×

斜投影矩阵的计算效率分解。 (英语) Zbl 1461.65044号

概述:斜投影矩阵出现在加权最小二乘、信号处理和优化问题中。虽然这些矩阵可能非常大,但可以利用它们的低秩结构进行高效计算。我们提出了快速且可扩展的算法来计算它们的特征分解和奇异值分解(SVD)。给出了将我们提出的方法与现有方法(包括随机SVD)进行比较的数值实验。此外,我们在等式约束优化问题的线性系统上测试了它们的准确性。

MSC公司:

2015财年65 矩阵特征值和特征向量的数值计算
15B99型 特殊矩阵
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] R.T.Behrens和L.L.Scharf,斜投影算子的信号处理应用,IEEE Trans。信号处理。,42 (1994), https://doi.org/10.109/78.286957。
[2] J.J.Brust、R.F.Marcia和C.G.Petra,具有低维线性等式约束的大尺度准牛顿信赖域方法,计算。最佳方案。申请。,74(2019),第669-701页,https://doi.org/10.1007/s10589-019-00127-4。 ·Zbl 1435.90147号
[3] R.H.Byrd、J.Nocedal和R.B.Schnabel,拟牛顿矩阵的表示及其在有限记忆方法中的应用,数学。程序。,63(1994),第129-156页,https://doi.org/10.1007/BF01582063。 ·Zbl 0809.90116号
[4] Y.Censor和T.Elfving,线性可行性问题的对角缩放斜投影块迭代算法,SIAM J.矩阵分析。申请。,24(2002),第40-58页,https://doi.org/10.1137/S089547980138705X。 ·Zbl 1028.90034号
[5] J.Dennis和J.Moreí,《准纽顿方法、动机和理论》,《SIAM Rev.》,19(1977),第46-89页,https://doi.org/10.1137/1019005。 ·兹比尔0356.65041
[6] G.Golub和C.van Loan,总最小二乘问题分析,SIAM J.Numer。分析。,17(1980),第883-893页,https://doi.org/10.1137/0717073。 ·Zbl 0468.65011号
[7] G.H.Golub和C.F.Van Loan,《矩阵计算》,第三版,约翰霍普金斯大学出版社,马里兰州巴尔的摩,1996年·Zbl 0865.65009号
[8] N.I.M.Gould,D.Orban和P.L.Toint,CUTEr和SifDec:一个约束和非约束的测试环境,重访ACM Trans。数学。软件,29(2003),第373-394页,https://doi.org/10.1145/962437.9624343439。 ·Zbl 1068.90526号
[9] N.Halko、P.Martinsson和J.Tropp,《发现随机结构:构造近似矩阵分解的概率算法》,SIAM Rev.,53(2011),第217-288页,https://doi.org/10.1137/090771806。 ·Zbl 1269.65043号
[10] N.J.Higham,算法694:MATLAB中的测试矩阵集合,ACM Trans。数学。《软件》,17(1991),第289-305页,https://doi.org/10.1145/114697.116805。 ·Zbl 0900.65120号
[11] R.A.Horn和C.R.Johnson,《矩阵分析》,第二版,剑桥大学出版社,2012年。
[12] A.Liutkus,《软件:随机奇异值分解》,1.0.0.0版,2014年,https://www.mathworks.com/matlabcentral/fileexchange/47835-randomized-singular-value-decomposition。
[13] P.O’Leary,关于标度投影和伪逆的界,线性代数应用。,132(1990),第115-117页,https://doi.org/10.1016/0024-3795(90)90056-I·Zbl 0701.15003号
[14] G.Stewart,关于标度投影和伪逆,线性代数应用。,112(1989),第189-193页,https://doi.org/10.1016/0024-3795(89)90594-6. ·Zbl 0658.15003号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。