A thick-restart Lanczos type method for Hermitian $J$-symmetric eigenvalue problems
针对Hermitian $J$ -对称矩阵提出了一种厚重启动Lanczos型算法.由于Hermitian $J$ -对称矩阵具有双重退化谱或双重重特征值,且退化特征向量之间具有简单的关系,我们可以通过将Krylov子空间的搜索空间限制在由每对退化特征向量对中的一个构成的搜索空间来改善Lanczos算法的收敛性.我们表明,Lanczos迭代是兼容的$J$ -对称性,使子空间可以分为两个子空间是相互正交的。该算法在两个子空间中的一个子空间中搜索特征向量,而不需要重数。与它们配对的其他特征向量可以通过$J$ -对称性的简单关系容易地重构。我们测试我们的算法随机生成的小密集矩阵和稀疏的大矩阵源自量子场论。
2020-09-11 cs.NA hep-lat math.NA
Regularized Reduced Order Lippman-Schwinger-Lanczos Method for Inverse Scattering Problems in the Frequency Domain
本文提出一种基于预解算子近似的鲁棒直接降阶模型方法,通过双层正则化的Lippmann-Schwinger-Lanczos算法求解频域逆散射问题,并在含噪和大规模数据下实现了良好的重建。
2023-11-27 cs.NA math.NA
Efficient Computation of Dominant Eigenvalues Using Adaptive Block Lanczos with Chebyshev Filtering
本文提出一种结合自适应块Lanczos与Chebyshev多项式过滤的高效方法,用于计算大型非对称可对角化矩阵的主特征值,通过SVD稳定化和迭代过滤提升数值稳定性,实验验证了其有效性。
2025-08-11 cs.NA math.NA
A Range-Deflated Stochastic Lanczos Quadrature Method for Large-Scale Log-Determinant Estimation
The University of Dodoma(多多马大学);African Institute for Mathematical Sciences, Research and Innovation Centre(非洲数学科学研究所研究与创新中心);Western Norway University of Applied Sciences(挪威西部应用科学大学);University of Cape Town(开普敦大学)
提出两种高效大规模对数行列式估计方法:OSA-IOP和OSLQ,分别结合不完全正交化与随机Hutch++算法、Lanczos求积与受控正交化,理论推导误差界,实验验证精度与可扩展性。
2026-10-07 cs.NA math.NA
Adapting the Lanczos algorithm to matrices with almost continuous spectra
Uppsala Universitet(乌普萨拉大学);Worcester Polytechnic Institute(伍斯特理工学院);Southern Methodist University(南卫理公会大学)
本文提出了一种基于Kreĭn--Nudelman谱的改进Lanczos算法,用于处理具有连续谱的大规模矩阵问题,显著提升了波传播计算的精度。
2026-09-09 cs.NA math.NA
Estimation of spectral gaps for sparse symmetric matrices
本文提出一种结合 Hutchinson 随机迹估计与 Lanczos 算法的稀疏对称矩阵谱间隙识别方法,通过误差界确定所需样本与迭代次数,并证明单样本向量策略最优,实验验证其高效可靠。
2025-09-08 cs.NA math.NA
A low-memory Lanczos method with rational Krylov compression for matrix functions
本研究提出一种结合有理Lanczos算法与基于有理Krylov子空间基压缩的低内存方法,用于计算厄米矩阵函数对向量的作用,可大幅降低内存需求,误差可忽略,性能具竞争力。
2024-03-07 cs.NA math.NA
When Lanczos Iterations Generate Symmetric Quadrature Nodes?
研究二次型对称求积节点的存在条件,推导充分条件并应用于估计Estrada指数。
2025-02-03 cs.NA math.NA
Superlinear Convergence of Randomized Block Lanczos Algorithm
UC Berkeley(加州大学伯克利分校)
本文研究了随机块兰茨科斯算法的收敛性,提出统一的奇异值收敛分析,证明在特定谱条件下收敛速度为超线性,并通过数值实验验证了分析结果。
2018-08-20 cs.NA math.NA
A structure preserving Lanczos algorithm for computing the optical absorption spectrum
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);University of California, Berkeley(加州大学伯克利分校);NERSC(国家超级计算应用中心)
本文提出一种保持结构的Lanczos算法,用于在不使用Tamm-Dancoff近似的情况下近似光学吸收光谱,通过利用Bethe-Salpeter哈密顿矩阵的特殊块结构,结合通用平均高斯求积技术加速收敛。
2017-09-05 cs.NA math.NA physics.comp-ph
On finite precision block Lanczos computations
本文将Greenbaum关于有限精度Lanczos算法的数学模型推广到分块Lanczos算法,通过构造扰动完成延拓过程,推导了保证扰动较小的充分条件,并用数值实验验证了理论结果。
2025-07-22 cs.NA math.NA
Block Lanczos algorithm for lattice QCD spectroscopy and matrix elements
本文将基于兰佐斯算法和Cullum-Willoughby检验的关联函数分析框架扩展到格点QCD多插值算子关联函数矩阵,提出块兰佐斯算法的斜向推广及检验重构,较GEVP方法收敛更快、误差可控,无需拟合并完成原理验证。
2025-08-21 cs.NA hep-lat hep-ph
Compression of unitary rank--structured matrices to CMV-like shape with an application to polynomial rootfinding
Università di Pisa(比萨大学)
本文提出了一种将单位ary矩阵压缩为CMV-like形状的Lanczos型算法,并讨论其在多项式根寻找中的应用。
2013-07-08 cs.NA math.NA
A block MINRES algorithm based on the banded Lanczos method
提出了一种求解对称不定矩阵的分块最小残差(MINRES)算法.这个版本是建立在带Lanczos方法,产生一个基向量的块Krylov子空间每次迭代,而不是在块Lanczos过程中的整个块。然而,我们修改了方法,使得最昂贵的操作仍然以块的方式执行。使用带Lanczos方法的好处是,可以从计算中产生的标量值检测故障,从而可以直接实现故障的处理。我们推导出一个渐进的制定的MINRES方法的基础上带Lanczos过程,并给出了一些实施细节。具体来说,对步骤进行简单的重新排序使我们能够在块级别执行许多操作,以利用块Lanczos过程提供的通信效率。这是下一代超级计算应用程序中的一个重要问题。我们还提出了一种技术,使我们能够保持块的大小,通过替换依赖的Lanczos向量与预生成的随机向量,其对所有Lanczos向量的正交性保持。数值结果说明了一些样本问题的性能。我们目前的实验表明,右手边之间的关系可以影响该方法的性能。
2014-05-13 cs.MS 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
Gradients of Functions of Large Matrices
Technical University of Denmark(丹麦技术大学)
本文推导Lanczos与Arnoldi迭代的伴随系统并在JAX中实现,首次实现大型矩阵函数的高效可微计算,在PDE、Gaussian过程和Bayesian神经网络任务中达到或超过现有方法。
2024-10-24 cs.LG cs.NA math.NA
On the Approximation of Functionals of Very Large Hermitian Matrices represented as Matrix Product Operators
Technical University of Munich(慕尼黑工业大学);Max Planck Institute for Quantum Optics(马克斯·普朗克量子光学研究所)
本文提出了一种方法,用于近似非常高维Hermitian矩阵A作为矩阵积算符(MPO)表示的功能Tr f(A)。该方法基于块Lanczos算法的重新表述,以张量网络格式进行。我们阐述了该方法的主要性质,并展示了如何将基本Lanczos算法适应到张量网络形式中,以允许高维计算。此外,我们分析了该方法的复杂性,并提供了数值证据,证明该方法能够有效地近似由MPO表示的密度矩阵的熵,并且在截断时具有鲁棒性。
2016-10-19 cs.NA math.NA quant-ph
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
New Recurrence Relationships between Orthogonal Polynomials which Lead to New Lanczos-type Algorithms
University of Peshawar(白沙瓦大学);University of Essex(埃塞克斯大学)
本文研究了正交多项式递推关系与Lanczos型算法的关系,探讨了新的递推关系及其组合对算法的影响。
2014-03-03 cs.NA math.NA
Fast and Stable Gradient Approximation for Quadratic Forms of Hermitian Matrix Functions
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文提出一种快速且稳定的双线性形式梯度近似方法,利用Lanczos过程并减少计算开销,其误差与Lanczos残差范数成正比,且在测试中表现出无条件稳定性。
2026-11-10 cs.NA math.NA
Stability of the Lanczos Method for Matrix Function Approximation
本文证明了Lanczos方法在有限精度下计算矩阵函数近似时仍能匹配精确算术保证,并指出对于 $A^{-1}$,Greenbaum的有限精度界限在特定矩阵上不如本文结果。
2024-11-18 cs.DS cs.NA math.NA
Accurate Density of States Estimation: A Comparative Study
Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
本研究通过比较多种方法,提出利用累积态密度的单调分段三次插值(中点样条)来高效准确估计大型稀疏矩阵的态密度,该方法无需固定带宽高斯平滑,且能以较少矩阵-向量乘积获得高精度结果。
2026-09-29 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
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
Universality for the conjugate gradient and MINRES algorithms on sample covariance matrices
给出了求解线性系的两种Krylov子空间方法的概率分析。我们证明了一个中心极限定理的范数的残差向量的共轭梯度和MINRES算法时,适用于广泛的一类样本协方差阵满足一些标准的时刻条件。证明涉及建立一个四矩定理的所谓的谱测度,这意味着,特别是,普遍性的矩阵所产生的Lanczos迭代。中心极限定理则意味着一个几乎确定的迭代计数的迭代法的问题。
2020-07-01 cs.NA math.NA math.PR
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
Block CG algorithms revisited
该研究阐明了块Lanczos与块共轭梯度(BCG)算法的一一对应关系,讨论了可应对秩缺陷的Dubrulle型BCG变体并融入预处理与Lanczos系数计算,通过数值结果验证性能,为有限精度计算的算法选型提供参考。
2025-02-24 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
The Lanczos Algorithm Under Few Iterations: Concentration and Location of the Output
研究了初始向量从$\mathbb{S}^{n-1}$中均匀采样的Lanczos算法。设$A$是一个$n \times n$厄米特矩阵。我们表明,当运行几次迭代,输出的Lanczos $A$几乎是确定性的。更确切地说,我们表明,对于任何$ \varepsilon \in (0, 1)$存在$c >0$只依赖于$\varepsilon$和$A$的频谱的某些全局属性(特别是,不依赖于$n$),使得当Lanczos运行在最多$c \log n$迭代,输出雅可比系数偏离其中位数$t$的概率最多$\exp(-n^\varepsilon t^2)$为$t<\Vert A \Vert$。对于Ritz值和向量,我们直接得到了类似的结果。我们的技术也产生渐近的结果:假设一个运行Lanczos的厄米特矩阵序列$A_n \in M_n(\mathbb{C})$,其谱分布收敛于Kolmogorov距离的速度$O(n^{-\varepsilon})$的密度$μ$的一些$\varepsilon > 0$。然后,我们表明,足够大的$n$,和$k=O(\sqrt{\log n})$,$k$迭代后输出的雅可比系数集中在那些$μ$。的渐近设置是相关的,因为Lanczos经常被用来近似的谱密度的一个无限维算子的雅可比系数的方式,我们的结果提供了一些理论依据,这种方法。在一个不同的方向,我们表明,Lanczos失败的概率很…
2020-09-05 cs.DS cs.NA math.FA
Fast computation of spectral densities for generalized eigenvalue problems
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室)
本文提出两种方法高效估计Hermitian矩阵 pencil (A,B) 的谱密度,通过Chebyshev多项式逼近技术避免直接分解,证明Lanczos方法收敛速度是KPM的两倍,并展示如何利用谱密度分割谱区间。
2017-06-20 cs.NA math.NA
Spectrum-Adapted Polynomial Approximation for Matrix Functions
IBM
本文提出两种新方法近似大稀疏Hermitian矩阵A的函数f(A)b,通过估计谱密度并寻找高阶多项式更精确逼近函数f,相比Lanczos和截断Chebyshev方法,在低阶多项式下更准确,适用于具有大量不同内部特征值和小谱宽度的矩阵。
2018-08-28 cs.NA math.NA
When is a matrix unitary or Hermitian plus low rank?
Hermitian矩阵和酉矩阵是正规矩阵的两个代表,它们的全特征值分解可以在二次计算复杂度下稳定地计算。近年来,人们提出了一种快速、可靠的特征值求解器来处理酉矩阵和埃尔米特矩阵的低秩扰动。这些结构化的本征值问题在通过联合线性化计算多项式的根时自然出现,例如,单项或切比雪夫基。然而,通常事先并不知道矩阵是否可以写成厄米矩阵或酉矩阵加上低秩扰动的和。本文给出了一类厄米特或酉加低秩矩阵的充要条件。偏离1的奇异值的数量决定了使矩阵变为酉形式的扰动的秩。类似的条件适用于埃尔米特矩阵;不同于0的斜埃尔米特部分的特征值决定了扰动的秩。我们证明,这些关系是通过凯莱变换。基于这些条件,我们能够在Frobenius范数和谱范数下识别出最接近的Hermitian矩阵和酉加低秩矩阵,并给出了一种实用的Lanczos迭代法来检测低秩扰动。数值试验证明了该算法对噪声具有较强的鲁棒性。
2019-07-25 cs.NA math.NA
Fast Hessenberg reduction of some rank structured matrices
Università di Pisa(比萨大学);KU Leuven(荷语鲁汶大学)
本文提出两种快速算法,用于约简结构矩阵A=D+UV^H,通过两阶段方法和消去亚对角线,实现O(n²k)复杂度的高效约简。
2016-12-13 cs.NA math.NA
Efficient Decomposition-Based Algorithms for $\ell_1$-Regularized Inverse Problems with Column-Orthogonal and Kronecker Product Matrices
本文针对具有Kronecker积结构的ℓ1正则化反问题,提出利用广义奇异值分解构造联合分解,并将其集成到Split Bregman和Majorization-Minimization方法中,同时证明列正交情形下可直接由系统矩阵奇异值分解导出联合分解,从而高效处理图像去模糊问题。
2024-09-02 cs.NA math.NA
Detecting when one probe vector is enough for preconditioned log-determinant approximation
University of Pisa(比萨大学);Scuola Normale Superiore di Pisa(比萨高等师范学院)
本文提出了一种基于预条件和随机迹估计的算法,用于高效估计正则化对称半正定矩阵的对数行列式,并通过实验验证其有效性。
2026-02-19 cs.NA math.NA
An Efficient Approach for Computing Optimal Low-Rank Regularized Inverse Matrices
用于计算不适定逆问题的解的标准正则化方法需要了解正演模型。在许多现实应用中,前向模型是未知的,但训练数据很容易获得。在本文中,我们开发了一个新的框架,使用训练数据作为前向模型知识的替代品,直接计算最佳低秩正则化逆矩阵,从而可以非常快速地计算正则化解。我们考虑一个基于贝叶斯和经验贝叶斯风险最小化的统计框架来分析问题的理论性质。我们提出了一种有效的秩更新方法来计算各种误差测量的最佳低秩正则逆矩阵。数值实验表明,我们的方法在信号和图像处理的问题的好处和潜在的应用。
2014-04-06 cs.NA math.NA