix polynomial to matrix polynomials with two prescribed eigenvalues
Yazd University(亚兹德大学);Arak University(阿拉克大学)
本文研究了矩阵多项式到具有两个指定复数特征值的矩阵多项式距离问题,推导了下界和上界,并通过数值例子验证了方法的有效性。
2014-11-14 cs.NA math.NA
Eigenvalue embedding problem for quadratic regular matrix polynomials with symmetry structures
本文提出了一种求解具有对称结构的二次正则矩阵多项式的保结构特征值嵌入问题的统一方法。首先,我们确定扰动的二次矩阵多项式,非结构化或结构化,使扰动多项式重现所需的不变对,同时保持不变的另一个不变对的未扰动多项式的不变性。如果后者是未知的,它被称为无溢出扰动。然后,我们使用这些结果来解决结构化的二次矩阵多项式,包括:对称,埃尔米特,$\star$ -偶数和$\star$ -奇数的二次矩阵多项式的SEEP。最后,我们表明,所获得的解析表达式的扰动可以实现现有的结果,在现实世界中出现的应用程序,作为特殊情况下的结构多项式。所得结果与数值例子的支持。
2021-04-22 cs.NA math.NA
Fast Toeplitz eigenvalue computations, joining interpolation-extrapolation matrix-less algorithms and simple-loop theory
在适当的技术假设下,简单回路理论允许推导出由函数$f$生成的Toeplitz矩阵特征值的各种类型的渐近展开式。独立和温和的假设下,$f$是均匀和单调的$[0,π]$,矩阵无算法已开发的快速特征值计算的大型Toeplitz矩阵,在一个线性复杂度的矩阵顺序:在这种算法的高效率有扩展预测的简单循环理论,结合外推的想法。在这里,我们把我们的注意力集中在变量变换,其次是新变量的渐近展开,我们适应矩阵的无算法所考虑的新的设置。数值实验表明,更高的精度(直到机器精度)和相同的线性计算成本相比,矩阵的程序已经在相关文献中。在这些优点中,我们简要地提到以下几点:a)当简单循环函数的系数解析已知时,该算法可以完美地计算它们; b)虽然所提出的算法在计算内部特征值方面比以前的算法更好或更差,但它在计算极端特征值方面非常好。
2022-01-06 cs.NA math.NA
A Matrix-Less Method to Approximate the Spectrum and the Spectral Function of Toeplitz Matrices with Complex Eigenvalues
已知如果$f$不是实数,则Toeplitz矩阵序列$\{T_n(f)\}_n$的生成函数$f$可能不描述$T_n(f)$的特征值的渐近分布。在最近的一篇论文中,我们假设作为一个工作假设,如果$T_n(f)$的特征值是真正的所有$n$,然后他们承认一个渐近展开,其中出现在这个扩展的第一个功能$g$是真实的,并描述了渐近分布的特征值的$T_n(f)$。本文将这一思想推广到具有复特征值的Toeplitz矩阵。本文主要是一个不同的典型案例的数值探索,并提出了未来可能的研究途径。
2019-11-25 cs.NA math.NA
Circulant decomposition of a matrix and the eigenvalues of Toeplitz type matrices
我们首先表明,任何$n \times n$矩阵可以分解成$n$循环矩阵与周期性松弛的单位圆的总和。这种分解相对于Frobenius内积是正交的,允许这些循环分量的递归迭代。它还表明,在矩阵中的几个循环分量的优势,允许稀疏的相似变换,使用快速傅立叶变换(FFT)操作。这使得稠密Toeplitz、块Toeplitz和其他周期或准周期矩阵的所有特征值的评估能够在$\mathcal{O}(n^2)$算术运算中合理地近似。近似相似变换在预处理线性求解器中的实用性也得到了证明。
2022-09-28 cs.NA math.NA
On the distance from a matrix polynomial to matrix polynomials with $k$ prescribed distinct eigenvalues
Yazd University(亚兹德大学);National Technical University of Athens(雅典国立技术大学)
本文研究了矩阵多项式到具有指定k个不同特征值的矩阵多项式距离的上界和下界,并给出了最优扰动构造及数值例子。
2015-05-23 cs.NA math.NA
A Note on the Eigenvalues of the Google Matrix
本文针对Google矩阵的特征值分布,给出了Langville-Meyer定理的另一种证明,该定理对幂法计算PageRank的收敛性分析具有重要意义。
2004-01-15 cs.NA math.NA math.RA
The number of distinct eigenvalues of a matrix after perturbation
Mathematical Institute, University of Oxford(牛津大学数学研究所);Center for Biomedical Computing, Simula Research Laboratory(Simula研究实验室生物医学计算中心)
本文证明了一个新定理,关联矩阵扰动后不同特征值数量与原特征值数量、更新秩及矩阵非对角化的程度。特别地,对可对角化的矩阵,秩一更新最多使不同特征值数量翻倍。
2016-03-09 cs.NA math.NA math.OC
Polynomial two-parameter eigenvalue problems and matrix pencil methods for stability of delay-differential equations
Technische Universität Braunschweig(布伦瑞克工业大学);Eindhoven University of Technology(埃因霍温理工大学)
本文通过引入多项式双参数特征值问题的新框架,统一推导了多种矩阵束方法,揭示了它们之间的关系,并提出了新的矩阵束变体用于时滞微分方程稳定性分析。
2008-09-22 cs.NA math.DS math.NA
Universality for the Toda algorithm to compute the largest eigenvalue of a random matrix
研究Toda算法计算随机矩阵最大特征值时停机时间波动的普遍性,利用随机矩阵谱统计结果证明其鲁棒性。
2017-02-02 cs.NA math.NA math.PR
Polynomial eigenvalue bounds from companion forms
Santa Clara University(圣克拉拉大学)
本文利用伴矩阵形式与近期成果结合,提出特征值界计算方法。
2017-02-21 cs.NA math.NA math.RA
An improved upper bound for the number of distinct eigenvalues of a matrix after perturbation
Institute of Computational Mathematics and Scientific/Engineering Computing, Academy of Mathematics and Systems Science, Chinese Academy of Sciences(中国科学院数学与系统科学研究院计算数学与科学工程计算研究所)
本文改进了矩阵扰动后不同特征值数量的上界,提出了新的估计方法,并展示了基于该估计的结果。
2016-10-15 cs.NA math.NA math.SP
Transformation from integral operator with separable kernel to matrix in eigenvalue problem
Graduate School of Life and Environmental Sciences, Kyoto Prefectural University(京都府立大学生命环境科学研究科)
本文针对可分核积分算子的特征值问题,建立其特征值、特征函数与矩阵特征对的关联,证明第二类Fredholm积分方程可转化为矩阵特征计算问题,并用算例验证结论。
2025-11-18 cs.NA math.FA math.NA
Eigenvalues of Dual Hermitian Matrices with Application in Formation Control
本文提出补充矩阵方法计算对偶Hermitian矩阵特征值,并将其与单位增益图理论结合,为多智能体编队控制中的相对构型可行性问题提供跨学科求解途径。
2024-04-01 cs.NA math.NA math.RA
Approximating matrix eigenvalues by subspace iteration with repeated random sparsification
针对高维矩阵多特征值计算难题,本文提出结合子空间迭代与重复随机稀疏化的通用方法,可低成本估计多个特征值,并在量子化学基准问题上验证了性能。
2022-03-02 cond-mat.str-el cs.NA math.NA
A generalized eigenvalue algorithm for tridiagonal matrix pencils based on a nonautonomous discrete integrable system
Kyoto University(京都大学)
提出一种基于非自治离散可积系统的三对角矩阵束广义特征值算法,利用多项式序列的正交性讨论其收敛性。
2013-03-05 cs.NA math.NA nlin.SI
Contour Integral-based Quantum Algorithm for Estimating Matrix Eigenvalue Density
矩阵的本征值密度在电子结构计算等各种科学计算中起着重要的作用。在本文中,我们提出了一个量子算法计算的本征值密度在一个给定的时间间隔。我们的量子算法是基于一种方法,该方法通过应用数值轮廓积分和随机跟踪估计适用于一个矩阵,涉及预解矩阵的特征值计数。作为算法的组成部分,HHL求解器被应用于预解矩阵的增广线性系统,并采用量子傅里叶变换(QFT)来表示数值轮廓积分的操作。为了减小增广系统的尺寸,我们利用了数值积分的某种对称性。我们还引入了一个置换形成的CNOT门,使增广系统的解决方案与QFT输入一致。在一个给定的时间间隔内的本征值计数导出为在输出状态的量子位的一部分中观察到位模式的概率。
2021-12-10 cs.NA math.NA quant-ph
The eigenvector-eigenvalue identity for the quaternion matrix with its algorithm and computer program
Peter Denton,Stephen Parke,Terence Tao和Xining Zhang [arxiv 2019]提出了线性交换代数中的一个基本而重要的恒等式,即所谓的{ \bf the eigenvector-eigenvalue identity}(在[BAMS,2021]中正式命名),这是一个方便而强大的工具,可以从特征值简洁地确定特征向量。该恒等式将本征向量分量与$A$和次$M_j$的本征值联系起来,以一种简洁的形式表示为\[ \lvert v_{i,j} \rvert^2\prod_{k=1;k\ne i}^{n-1}({λ_i}(A)-{λ_k}(A))=\prod_{k=1}^{n-1}({λ_i}(A)-{λ_k}(M_j)). \,\,\,%\mbox{(\cite{tao-eig,D-P-T-Z})} \].事实上,它已广泛应用于数值线性代数、随机矩阵理论、本征值问题、图论、中微子物理等领域.本文将本征向量-本征值恒等式推广到四元数除环,这是不可交换的。建立了四元数矩阵的特征向量-特征值恒等式。进一步给出了由四元数埃尔米特矩阵的右特征值计算特征向量的一种新方法和算法。设计了计算特征向量的程序。一个开放的问题结束了论文。算例表明,该算法和程序具有良好的性能。
2022-07-08 cs.NA math.CA math.NA
Comparison theorems for the minimum eigenvalue of a random positive-semidefinite matrix
Department of Computing and Mathematical Science, Caltech(加州理工学院计算与数学科学系)
本文提出独立随机半正定矩阵和的最小特征值新比较原理,用对应高斯矩阵特征值控制,借高斯矩阵工具给出高维统计结果新证明,还解决了稀疏随机矩阵单射性的长期开放问题。
2025-01-27 cs.NA math.NA math.PR
Comparison theorems for the extreme eigenvalues of a random symmetric matrix
Caltech(加州理工学院)
本文建立了一种随机对称矩阵和的极大规模特征值比较定理,强化了此前结果,并应用于谱图理论、量子信息理论等领域,首次完整证明了稀疏随机降维映射的单射性质。
2026-09-10 cs.NA math.NA math.PR