A New Modified Newton-Type Iteration Method for Solving Generalized Absolute Value Equations
提出了一种求解大型稀疏广义绝对值方程的移位分裂修正牛顿迭代法。将修正牛顿型(MN)迭代法中线性部分系数矩阵的正则化分裂替换为矩阵的移位分裂,建立了SSMN方法。当系数矩阵为一般矩阵、对称正定矩阵和$H_{+}$ -矩阵时,深入讨论了该方法的收敛条件.通过两个算例,我们发现SSMN和MN方法是相辅相成的。这两种方法的最优性能取决于线性部分系数矩阵的确定性。当系数矩阵为正定时,MN方法更有效,而当系数矩阵为不定时,SSMN方法具有更好的性能。
2021-05-08 cs.NA math.NA
An accelerated technique for solving one type of discrete-time algebraic Riccati equations
National Cheng Kung University(国立成功大学);National Formosa University(国立中正科技大学)
本文研究了一类离散时间代数Riccati方程的性质,提出存在唯一正定解的充分条件及加速算法,实现任意阶收敛速度的正定解计算,并在几乎临界情况下验证了方法的有效性。
2017-06-08 cs.NA math.NA
Two-level Nyström--Schur preconditioner for sparse symmetric positive definite matrices
随机化方法在数值线性代数中越来越受欢迎。然而,很少有人尝试使用它们来开发预处理器。我们的兴趣在于解决大型稀疏对称正定线性系方程组的系统矩阵是预先排序的双边界块对角形式(例如,使用嵌套的解剖排序)。我们研究使用随机方法来构建高质量的预条件。特别是,我们提出了一种新的和有效的方法,采用Nyström的方法计算低秩近似开发强大的代数两级预条件。新的预条件的建设涉及迭代求解一个更小,但更密集的对称正定舒尔补系统与多个右手边。来自一系列应用领域的问题的数值实验表明,这个内部系统可以解决廉价使用块共轭梯度,并使用一个大的收敛公差,以限制成本不会产生不利影响的质量Nyström-Schur两级预处理。
2021-07-27 cs.NA math.NA
"Compress and eliminate" solver for symmetric positive definite sparse matrices
提出了一种新的求解对称正定稀疏矩阵线性系组的近似因式分解。简而言之,该算法是应用分层块高斯消去法,并额外压缩填充。具有填充的有效压缩的系统大多产生于偏微分方程的离散化。我们表明,由此产生的因式分解可以作为一个有效的预条件,并比较所提出的方法与最先进的直接和迭代求解器。
2018-05-05 cs.NA math.NA
Triangularized Orthogonalization-free Method for Solving Extreme Eigenvalue Problems
提出了一种新的无正交化方法和两种求解极值本征值问题的具体算法。在基于梯度的算法之上,所提出的算法修改多列梯度,使得较早的列与较晚的列解耦。几乎可以保证算法整体收敛到特征向量而不是特征空间。局部地,算法以取决于特征间隙的收敛速度线性地收敛。动量加速,精确的lineswitch,和列锁定,以进一步加快这两种算法,并减少其计算成本。我们证明了这两种算法的效率在几个随机矩阵具有不同的光谱分布和矩阵计算化学。
2021-10-14 cs.NA math.NA
Orthogonal Constrained Neural Networks for Solving Structured Inverse Eigenvalue Problems
本文提出了一种名为Stiefel多层感知机(SMLP)的新型无监督神经网络,通过引入Stiefel层确保相似变换的正交性,并利用ReLU处理非负性约束,构建了统一框架以高效精确求解结构化逆特征值问题。
2024-06-28 cs.NA math.NA
Error control technique of quadrature-based algorithms for the action of real powers of a Hermitian positive-definite matrix
Nagoya University(名古屋大学);IHI Corporation(IHI株式会社)
本文研究了通过四阶算法计算Hermitian正定矩阵实数幂作用向量的误差控制,提出基于线性系统求解残差的停止准则以保证计算精度。
2026-04-05 cs.NA math.NA
Convergence analysis of a locally accelerated preconditioned steepest descent method for Hermitian-definite generalized eigenvalue problems
Peking University(北京大学);University of California, Davis(加州大学戴维斯分校);Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
本文通过扩展经典分析技术,证明了预处理最速下降法在求解Hermitian-正定广义本征值问题中的收敛性,并推导了非渐近收敛率估计。
2016-05-30 cs.NA math.NA
Efficient construction of an HSS preconditioner for symmetric positive definite $\mathcal{H}^2$ matrices
在求解具有病态对称正定(SPD)核矩阵的线性系的迭代方法中,需要快速的矩阵向量积和快速的预处理运算。通过以$\mathcal{H}^2$表示法或等效的快速多极子方法表示法表示核矩阵,可以获得快速(线性缩放)矩阵向量乘积。然而,预处理这样的矩阵需要比$\mathcal{H}^2$表示更规则的结构化矩阵近似,诸如提供快速求解操作的分层半可分离(HSS)矩阵表示。先前,提出了一种算法来构造对保证为SPD的SPD核矩阵的HSS近似。然而,该算法具有二次成本,并且仅被设计用于定义核矩阵的点的递归二进制划分。本文提出了一种构造SPD HSS近似的通用算法。重要的是,该算法使用SPD矩阵的$\mathcal{H}^2$表示来将其计算复杂性从二次降低到拟线性。数值实验说明了如何SPD HSS近似执行作为一个预处理器解决线性系所产生的范围内的核函数。
2021-01-11 cs.NA math.NA
Solving Support Vector Machines in Reproducing Kernel Banach Spaces with Positive Definite Functions
本文在再生核巴拿赫空间中利用半内积的正交性和傅里叶变换技术,显式求解支持向量机,并通过正定函数表示最优解,系数由不动点迭代计算。
2013-04-23 cs.NA math.NA math.OC
Physics informed learning of orthogonal features with applications in solving partial differential equations
The Chinese University of Hong Kong (Shenzhen)(香港中文大学(深圳));Shenzhen International Center for Industrial and Applied Mathematics, Shenzhen Research Institute of Big Data(深圳高等研究院工业与应用数学国际中心);Shenzhen Loop Area Institute(深圳河套学院)
本文提出物理驱动的正交特征方法,通过物理信息预训练和正交性正则化提升特征空间逼近能力,用于求解各类偏微分方程时表现出更优的精度和泛化性能。
2026-02-03 cs.NA math.NA
Positive definiteness of real quadratic forms resulting from the variable-step approximation of convolution operators
本文提出一种新的分析工具,证明在易验证的代数条件下变步长离散卷积核对应的二次型正定,为非局部算子非均匀时间步进格式的稳定性分析提供了首个一般性结果。
2020-11-26 cs.NA math.NA
Bi-orthogonal fPINN: A physics-informed neural network method for solving time-dependent stochastic fractional PDEs
分数阶偏微分方程(FPDE)可以有效地描述反常输运和非局域相互作用。然而,由于随机强迫或未知的材料特性,在实际应用中自然会出现固有的不确定性。考虑非局部相互作用和不确定性量化的数学模型可以表示为随机分数阶偏微分方程(SFPDEs)。数值求解SFPDE有许多挑战,特别是对于长时间积分,因为这些问题是高维和非局部的。在这里,我们结合双正交(BO)的方法来表示随机过程与物理信息的神经网络(PINN)求解偏微分方程制定双正交PINN方法(BO-fPINN)解决不定常SFPDE。具体来说,我们引入了一个深度神经网络的随机解的不定常SFPDE,并包括BO约束的损失函数以下弱制定。由于自动微分目前不适用于分数阶导数,我们采用网格上的离散化来计算神经网络输出的分数阶导数。BO-fPINN方法的弱形式损失函数可以克服BO方法的一些缺点,从而可以用于求解具有特征值交叉的SFPDE。此外,BO-fPINN方法可以用于具有与正问题相同的框架和相同的计算复杂性的逆SFPDE。我们证明了不同的基准问题的BO-fPINN方法的有效性。结果表明,所提出的方法的灵活性和效率,特别是反问题。
2023-03-20 cs.NA math.NA
A generalized skew-symmetric Lanczos bidiagonalization method for computing several extreme eigenpairs of a large skew-symmetric/symmetric positive definite matrix pair
Soochow University(苏州大学)
本文提出了一种通用的反对称Lanczos双对角化方法,用于计算大矩阵对(A,B)的多个极值特征对,其中A为反对称矩阵,B为对称正定矩阵。通过分析该方法的收敛性并提出部分重新正交化策略,提升了计算效率和精度。
2024-08-26 cs.NA math.NA
RBF-LOI: Augmenting Radial Basis Functions (RBFs) with Least Orthogonal Interpolation (LOI) for Solving PDEs on Surfaces
提出了一种利用稳定的无标度径向基函数插值求解余维流形$\mathbb{M} \subset \mathbb{R}^d$上偏微分方程的新方法。我们的方法涉及增加多调和样条(PHS)径向基函数与多项式生成径向基函数有限差分(RBF-FD)公式。这些多项式基元是在每个RBF-FD模板上使用最近开发的\emph{least orthogonal interpolation}技术(LOI)获得的,以获得$\mathbb{R}^3$中多项式的\emph{local}限制,从而在$\mathbb{M}$上进行扩展。所得到的RBF-LOI方法使用直角坐标,不需要任何内在的坐标系或投影到切面上的点,我们的测试说明了对停滞误差的鲁棒性。我们表明,我们的方法产生高阶的收敛性的球和环面上的偏微分方程,并提出了一些应用生物学的反应扩散偏微分方程。
2018-07-08 cs.NA math.NA
An orthogonalization-free implementation of the LOBPCG method in solving Kohn-Sham equation
本文提出一种免正交化的 LOBPCG 方法实现框架,通过避免正交化降低计算复杂度,并利用 OpenMP 并行化 R-R 过程及设计有效预处理策略,显著提升了求解 Kohn-Sham 方程 SCF 迭代的效率。
2023-06-28 cs.NA math.NA
A Saddle Point Numerical Method for Helmholtz Equations
Thiel College(锡耶尔学院)
基于Milton、Seppecher和Bouchitte的鞍点变分原理,提出一种求解复杂亥姆霍兹方程的数值方法,生成对称正定方程组并避免求解解的梯度,从而完全基于共轭梯度算法。
2015-01-05 cs.NA math.NA
Two-step scale-splitting method for solving complex symmetric system of linear equations
Faculty of Mathematical Sciences, University of Guilan(吉尔兰大学数学科学学院)
本文提出一种求解复对称线性方程组的新两步迭代法TSCSP,基于Hezari等人提出的尺度分裂法,证明当W和T为正定矩阵时方法无条件收敛,并通过数值比较展示其有效性。
2017-10-04 cs.NA math.NA
A Robust Algebraic Multilevel Domain Decomposition Preconditioner For Sparse Symmetric Positive Definite Matrices
区域分解(DD)方法被广泛用作预处理技术。它们的有效性依赖于局部构造的粗糙空间的选择。到目前为止,这种构造主要是使用来自离散偏微分方程(PDE)的非组装矩阵来实现的。因此,DD方法主要是成功地解决系统源于偏微分方程。本文提出了一种完全代数的多级DD方法,该方法可以在不需要除系数矩阵外的任何信息的情况下局部有效地构造粗空间。预处理矩阵的条件数可以由用户指定的数来限定。数值实验说明了预条件子对不同应用中出现的一系列问题的有效性。
2021-09-13 cs.NA math.NA
Toward a new fully algebraic preconditioner for symmetric positive definite problems
本文提出了一种新的区域分解预条件子,它能有效地求解具有对称正定矩阵A的线性方程组Ax = b。新的预条件子的特殊性在于它不需要访问所谓的Neumann矩阵(即:由集合限制于每个子域的A之下的变分问题而产生的矩阵)。预条件子中的所有分量都可以仅用A的知识来计算(这就是这里给代数这个词的含义)。新的预条件依赖于GenEO粗糙空间的矩阵,这是一个低秩修改的A和伍德伯里矩阵的身份。新的预处理器的基本思想在这里首次介绍了第一个版本的预处理器。给出了一些数值例子。在[7](https://hal.archives-ouvertes.fr/hal-03258644)中可以找到包括新预处理器的一些改进变体的更广泛的演示。
2021-06-22 cs.NA math.NA
A Comparison Between Laguerre, Hermite, and Sinc Orthogonal Functions
University of Notre Dame(圣母大学);Shahid Beheshti University(沙希德贝赫什蒂大学)
本文比较了拉格朗日、埃尔米特和辛正交函数在求解区间[0, +∞)上的微分方程问题中的性能。
2017-09-27 cs.NA math.NA
A generalized projection iterative methods for solving non-singular linear systems
本文提出并分析了求解非奇异线性系统Ax = b的基于投影技术的迭代方法。特别地,对于给定的正整数m,将对称定矩阵A的m维逐次投影法推广到非奇异矩阵A.此外,还证明了mD-SPM在m值较大的情况下具有更好的结果。数值实验表明,该方法的优越性与其他计划在科学文献中进行比较。
2020-03-11 cs.NA math.NA
Block variants of the COCG and COCR methods for solving complex symmetric linear systems with multiple right-hand sides
University of Electronic Science and Technology of China(电子科技大学);University of Groningen(格罗宁根大学);Nottingham Trent University(诺丁汉特伦特大学);Taishan University(泰山学院)
本文提出两种块变体的COCG和COCR方法,用于求解复对称线性系统,利用系数矩阵的复对称性,并通过数值实验展示其在电磁模拟中的收敛优势。
2016-01-20 cs.NA math.NA
Samplet compression for conditionally positive definite kernels and universal Kriging
该研究提出基于样本的框架求解条件正定核与通用克里金法的鞍点系统,通过约简实现O(N log N)复杂度,经三类应用验证有效性。
2026-08-28 cs.NA math.NA
A new iterative method for solving a class of two-by-two block complex linear systems
本文提出了一种定常迭代法,即交替对称正定和尺度对称半正定分裂法(ASSS),用于求解分布式最优控制问题的有限元离散化得到的线性方程组和时间周期抛物型方程。给出了迭代法的谱半径的一个上界,它总是小于1。从而保证了ASSS迭代法的收敛性。导出的ASSS预条件子用于加速GMRES方法求解该系统的收敛速度。数值结果证明了ASSS迭代法和ASSS预条件子的有效性。
2021-06-18 cs.NA math.NA
Novel hybrid function operational matrices of fractional integration: An application for solving multi-order fractional differential equations
C.V. Raman College of Engineering(C.V.拉曼工程学院);National Institute of Technology Rourkela(鲁尔克拉国立理工学院)
本文提出一种基于新型正交混合函数的数值算法,用于求解多阶分数微分方程,通过比较实验验证了算法的准确性和效率。
2018-01-22 cs.NA math.CA math.NA
A Unique Inverse Decomposition of Positive Definite Matrices under Linear Constraints
The Hebrew University(希伯来大学)
本文提出了一种正定矩阵在给定线性子空间约束下的唯一逆分解方法,并通过变分分析和牛顿型算法实现了该分解的稳定性与高效计算。
2026-08-07 cs.NA math.NA math.OC
Localized Orthogonal Decomposition Method with $H^1$ Interpolation for Multiscale Elliptic Problem
针对多尺度椭圆问题,提出带$H^1$插值的局部正交分解方法,无需尺度分离假设,给出先验误差估计并通过数值实验验证理论结果。
2024-11-01 cs.NA math.NA
TriCG with deflated restarting for symmetric quasi-definite linear systems
School of Mathematical Sciences, Xiamen University(厦门大学数学科学学院)
本文提出了一种改进的TriCG方法,通过引入消元重启策略来提高求解对称拟不定线性系统时的收敛速度。
2026-01-12 cs.NA math.NA
The Gauss quadrature for general linear functionals, Lanczos algorithm, and minimal partial realization
高斯求积的概念可以推广到具有复矩的线性泛函的近似。根据现有的文献,本调查将重新审视这种概括。众所周知,正定线性泛函的(经典)Gauss求积与正交多项式和(Hermitian)Lanczos算法有关。类似地,线性泛函的Gauss求积与形式正交多项式、具有前瞻策略的非Hermitian Lanczos算法以及最小部分实现问题有关.我们将回顾这些联系,指出在相关背景下独立建立的几个结果之间的关系。利用形式正交多项式的性质和线性泛函的Gauss求积,给出了失配定理和匹配矩性质的原始证明。
2020-12-01 cs.NA math.NA
Preconditioned TBiCOR and TCORS Algorithms for Solving the Sylvester Tensor Equation
本文提出了求解Sylvester张量方程的预条件TBiCOR和TCORS方法。本文导出了求解Sylvester张量方程的张量Lanczos $\mathcal{L}$ -双正交化算法(TLB)。提出了两种改进的TLB方法。一种是双共轭$\mathcal{L}$ -张量形式的正交残差算法(TBiCOR),它对TLB方法得到的三角系数矩阵进行$LU$分解;另一种是张量形式的共轭$\mathcal{L}$ -正交残差平方算法(TCORS),它在TBiCOR算法的残差中引入了平方算子。采用基于最近Kronecker积的预条件子对TBiCOR和TCORS算法进行加速,得到了预条件TBiCOR算法(PTBiCOR)和预条件TCORS算法(PTCORS).证明了所提出的算法在有限步迭代内是收敛的,且无圆整误差。几个例子表明,预处理TBiCOR和TCORS算法具有良好的收敛性。
2021-11-27 cs.NA math.NA
Rank Inspired Neural Network for solving linear partial differential equations
本文提出秩启发神经网络(RINN),通过协方差正则化预处理优化基函数正交性,结合线性最小二乘求解PDE,显著降低初始化敏感性并提升稳定性与精度。
2025-06-21 cs.NA math.NA
Preconditioned MHSS iterative algorithm and its accelerated method for solving complex Sylvester matrix equations
本文介绍并分析了一种预条件修正的厄米分裂和斜厄米分裂(PMHSS)。采用PMHSS迭代算法求解大型稀疏连续Sylvester方程,该算法基于非Hermitian、复、正定/半定、对称矩阵.我们证明了PMHSS在适当的条件下是收敛的。此外,我们还提出了一种由两个预处理矩阵和两个迭代参数α,\b{eta}组成的加速PMHSS方法.理论分析表明,加速PMHSS的收敛速度比PMHSS快。数值实验证明了这两种迭代算法的鲁棒性和有效性。
2020-12-26 cs.NA math.NA
Sparse spectral and p-finite element methods for partial differential equations on disk slices and trapeziums
求解偏微分方程的稀疏谱方法是近年来利用区间、圆盘和三角形上的经典正交多项式的级数而得到的。在这项工作中,我们将这种方法扩展到一个层次的非经典正交多项式的磁盘片(如半盘)和pixziums。这建立在这样的观察上,即由于边界由代数曲线定义,稀疏性得到保证,并且偏微分算子的条目可以使用(非经典)单变量正交多项式的公式来确定。我们应用该框架求解泊松方程、变系数亥姆霍兹方程和双调和方程。
2020-01-16 cs.NA math.NA
Structure-preserving Kernel-based methods for solving dissipative PDEs on surfaces
本文提出一种无网格结构保持Galerkin方法求解曲面耗散PDE,利用正定核生成逼近空间并采用平均向量场方法,通过Allen-Cahn方程验证了收敛性与结构保持性。
2024-12-18 cs.NA math.NA
Orthogonal polynomials on planar cubic curves
本文研究了三次曲线上的二元正交多项式,包括椭圆曲线的情形。对于定义在三次曲线上的关于适当权函数的积分,用两族单变量正交多项式构造了正交多项式的显式基.我们表明,这些正交多项式可以用来近似函数的立方和平方根奇异性,并证明其使用解决奇异解与微分方程。
2020-11-21 cs.NA math.CA math.NA
Solving generalized eigenvalue problems by ordinary differential equations on a quantum computer
在实际中出现的许多特征值问题通常具有广义形式$A\x=λB\x$。一个特别重要的情况是对称的,即$A, B$是埃尔米特的,而$B$是正定的。求解这类特征值问题的标准算法是将它们归结为厄米特特征值问题。在量子计算机中,量子相位估计是解决厄米特本征值问题的一种有效方法。在这项工作中,我们提出了一个新的量子算法的对称广义本征值问题使用常微分方程。该算法比基于量子相位估计的标准算法具有更低的复杂度。此外,它适用于比对称更广泛的情况:$B$是可逆的,$B^{-1}A$是对角化的,所有的特征值都是实数。
2021-10-19 cs.NA math.NA quant-ph
Structural Packing and Dyadic Factorization of Sparse Positive Definite Matrices
Institute of Mathematics, University of Wrocław(弗罗茨瓦夫大学数学研究所);Department of Statistics, Lund University(隆德大学统计系)
本研究将嵌套剖分重构为两阶段框架,提出基于ℓ₁准则的打包算法与二元结构化矩阵分解理论,实现了大型稀疏正定矩阵的高效求逆。
2026-09-01 cs.NA math.NA stat.CO