非线性特征值问题的二次近似方法

本文研究求解非线性特征值问题的数值方法.基于矩阵值函数的二次近似,将非线性特征值问题转化为二次特征值问题,提出了求解非线性特征值问题的逐次二次近似方法,分析了该方法的收敛性.结合求解二次特征值问题的Arnoldi方法和Jacobi-Davidson方法,给出求解非线性特征值问题的一些二次近似方法.数值结果表明本文所给算法是有效的.     

解大规模矩阵特征问题的复合正交投影方法 *

对于求解大规模矩阵特征问题的经典正交投影类方法 ,当矩阵非Hermite时 ,Ritz向量收敛比Ritz值收敛要困难得多 .已有一类新的精化正交投影类方法 ,它们用精化的近似特征向量取代标准的Ritz向量来逼近所求的特征向量 .证明了在某种意义下 ,每个精化方法是两个经典方法的复合 ,精化近似特征向量满足某个Her mite半正定矩阵在同一个子空间上的经典正交投影 ,进而 ,用特征向量到子空间的距离建立了精化近似特征向量的先验误差界 .结果表明 ,精化的近似特征向量和对应的Ritz值收敛的充分条件相同 .     

Jacobi-Davidson方法中的修正方程和对应的精化方法

Jacobi-Davidson方法的核心之一是求解用以合理扩展投影子空间的线性修正方程组,众多文献均认为该方程是自然有解的.本文详细研究了修正方程,证明它可能无解,并给出了解存在的条件.同时,为克服近似特征向量的可能不收敛性,提出了精化的Jacobi-Davidson方法,建立了对应的修正方程.     

陀螺系统特征值问题的收缩Jacobi-Davidson方法

本文研究陀螺系统特征值问题的Jacobi-Davidson方法. 利用陀螺系统的结构性质,给出了求解Jacobi-Davidson方法中校正方程的有效方法. 基于非等价低秩收缩技术,给出了计算陀螺系统一些特征值的收缩Jacobi-Davidson方法. 数值结果表明本文所给算法是有效的.     

几个Ritz迭代的收敛性

1.大稀疏对称特征值问题的解法中有一类方法是构造一个子空间序列,逐次逼近某些特征向量张成的不变子空间,并用子空间上的Ritz值和Ritz向量逼近原问题特征值和特征向量。同时迭代法,Lanczos法,和块Lanczos法等就都是这样。它们     

计算最小奇异组的一个精化调和 Lanczos双对角化方法

在很多实际应用中需要计算大规模矩阵的若干个最小奇异组.调和投影方法是计算内部特征对的常用方法,其原理可用于求解大规模奇异值分解问题.本文证明了,当投影空间足够好时,该方法得到的近似奇异值收敛,但近似奇异向量可能收敛很慢甚至不收敛.根据第二作者近年来提出的精化投影方法的原理,本文提出一种精化的调和Lanczos双对角化方法,证明了它的收敛性.然后将该方法与Sorensen提出的隐式重新启动技术相结合,开发出隐式重新启动的调和Lanczos双对角化算法(IRHLB)和隐式重新启动的精化调和Lanczos双对角化算法(IRRHLB).位移的合理选取是算法成功的关键之一,本文对精化算法提出了一种新的位移策略,称之为"精化调和位移".理论分析表明,精化调和位移比IRHLB中所用的调和位移要好,且可以廉价可靠地计算出来.数值实验表明,IRRHLB比IRHLB要显著优越,而且比目前常用的隐式重新启动的Lanczos双对角化方法(IRLB)和精化算法IRRLB更有效.     

一种求解鞍点问题的广义对称超松弛迭代法

本文研究了鞍点问题的迭代算法.利用新的待定参数加速迭代格式并结合SSOR分裂的方法,获得了有两个参数的广义对称超松弛迭代法及其收敛性条件.数值例子表明选择适当的参数值可以提高算法的收敛效率,推广和改进了SOR-like迭代法.     

关于鞍点问题的广义预处理HSS-SOR交替分裂迭代方法

本文研究了鞍点问题的迭代法. 在白中治,Golub和潘建瑜提出的预处理对称/反对称分裂（PHSS）迭代法的基础上,通过结合GSOR迭代格式,利用两个参数加速,提出了一种广义预处理HSS-SOR交替分裂迭代法,并研究了该方法的收敛性.数值结果表明本文所给方法是有效的.     

关于解极大相关问题P-SOR算法的收敛性

对求解极大相关问题的P-SOR方法的收敛性做了进一步研究.得到了一些新的收敛条件.为了提高收敛到全局最大解的可能性,提出了一种新的初始向量选择策略.给出了P-SOR算法的对称形式(P-SSOR).还给出了一种算法精化策略.最后,用数值例子说明新方法的有效性.     

非精确Rayleigh商迭代和非精确的简化Jacobi-Davidson方法的收敛性分析

非精确的Rayleigh商迭代被用于计算大型Hermite矩阵的最小特征值和对应的特征向量. 已有文献证明了方法二次收敛. 解决了两个问题: 第一, 证明文献中的原条件不能保证方法二次收敛和收敛到所要求的特征对,更糟的是, 方法可能会错误收敛到其他不要求的特征对. 给出了方法二次收敛的新条件, 称之为一致正条件. 证明在此条件下, 非精确的Rayleigh商迭代可以克服错误收敛的问题,且保证二次收敛到要求的特征值和特征向量. 第二, 不带子空间加速的Jacobi-Davidson~(JD)方法是求解该问题的另一种方法, 给出关于非精确的Jacobi-Davidson方法线性收敛的新证明, 得到一个更紧致的界. 所得的所有理论结果都用数值实验做了验证和分析.     

On the convergence of Ritz pairs and refined Ritz vectors for quadratic eigenvalue problems

For a given subspace, the Rayleigh-Ritz method projects the large quadratic eigenvalue problem (QEP) onto it and produces a small sized dense QEP. Similar to the Rayleigh-Ritz method for the linear eigenvalue problem, the Rayleigh-Ritz method defines the Ritz values and the Ritz vectors of the QEP with respect to the projection subspace. We analyze the convergence of the method when the angle between the subspace and the desired eigenvector converges to zero. We prove that there is a Ritz value that converges to the desired eigenvalue unconditionally but the Ritz vector converges conditionally and may fail to converge. To remedy the drawback of possible non-convergence of the Ritz vector, we propose a refined Ritz vector that is mathematically different from the Ritz vector and is proved to converge unconditionally. We construct examples to illustrate our theory.     

A refined iterative algorithm based on the block arnoldi process for large unsymmetric eigenproblems

When the matrix in question is unsymmetric, the approximate eigenvectors or Ritz vectors obtained by orthogonal projection methods including Arnoldi's method and the block Arnoldi method cannot be guaranteed to converge in theory even if the corresponding approximate eigenvalues or Ritz values do. In order to circumvent this danger, a new strategy has been proposed by the author for Arnoldi's method. The strategy used is generalized to the block Arnoldi method in this paper. It discards Ritz vectors and instead computes refined approximate eigenvectors by small-sized singular-value decompositions. It is proved that the new strategy can guarantee the convergence of refined approximate eigenvectors if the corresponding Ritz values do. The resulting refined iterative algorithm is realized by the block Arnoldi process. Numerical experiments show that the refined algorithm is much more efficient than the iterative block Arnoldi algorithm.     

隐式重启精化全局Lanczos方法

The numerical methods for solving large symmetric eigenvalue problems are considered in this paper.Based on the global Lanczos process,a global Lanczos method for solving large symmetric eigenvalue problems is presented.In order to accelerate the convergence of the F-Ritz vectors,the refined global Lanczos method is developed.Combining the implicitly restarted strategy with the deflation technique,an implicitly restarted and refined global Lanczos method for computing some eigenvalues of large symmetric matrices is proposed.Numerical results show that the proposed methods are efficient.     

求解大规模Hamilton矩阵特征问题的辛Lanczos算法的误差分析

对求解大规模稀疏Hamilton矩阵特征问题的辛Lanczos算法给出了舍入误差分析.分析表明辛Lanczos算法在无中断时,保Hamilton结构的限制没有破坏非对称Lanczos算法的本质特性.本文还讨论了辛Lanczos算法计算出的辛Lanczos向量的J一正交性的损失与Ritz值收敛的关系.结论正如所料,当某些Ritz值开始收敛时.计算出的辛Lanczos向量的J-正交性损失是必然的.以上结果对辛Lanczos算法的改进具有理论指导意义.     

Harmonic and refined Rayleigh–Ritz for the polynomial eigenvalue problem

After reviewing the harmonic Rayleigh–Ritz approach for the standard and generalized eigenvalue problem, we discuss several extraction processes for subspace methods for the polynomial eigenvalue problem. We generalize the harmonic and refined Rayleigh–Ritz approaches which lead to new approaches to extract promising approximate eigenpairs from a search space. We give theoretical as well as numerical results of the methods. In addition, we study the convergence of the Jacobi–Davidson method for polynomial eigenvalue problems with exact and inexact linear solves and discuss several algorithmic details. Copyright © 2008 John Wiley & Sons, Ltd.     

求解大规模非对称矩阵特征问题的精化双正交Lanczos算法

We combine Lanczos algorithm with the thought of the refined projection method using QR factorization and propose the refined biothogonalization Lanczos method for computing the desired eigenvalues of large unsymmetric matrix. With low cost of work space and flops the algorithm cures the disease that the Ritz vectors may not converge when the Ritz values converge usingthe Lanczos method. Numerical experiments show our algorithm is considerably more stable and efficient than its counterpart.     

计算大规模矩阵最大最小奇异值和奇异向量的两个精化Lanczos算法

1.引言 在科学工程计算中经常需要计算大规模矩阵的少数最大或最小的奇异值及其所对应的奇异子空间。例如图像处理中要计算矩阵端部奇异值之比作为图像的分辨率,诸如此类的问题还存在于最小二乘问题、控制理论、量子化学中等等。然而大多实际问题中的矩阵是大型稀疏矩阵,且需要的是矩阵的部分奇异对。如果计算A的完全奇异值分解(SVD),则运算量和存储量极大,甚至不可能。因此必须寻求其它有效可靠的算法。 假设A的SVD为     

Error Analysis of the Symplectic Lanczos Method for the Symplectic Eigenvalue Problem

A rounding error analysis of the symplectic Lanczos algorithm for the symplectic eigenvalue problem is given. It is applicable when no break down occurs and shows that the restriction of preserving the symplectic structure does not destroy the characteristic feature of nonsymmetric Lanczos processes. An analog of Paige's theory on the relationship between the loss of orthogonality among the Lanczos vectors and the convergence of Ritz values in the symmetric Lanczos algorithm is discussed. As to be expected, it follows that (under certain assumptions) the computed J-orthogonal Lanczos vectors loose J-orthogonality when some Ritz values begin to converge.