Blockwise inversion and algorithms for inverting large partitioned matrices
本文利用分块矩阵求逆技术,提出了处理大型分块矩阵求逆的并行算法,通过优化内存处理与中间乘法提升效率,并使用C语言和OpenMP实现,展示了其性能与优势。
2023-11-20 cs.NA hep-ex hep-ph
Inverting the sum of two singular matrices
针对两个奇异矩阵之和 $\widetilde{\mathbf{A}}=\mathbf{A}+\mathbf{e}D\mathbf{f}^*$,论文在秩与可逆性条件下给出两种显式求逆公式,并导出奇异矩阵的行列式引理。
2024-04-05 cs.NA math.NA math.RA
Inverting the discrete curl operator: a novel graph algorithm to find a vector potential of a given vector field
我们提供了一个新的框架来计算任意多面体网格上给定离散向量场的离散向量势。该框架利用了非循环匹配的概念,离散莫尔斯理论的核心组合工具。我们引入了完全非循环匹配的新概念,并证明了它们给出了相同的高斯消去法的最终结果。基本上,而不是做昂贵的行和列操作的稀疏矩阵,我们计算等价的廉价组合操作,保持底层的稀疏结构。目前,文献中提出的最有效的算法来寻找离散向量势利用树-余树技术。我们表明,他们计算一种特殊类型的完全无环匹配。此外,我们证明了计算它们的问题等价于决定给定网格是否具有拓扑性质的问题。这一事实给出了一个拓扑表征著名的终止问题的树cotree技术。我们提出了一种新的递归算法来计算离散矢量势。它通过对$1$ -链和$2$ -链进行与非循环匹配相关的基本高斯运算,直接作用于它们的基元素。然而,主要的新颖之处在于它可以递归地应用。事实上,递归过程允许我们转移标准树-余树技术的终止问题。我们测试了算法与已知的拓扑障碍病理三角剖分。在所有测试的问题中,我们观察到线性计算复杂性作为网格步长的函数。此外,该算法是纯粹基于图的,因此它是直接实现的,不需要专门的外部过程。我们相信,我们的框架可以提供新的视角,稀疏矩阵计算。
2021-11-08 cs.NA math.NA
Randomized Quasi-Newton Updates are Linearly Convergent Matrix Inversion Algorithms
我们开发和分析了一个广泛的家庭的随机/随机化算法的矩阵求逆。我们还开发了专门的变种保持对称性或正定性的迭代。该家族中的所有方法都全局收敛和线性收敛(即,误差以指数方式衰减)。在特殊情况下,我们得到了几个拟牛顿更新的随机块变体,包括坏Broyden(BB),好Broyden(GB),Powell-symmetric-Broyden(PSB),Davidon-Fletcher-Powell(DFP)和Broyden-Fletcher-Goldfarb-Shanno(BFGS)。我们的是这些更新的第一个随机版本,收敛到一个固定矩阵的逆。通过一个对偶的观点,我们揭示了拟牛顿更新和近似逆预处理之间的基本联系。此外,我们开发了一个自适应的随机块BFGS的变体,在那里我们修改的分布的随机性的方法在整个迭代过程中,以实现更快的收敛。通过对不同应用中的几个矩阵进行反演,我们证明了AdaRBFGS与成熟的Newton-Schulz和最小残差方法相比具有很强的竞争力。特别是,在大规模的问题,我们的方法优于标准方法的数量级。在大数据时代到来之际,发展有效的方法来估计超大矩阵的逆是预处理和变尺度最优化方法所急需的工具。
2016-03-23 cs.NA math.NA
Inverting Nonlinear Dimensionality Reduction with Scale-Free Radial Basis Function Interpolation
从数据集计算的非线性降维嵌入不提供计算逆映射的机制。在本文中,我们解决的问题,计算一个稳定的逆映射这样的一般bi-Lipschitz映射。我们的方法依赖于径向基函数(RBFs)插值逆映射的低维图像上的正向映射的任何地方。我们证明了无标度立方RBF核比高斯核的性能更好:它不会受到病态,不需要选择的规模。所提出的构造被证明是类似于对称归一化图拉普拉斯矩阵的特征向量的Nyström扩展。基于这一观察,我们提供了一个新的解释Nyström扩展的改进建议。
2013-11-05 cs.NA math.NA physics.data-an
Fast and Stable Pascal Matrix Algorithms
University of Maryland, College Park(马里兰大学帕克分校)
本文提出一种快速稳定的帕斯卡矩阵乘法与求逆算法,时间复杂度为O(n log²n),基于德卡斯特里奥算法,改进了不稳定的快速傅里叶变换方法。
2017-11-22 cs.NA math.NA
Generalized Rybicki Press algorithm
本文讨论了一个更一般的和数值稳定的Rybicki Press算法,它能够求逆和计算协方差阵的行列式,其元素是指数和。该算法是正确的,在精确的算术和依赖于引入新的变量和相应的方程,从而转换成一个带状矩阵的更大的大小。用于求解线性系和计算较大矩阵上的行列式的线性复杂度带状算法也使初始半可分矩阵的线性复杂度算法成为可能。提供的基准说明了算法的线性缩放。
2015-05-02 cs.DS cs.NA math.NA
Transformations of Matrix Structures Work Again
Lehman College of the City University of New York(纽约市立大学莱曼学院);The Graduate Center of the City University of New York(纽约市立大学研究生院)
本文重新审视并推广了1989年提出的通过Vandermonde和Hankel乘子互变Toeplitz、Hankel、Vandermonde和Cauchy型矩阵结构的方法,以实现近线性时间内的数值稳定算法,包括多项式多点求值和插值。
2013-03-02 cs.NA math.NA
Secure Linear MDS Coded Matrix Inversion
在许多科学领域中,求大型满秩矩阵的逆是一项繁琐的运算。在本文中,我们提出了一个编码计算方法恢复矩阵逆近似。我们首先提出了一个近似矩阵求逆算法,它不需要矩阵分解,但使用黑盒最小二乘优化求解器作为子程序,给出一个真正的满秩矩阵的逆的估计。然后,我们提出了一个分布式框架,我们的算法可以实现,并展示了我们如何利用稀疏平衡MDS生成矩阵设计矩阵求逆编码计算方案。我们专注于平衡的里德-所罗门码,这是最佳的计算负载方面,从工人到主服务器的通信。我们还讨论了我们的算法可以用来计算一个满秩矩阵的伪逆,以及如何从窃听者的通信是安全的。
2022-12-20 cs.CR cs.IT cs.NA
Entrywise Approximation for Matrix Inversion and Linear Systems
MIT(麻省理工学院)
该研究针对对角占优矩阵的逐元素近似求逆与线性系统求解问题,提出了浮点和定点输入下的多种算法,在比特复杂度上取得了优于现有方法的结果,且浮点三次算法在APSP猜想下达到最优。
2025-10-22 cs.DS cs.NA math.NA
Straggler Robust Distributed Matrix Inverse Approximation
数值分析和线性代数、优化、机器学习和工程算法中的一种繁琐操作;是对出现在各种过程和应用中的大型满秩矩阵求逆。这具有数值稳定性和复杂性问题,以及高预期计算时间。我们解决后一个问题,提出了一种算法,它使用一个黑盒最小二乘优化求解器作为子程序,给一个估计的逆(和伪逆)的真实非奇异矩阵,通过估计其列。这也赋予了它以分布式方式执行的灵活性,因此可以更快地获得估计,并且可以使其对\textit{stragglers}具有鲁棒性。此外,我们假设一个集中式网络,在计算节点之间没有消息传递,并且不需要矩阵分解;例如LU,SVD或QR分解。
2022-06-22 cs.IT cs.NA math.IT
A fast low-rank inversion algorithm of dielectric matrix in GW approximation
Fudan University(复旦大学);University of Science and Technology of China(中国科学技术大学)
本研究提出结合ISDF算法与SMW公式的低秩求逆策略,用于GW近似下的介电矩阵求逆,在保证精度的同时大幅提升计算速度,推动GW方法的高效应用。
2024-06-12 cs.NA math.NA
Combinatorial and Recurrent Approaches for Efficient Matrix Inversion: Sub-cubic algorithms leveraging Fast Matrix products
Khalifa University of Science and Technology(Khalifa大学科学与技术);Emirates Nuclear Technology Center (ENTC), Khalifa University of Science and Technology (KU)(阿联酋核技术中心(ENTC),Khalifa大学)
本文提出基于组合与递归方法的高效矩阵求逆算法,利用快速矩阵乘法实现亚立方复杂度,提升并行计算效率。
2023-07-14 cs.NA math.CO math.NA
Solving Sparse Linear Systems Faster than Matrix Multiplication
线性方程组能比矩阵乘法更快求解吗?虽然对于图结构线性系统的特殊情况已经有了显著的进展,但是在一般设置中,求解$n \times n$线性系统$Ax=b$的位复杂度是$\tilde{O}(n^ω)$,其中$ω< 2.372864$是矩阵乘法指数。即使对于具有多$(n)$条件数的稀疏线性系统,改进这一点也是一个开放的问题。在本文中,我们提出了一个算法,解决稀疏矩阵的线性系统渐近快于矩阵乘法的任何$ω> 2$。这种加速适用于具有$o(n^{ω-1}/\log(κ(A)))$非零的任何输入矩阵$A$,其中$κ(A)$是$A$的条件数。对于具有$\tilde{O}(n)$非零值的多$(n)$条件矩阵,以及$ω$的当前值,我们的算法在任何$1/\text{poly}(n)$误差内求解的位复杂度为$O(n^{2.331645})$。我们的算法可以被看作是一个有效的,随机执行块Krylov方法通过递归低位移秩分解。它的灵感来自于[Eberly et al. ISSAC `06 `07]的算法,用于有限域上的逆矩阵。在我们的数值稳定性分析中,我们发展了矩阵反集中技术来限制半随机矩阵的最小特征值和特征值中的最小间隙。
2021-01-07 cs.DS cs.NA math.NA
Transformations of Matrix Structures Work Again II
Lehman College of the City University of New York(纽约市立大学莱曼学院);The Graduate Center of the City University of New York(纽约市立大学研究生院)
本文研究了Toeplitz、Hankel、Vandermonde和Cauchy类型矩阵结构的变换性质,提出通过变换扩展算法以解决不同类矩阵的逆问题,并展示了该方法在提升计算效率方面的应用。
2013-11-15 cs.NA math.NA
Laplace transform based quantum eigenvalue transformation via linear combination of Hamiltonian simulation
提出一种基于拉普拉斯变换的量子特征值变换算法,扩展LCHS方法以处理矩阵逆的幂和指数,无需显式求逆矩阵,降低计算复杂度。
2024-11-06 cs.NA math.NA quant-ph
A Quadratic-Time Algorithm for General Multivariate Polynomial Interpolation
TU Dresden(德累斯顿工业大学);Max Planck Institute of Molecular Cell Biology and Genetics, Dresden(德累斯顿马克斯·普朗克细胞生物学与遗传学研究所)
本文提出一种通用多元多项式插值算法,通过递归分解问题,以O(N(m,n)^2)时间复杂度在O(mN(m,n))存储下求解插值多项式,无需求逆Vandermonde矩阵,提高了计算效率和数值稳定性。
2017-10-30 cs.NA math.NA