Structure-Preserving ΓQR and Γ-Lanczos Algorithms for Bethe-Salpeter Eigenvalue Problems
National Chiao Tung University(国立交通大学);Southeast University(东南大学)
本文提出两种高效算法,保持初始矩阵H的特殊结构,从而保持计算得到的特征值和特征向量的性质。理论和数值结果证明了算法的有效性。
2018-01-03 cs.NA math.NA
A Thick-Restart Lanczos algorithm with polynomial filtering for Hermitian eigenvalue problems
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);University of Minnesota, Twin Cities(明尼苏达大学双城分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
本文提出结合厚重启兰茨斯算法、消去技术与新多项式滤波器,用于高效计算实对称或复埃尔米特矩阵在指定区间内的全部特征值及特征向量。
2015-12-26 cs.NA math.NA
A Refined Harmonic Lanczos Bidiagonalization Method and an Implicitly Restarted Algorithm for Computing the Smallest Singular Triplets of Large Matrices
Tsinghua University(清华大学);Dalian University of Technology(大连理工大学)
针对调和Lanczos双对角化方法在计算大型矩阵最小奇异三元组时可能遗漏奇异值或收敛不稳定的问题,提出了一种改进的调和Lanczos双对角化方法,并开发了隐式重启算法,通过残差最小化提取最佳近似奇异向量,理论分析和数值实验表明新算法具有竞争力且更高效。
2009-06-12 cs.NA math.NA
Extending the eigCG algorithm to nonsymmetric Lanczos for linear systems with multiple right-hand sides
该技术是用来建立稀疏对称线性系统的EigCG算法扩展到非对称的情况下使用的BiCG算法。我们表明,类似于对称的情况下,我们可以建立一个算法,能够计算几个最小幅度的特征值和它们相应的左,右特征向量的非对称矩阵使用只有一个小窗口的BiCG残差,同时解决线性系统与该矩阵。对于多个右手边的系统,我们给出了一个算法,该算法在求解前几个系统的同时计算出更多的特征值,然后使用计算出的特征向量来压缩剩余系统的BiCGStab。我们的实验上的各种测试问题,包括格点量子色动力学,显示出显着的能力EigBiCG计算谱近似的准确性相媲美的unrestarted,非对称Lanczos。此外,我们的增量EigBiCG,然后适当地重新启动和放气BiCGStab为具有多个右侧的系统提供了一种有竞争力的方法。
2013-02-17 cs.NA hep-lat math.NA
A skew-symmetric Lanczos bidiagonalization method for computing several largest eigenpairs of a large skew-symmetric matrix
针对大型实斜对称矩阵极端特征对计算问题,提出基于谱分解与结构化SVD等价性的SSLBD方法,证明半正交/半双正交性的计算有效性,开发带部分重正交化的隐式重启算法,实验验证其有效性与效率。
2022-12-15 cs.NA math.NA
Filtered Rayleigh-Ritz is all you need
本研究指出Lanczos算法等效于Krylov子空间上的Rayleigh-Ritz方法,发现伪态滤波可保留噪声下的最优性,证明多种谱提取方法同属Prony-Ritz等价类,可简化Lanczos分析并提升数值稳定性。
2025-03-21 cs.NA hep-lat math.NA
Lanczos with compression for symmetric matrix Lyapunov equations
本文提出一种新型Krylov子空间基压缩策略,以解决Lanczos方法在求解病态对称矩阵Lyapunov方程时收敛慢、内存需求大的问题,在不阻碍收敛的前提下显著降低内存使用。
2025-05-28 cs.NA math.NA
A Lanczos-Stieltjes method for one-dimensional ridge function approximation and integration
University of Colorado Boulder(科罗拉多大学博尔德分校)
本文提出了一种用于一维ridge函数近似与积分的Lanczos-Stieltjes方法,通过重复卷积近似输入线性组合的单变量密度,并利用Lanczos-Stieltjes方法构造正交多项式和高斯求积公式来加速计算。
2019-05-10 cs.NA math.NA
Finite-Precision Symmetric Krylov Methods: Exact Rounding Examples, Block Paige Identities,and a Variable-Block Lanczos Model
本文研究有限精度下对称 Krylov 方法的数值分歧,通过精确舍入示例和块 Paige 恒等式,提出变块 Lanczos 模型,并给出精度界和收敛性分析。
2026-09-09 cs.NA math.NA
Mixed Precision $s$-step Lanczos and Conjugate Gradient Algorithms
与经典的Lanczos算法相比,$s$步Lanczos变体具有通过渐进地降低每次迭代的同步成本来提高性能的潜力。然而,这是有代价的。尽管在数学上是等效的,但已知$s$-步变体在有限精度中表现得非常不同,相对于经典算法,具有更大的精度损失和收敛速度降低的可能性。先前已经表明,在$s$步骤版本中发生的错误遵循与经典算法中的错误相同的结构,但是增加了取决于在每个外循环中计算的$O(s)-$维Krylov基的条件数的平方的放大因子。由于这些$s$-步碱基的条件数随$s$增长(在某些情况下非常快),这限制了可以选择的参数$s$,从而限制了可以实现的性能。在这项工作中,我们表明,如果选择几个计算在$s$-步骤Lanczos进行了两倍的工作精度,误差项,然后只依赖于线性条件的$s$-步骤基地。这有可能大大改善算法的数值行为,对每次迭代性能的影响很小。我们的数值实验表明,改进的数值行为可能与混合精度的方法,也表明,这种改进的行为扩展到$s$-步CG算法在混合精度。
2021-08-30 cs.NA math.NA
Low-memory Krylov subspace methods for optimal rational matrix function approximation
本文提出Lanczos-OR方法,利用稍大的Krylov子空间信息实现有理矩阵函数与向量乘积的最优逼近,并给出低内存实现,可推广至矩阵符号函数等计算,在几乎不增加计算开销的情况下提升逼近质量。
2023-05-31 cs.NA math.NA
A Posteriori Error Estimate for Computing $\mathrm{tr}(f(A))$ by Using the Lanczos Method
IBM Thomas J. Watson Research Center(IBM 托马斯·J·沃森研究中心);Department of Computer Science and Engineering, University of Minnesota(明尼苏达大学计算机科学与工程系)
本文提出利用兰茨方法计算对称正定矩阵A的tr(f(A))的后验误差估计,解决了收敛缓慢时的误差估计问题,并展示了其在大规模矩阵中的实用性。
2018-02-14 cs.NA math.NA
A Block Lanczos with Warm Start Technique for Accelerating Nuclear Norm Minimization Algorithms
Microsoft Research Asia(微软亚洲研究院);Zhejiang University(浙江大学)
提出块Lanczos热启动(BLWS)技术,利用前次迭代的主奇异子空间初始化块Lanczos过程以加速核范数最小化算法中的部分SVD计算,实验表明可加速2-3倍。
2010-12-26 cs.AI cs.NA math.NA
The Multi-Symplectic Lanczos Algorithm and Its Applications to Color Image Processing
原始样本的低秩近似在最近提出的许多数据科学数学模型中发挥着越来越重要的作用。一个自然的和初始的要求是这些表示继承原始的结构或属性。基于此目的,我们提出了一种新的基于Lanzcos双对角化的多辛算法来计算JRS-对称矩阵的部分奇异三元组。这些奇异三元组可以用来重建最佳的低秩近似,同时保持内在的多重对称性。增广Ritz向量和调和Ritz向量被用于执行隐式重新启动,以获得令人满意的双对角矩阵,用于分别计算$k$最大或最小奇异三元组。我们还将新的多辛Lanczos算法应用于彩色人脸识别和彩色视频压缩与重构。数值实验表明,他们的优越性比国家的最先进的算法。
2020-05-04 cs.DS cs.NA math.NA
Bootstrapped Block Lanczos for large-dimension eigenvalue problems
本文提出自举块Lanczos方法,利用截断空间中的近似特征向量构造初始枢轴块,大幅减少矩阵乘法次数,在核结构组态相互作用计算中实现最高十倍加速。
2022-10-27 cs.NA math.NA nucl-th
Block cross-interactive residual smoothing for Lanczos-type solvers for linear systems with multiple right-hand sides
Tokyo City University(东京城市大学);University of Tsukuba(筑波大学)
本文针对多右端项线性系统中Lanczos型求解器残差振荡和精度损失问题,提出块交叉交互残差平滑方法Bl-CIRS,并通过理论分析、数值实验和舍入误差分析验证其能有效改善收敛行为并减小残差间隙。
2024-12-27 cs.NA math.NA
A comparison of eigenvalue-based algorithms and the generalized Lanczos trust-region algorithm for Solving the trust-region subproblem
求解置信域子问题(TRS)在数值优化和许多其他应用中起着关键作用。基于一个基本的结果,解决TRS的大小$n$是数学上等价于找到一个特定的矩阵对大小$2n$的最右边的特征对,基于特征值的方法是有前途的,由于它们的简单性。对于$n$大的,隐式重新启动Arnoldi(IRA)和改进Arnoldi(IRRA)算法非常适合这个特征值问题。为了合理地比较直接求解TRS的算法和基于特征值的算法的整体效率,一个重要的前提是这两种算法必须以(几乎)相同的精度计算TRS的近似解,但文献中忽略了这个前提。为此,我们建立了两类残差范数之间的密切关系,从而在给定IRA和IRRA的停止容限的情况下,我们能够确定GLTR应该使用的可靠的停止容限,以确保GLTR和IRA,IRRA以相似的精度提供收敛的近似解。我们还对直接求解TRS的广义Lanczos置信域(GLTR)算法、等价特征值问题的Arnoldi方法和精化Arnoldi方法在剩余范数上的收敛性进行了分析。数值实验表明,IRA和IRRA与GLTR相比是有竞争力的,而IRRA优于IRA。
2021-02-19 cs.NA math.NA
Lanczos $τ$-method optimal algorithm in APS for approximating the mathematical functions
本文在APLAN语言的APS系统中构建了一种新程序,用于求解具有多项式系数和正则奇点的k阶线性微分方程初值问题,并基于Lanczos $\tau$-方法提出了最优算法,证明了初值问题解的存在性及k阶导数精度上的最优性。
2006-03-26 cs.MS cs.NA math.CA
Tensor regularization by truncated iteration: a comparison of some solution methods for large-scale linear discrete ill-posed problem with a t-product
本文描述并比较了用t-积求解线性离散不适定问题的几种保结构技术。提出了一种新的带t-乘积的随机张量奇异值分解(R-tSVD),用于低秩张量逼近.研究了线性反问题的截断张量特征值分解(T-tEVD)、截断tSVD(T-tSVD)、随机T-tSVD(RT-tSVD)、t-product Golub-Kahan双对角化(tGKB)和t-product Lanczos(t-Lanczos)过程的正则化.描述了一种基于重用tGKB过程生成的张量Krylov子空间的求解方法。正则化参数是每种方法所需的迭代次数。差异原理被用来确定这个参数。截断迭代的基础上的解决方案的方法进行了比较,结合吉洪诺夫正则化与tGKB和t-Lanczos过程的解决方案的方法。计算实例说明了这些方法的性能时,适用于图像和灰度视频转换。我们的新的RT-tSVD方法被认为是需要更少的CPU时间,并产生更高的质量比T-tSVD方法的简化。
2021-10-15 cs.NA math.NA
A Novel Skew-Hamiltonian Isotropic Lanczos Algorithm for Spectral Conformal Parameterizations
针对谱共形参数化中的广义特征值问题,提出一种基于斜哈密顿各向同性Lanczos算法的高效特征求解器,通过压缩消去技术消除核影响并避免重特征值干扰。
2013-10-24 cs.NA math.DG math.NA
Approximating the Exponential, the Lanczos Method and an \tilde{O}(m)-Time Spectral Algorithm for Balanced Separator
对于平衡分离器问题,我们给出了一个新的谱近似算法:给定图G,一个常数平衡\in(0,1/2],和一个参数γ,要么在G中找到一个电导为O(\sqrt(γ))的Ω(b)平衡割,要么输出一个证明,证明G中所有的b平衡割都至少有γ的电导,并在时间上运行\tilde{O}(m).这就解决了平衡分离器的渐近最优谱算法的设计问题。我们的算法依赖于一个变种的热核随机游走,并要求,作为一个子程序,一个算法来计算\exp(-L)v,其中L是拉普拉斯算子的图有关G和v是一个向量。计算矩阵指数向量积的算法有效地构成了我们的下一组结果。我们在这里的主要结果是一种新算法,该算法针对一类PSD矩阵A和给定向量u计算\exp(-A)v的良好逼近,在时间上大致为\tilde{O}(m_A),其中m_A是A的非零条目的数量。这以非平凡的方式使用Spielman和Teng关于在\tilde{O}(m_A)时间内反转SDD矩阵的结果。最后,我们证明了e^{-x}可以在一个非负区间[a,b]中用一个近似为\sqrt{b-a}的多项式一致逼近到一个小的加性误差。虽然这一结果是独立的近似理论的兴趣,我们表明,通过Lanczos方法从数值分析,它产生一个简单的算法来计算\exp(-A)v的PSD矩阵,运行时间约为O(t_A \sqrt{||A||}),其中t_A是所需的时间为给定的矢量w的矢量Aw的计算。作为应用,我们得到了按时…
2011-11-07 cs.DS cs.NA math.CA
The joint bidiagonalization method for large GSVD computations in finite precision
提出三种计算大型矩阵对近似广义奇异值的方法,通过数值分析建立JBD过程与Lanczos双对角化的关系,证明半正交化策略即可保证精度,并建立残差范数尖锐界。
2022-01-04 cs.NA math.NA
Error norm estimates for the block conjugate gradient algorithm
该研究将共轭梯度算法误差A-范数估计的核心公式推广到块情形,推导块CG变体、块求积规则及误差上下界,通过数值实验验证了界的实际表现。
2025-02-20 cs.NA math.NA
A Krylov projection algorithm for large symmetric matrices with dense spectra
针对具有密集谱的大型对称正定矩阵及MIMO传递函数计算问题,提出自适应Kreĭn-Nudelman扩展的块Lanczos算法,以$o(n)$成本加速近似,数值结果验证其对无界域LTI PDE离散化的有效性。
2025-04-17 cs.NA math.NA
Krylov and core transformation algorithms for an inverse eigenvalue problem to compute recurrences of multiple orthogonal polynomials
KU Leuven(荷语鲁汶大学)
本文提出两种算法用于计算多重正交多项式递推系数,基于Krylov子空间和高斯消元,并通过实验验证其准确性和稳定性。
2026-03-04 cs.NA math.NA
Double precision is not necessary for LSQR for solving discrete linear ill-posed problems
本文研究了在LSQR算法中利用单精度计算求解离散线性不适定问题的可能性,证明在温和条件下其最耗时部分可使用单精度且不损失精度,从而显著提升算法性能。
2024-02-12 cs.NA math.NA
On the computation of recurrence coefficients for univariate orthogonal polynomials
与具有有限矩的实直线上的有限测度相关联的是关于该测度的正交多项式的三项公式中的递归系数。这些递归系数经常是现代计算工具的输入,这些计算工具有助于评估和操作关于测量的多项式,并且这些任务是数值逼近和求积的基础。虽然经典测度的递归系数是明确已知的,但非经典测度的递归系数通常必须进行数值计算。我们调查和审查现有的方法来计算这些单变量正交多项式家庭的递归系数,并提出了一种新的“预测-校正”算法的一般类的连续措施。我们结合预测-校正计划与稳定的Lanczos程序的一个新的混合算法,计算递归系数的一个相当广泛的一类措施,可以有连续和离散的部分。我们评估新算法对现有方法的准确性和效率。
2021-01-29 cs.NA math.NA
An algorithm to exactly compute minimal upper bounds in the Loewner order
Mount Royal University(皇家山大学);American University of Sharjah(沙迦美国大学)
提出一种迭代算法,能在最多n次迭代内精确计算任意有限个n×n Hermitian矩阵在Loewner序下的最小上界,并给出Python实现。
2026-06-17 cs.NA math.FA math.NA