×

通过部分全局块Lanczos分解限定矩阵泛函。 (英语) Zbl 1325.65060号

摘要:形式为\(\mathcal{I}f:=\mathrm{trace}(W^Tf(A)W)\)的表达式的近似,其中\(A\in\mathbb{R}^{m\次m}\)是一个大对称矩阵,\(W\in\mathbb{R}^{m \次k}\)与\(k\ll-m\),并且\(f\)是函数,可以在不计算\(f(A)的情况下计算\)通过将全局块Lanczos方法的几个步骤应用于具有初始块向量的\(a\)。这产生了\(a\)的部分全局Lanczos分解。我们证明,对于合适的函数,可以利用全局块Lanczos方法和高斯型求积规则之间的联系来确定(mathcal{I}f\)的上下界。我们的方法将Golub和Meurant倡导的标准Lanczos方法(块大小为1)的技术推广到全局块Lanczos方法。我们描述了在计算\(f(A)\的迹的上界和下界方面的应用,并特别考虑了在网络分析中出现的Estrada指数的上下界的计算。我们还讨论了机器学习的应用。

MSC公司:

65楼30 其他矩阵算法(MSC2010)
65天30分 数值积分
68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Avron,H。;Toledo,S.,估计隐式对称半正定矩阵迹的随机算法,J.ACM,58,8:1-8:34(2011)·Zbl 1327.68331号
[2] 巴格拉马,J。;费努,C。;赖切尔,L。;Rodriguez,G.,通过部分奇异值分解和高斯求积分析有向网络,线性代数应用。,456, 93-121 (2014) ·Zbl 1295.05216号
[3] Bai,Z。;Golub,G.,对称正定矩阵的逆矩阵和行列式的迹的界,Ann.Numer。数学。,4, 29-38 (1997) ·Zbl 0883.15013号
[4] Bai,Z。;法希,M。;Golub,G.,《一些大规模矩阵计算问题》,J.Compute。申请。数学。,74, 71-89 (1996) ·Zbl 0870.65035号
[5] 贝克曼,B。;Reichel,L.,通过Faber变换对矩阵函数进行误差估计和评估,SIAM J.Numer。分析。,47, 3849-3883 (2009) ·Zbl 1204.65041号
[6] Benzi,M。;Boito,P.,邻接矩阵函数的正交规则边界,线性代数应用。,433, 637-652 (2010) ·Zbl 1191.65046号
[7] Bonchi,F。;Esfandiar,P。;Gleich,D.F。;格雷夫,C。;Lakshmanan,L.V.S.,成对和逐列通勤时间和Katz分数的快速矩阵计算,互联网数学。,8, 73-112 (2012) ·Zbl 1245.05026号
[8] Brezinski,C。;菲卡,P。;Mitrouli,M.,通过矩外推估计自共轭算子的幂迹,电子。事务处理。数字。分析。,39, 144-159 (2012) ·Zbl 1287.65042号
[9] Brezinski,C。;菲卡,P。;Mitrouli,M.,Hilbert空间上线性算子的矩,及其在矩阵求逆和方程求解中的应用,Numer。线性代数应用。,19, 937-953 (2012) ·Zbl 1289.15014号
[10] Calvetti,D。;赖切尔,L。;Sgallari,F.,《反高斯求积规则在线性代数中的应用》,(Gautschi,W.;Golub,G.H.;Opfer,G.,《正交多项式的应用与计算》(1999),Birkhäuser:Birkháuser Basel),41-56·Zbl 0938.65075号
[11] Chan,T.F.,Toeplitz系统的最优循环预处理器,SIAM J.Sci。统计计算。,9, 766-771 (1988) ·Zbl 0646.65042号
[12] de la Peña,J.a。;古特曼,I。;Rada,J.,估算Estrada指数,线性代数应用。,427, 70-76 (2007) ·Zbl 1184.05082号
[13] Elbouyahyaoui,L。;Messaoudi,A。;Sadok,H.,块GMRES的代数性质和块Arnoldi方法,电子。事务处理。数字。分析。,33, 207-220 (2009) ·Zbl 1188.65031号
[14] 埃斯特拉达,E。;Higham,D.J.,通过矩阵函数揭示的网络属性,SIAM Rev.,52,696-714(2010)·Zbl 1214.05077号
[15] 埃斯特拉达,E。;Rodríguez-Velázquez,J.A.,复杂网络中的子图中心性,物理学。E版,71,056103(2005),(11页)
[16] 埃斯特拉达,E。;Hatano,N。;Benzi,M.,《复杂网络中的可通信性物理学》,《物理学》。众议员,514,89-119(2012)
[17] 费努,C。;马丁·D·。;赖切尔,L。;Rodriguez,G.,通过部分谱分解和高斯求积进行网络分析,SIAM J.Sci。计算。,35,A2046-A2068(2013)·Zbl 1362.65052号
[18] 费努,C。;马丁·D·。;赖切尔,L。;Rodriguez,G.,块高斯和反高斯求积及其在网络中的应用,SIAM J.矩阵分析。申请。,34, 1655-1684 (2013) ·Zbl 1425.65063号
[19] 菲卡,P。;米特鲁利,M。;Roupa,P.,双线性形式的估计及其在线性代数问题中的应用,电子。事务处理。数字。分析。,43,70-89(2014)·Zbl 1302.65100号
[20] 加里凡,K。;希思,M。;Ng、E。;佩顿,B。;普莱蒙斯,R。;奥尔特加,J。;罗明,C。;萨米赫,A。;Voigt,R.,矩阵计算的并行算法(1990),SIAM:SIAM Philadelphia·Zbl 0711.00021号
[21] Gautschi,W.,《正交多项式:计算与逼近》(2004),牛津大学出版社:牛津大学出版社·Zbl 1130.42300号
[22] Golub,G.H。;Meurant,G.,《矩阵、矩和求积》(Griffiths,D.F.;Watson,G.A.,《数值分析》1993(1994),朗曼:朗曼埃塞克斯,英国),105-156·Zbl 0795.65019号
[23] Golub,G.H。;Meurant,G.,《矩阵、矩和求积及其应用》(2010),普林斯顿大学出版社:普林斯顿大学出版·Zbl 0888.65050号
[24] Hutchinson,M.F.,拉普拉斯平滑样条影响矩阵迹的随机估计,Commun。统计、模拟。计算。,18, 1059-1076 (1989) ·Zbl 0695.62113号
[25] Jbilou,K。;Messaoudi,A。;Sadok,H.,矩阵方程的全局FOM和GMRES算法,应用。数字。数学。,31, 49-63 (1999) ·兹伯利0935.65024
[26] Laurie,D.P.,反高斯求积公式,数学。计算。,65, 739-747 (1996) ·Zbl 0843.41020号
[27] Lehoucq,R.B。;索伦森特区。;Yang,C.,《ARPACK用户指南:用隐式重启Arnoldi方法解决大规模特征值问题》(1998),SIAM:SIAM Philadelphia·Zbl 0901.65021号
[28] 洛佩斯·拉戈马西诺,G。;赖切尔,L。;Wunderlich,L.,矩阵、矩和有理求积,线性代数应用。,429, 2540-2554 (2008) ·Zbl 1191.65010号
[29] Meurant,G.,使用改进的切比雪夫算法估计对称矩阵逆的迹,Numer。算法,51,309-318(2009)·Zbl 1166.65335号
[30] 纽曼,M.E.J.,《网络:导论》(2010),牛津大学出版社·Zbl 1029.68010号
[31] Ngo,T.T。;贝拉利吉,M。;Saad,Y.,跟踪比优化问题,SIAM Rev.,54,545-569(2012)·Zbl 1251.65090号
[32] Noschese,S.公司。;Reichel,L.,广义循环串型预条件,数值。线性代数应用。,19, 3-17 (2012) ·Zbl 1274.65086号
[33] Noschese,S.公司。;Reichel,L.,关于超优广义循环预条件的注记,应用。数字。数学。,75, 188-195 (2014) ·Zbl 1302.65072号
[34] Rasmussen,C.E.,机器学习中的高斯过程,(Bousquet,O.;von Luxburg,U.;Rätsch,G.,《机器学习高级讲座》(2004),Springer:Springer Berlin),63-71·Zbl 1120.68436号
[35] Redivo Zaglia,M。;Rodriguez,G.,Smt:用于结构化矩阵的Matlab工具箱,Numer。算法,59639-659(2012)·Zbl 1238.65036号
[36] Tang,J。;Saad,Y.,一种计算矩阵逆对角线的探测方法,Numer。线性代数应用。,19, 485-501 (2012) ·Zbl 1274.65132号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。