[논문 리뷰] A rational approximation method for the nonlinear eigenvalue problem

Yousef Saad, Mohamed El-Guide외 1명|arXiv (Cornell University)|2019. 01. 04.

Matrix Theory and Algorithms참고 문헌 50인용 수 6

한 줄 요약

이 논문은 비선형 고유값 문제(NLEVPs)를 해결하기 위한 합리적 근사 방법을 제안한다. 행렬 값 함수 $ T(z) $ 를 코시 적분 공식을 통해 유리 함수로 근사한 후, 복소 평면 내 특정 윤곽선 내의 고유값을 효율적으로 추출할 수 있도록 구조를 고려한 선형화를 수행한다. 이 방법은 사다리꼴 기반의 모멘트 행렬에서 유도된 소규모 고유값 문제를 해결하여 계산 비용을 줄이며, 기존의 AAA 및 NLEIGS 방법보다 수렴성과 안정성에서 뛰어나 높은 정확도를 달성한다.

ABSTRACT

This paper presents a method for computing eigenvalues and eigenvectors for some types of nonlinear eigenvalue problems. The main idea is to approximate the functions involved in the eigenvalue problem by rational functions and then apply a form of linearization. Eigenpairs of the expanded form of this linearization are not extracted directly. Instead, its structure is exploited to develop a scheme that allows to extract all eigenvalues in a certain region of the complex plane by solving an eigenvalue problem of much smaller dimension. Because of its simple implementation and the ability to work efficiently in large dimensions, the presented method is appealing when solving challenging engineering problems. A few theoretical results are established to explain why the new approach works and numerical experiments are presented to validate the proposed algorithm.

연구 동기 및 목표

• 행렬 함수 $ T(z) $ 가 다항식이 아닌 일반적인 비선형 고유값 문제의 고유값을 계산하기 위한 강력하고 효율적인 방법을 개발하는 것.
• 특정 폐곡선 $ \Gamma $ 내의 고유값을 놓치지 않고 추출하는 문제를 해결하는 것, 특히 대규모 희소 문제에서의 도전 과제에 대응하는 것.
• 다양한 작은 영역 또는 하나의 큰 영역에서 고유값을 계산할 수 있는 유연한 프레임워크를 제공하여 정확도와 계산 비용의 균형을 이루는 것.
• 어느 고유값이 잘 근사되는지 이론적으로 예측 가능하게 하고, 관심 영역 내 고유값을 놓치지 않도록 보장하는 것.

제안 방법

• 비선형 고유값 문제(NLEVP)에서 행렬 값 함수 $ T(z) $ 를 코시 적분 공식에서 유도된 유리 함수로 근사한다.
• 사다리꼴 규칙을 사용하여 $ m $ 개의 점을 활용해 $ S_p = \frac{1}{2\pi i} \int_\Gamma z^p T(z)^{-1} Q \, dz $ 라는 모멘트 행렬을 구성하여 $ T(z)^{-1} $ 의 행동을 포착한다.
• 모멘트 행렬을 조합하고, 이동치 $ \sigma $ 를 적용한 역행렬 변환을 적용하여 크기가 줄어든 일반화된 고유값 문제로 확장된 선형 고유값 문제를 구성한다.
• 레벨 $ \ell $ 마다 $ 2^{\ell-1} $ 개의 점을 사용하는 다단계 사다리꼴 접근법을 적용하여 근사치를 반복적으로 개선함으로써 수렴성을 향상시킨다.
• 반복 과정의 하부 블록에서 추출한 정규수직 기저 벡터를 바탕으로 레일리-리츠 절차를 적용하여 근사 불변 부분공간을 추출한다.
• 선형화된 문제의 구조를 활용하여 전체 스펙트럼 분해 없이도 윤곽선 내 고유값만 추출한다.

실험 결과

연구 질문

• RQ1 코시 적분 공식을 통한 유리 근사가 일반적인 비선형 고유값 문제를 해법이 가능한 유리 고유값 문제로 효과적으로 변환할 수 있는가?
• RQ2 윤곽선 적분에서 유도된 모멘트 행렬을 어떻게 활용하여 전체 스펙트럼을 계산하지 않고도 특정 영역 내 고유값을 추출할 수 있는가?
• RQ3 기존 알고리즘인 AAA 및 NLEIGS와 비교하여 제안된 방법의 수렴 특성과 정확도는 어떠한가?
• RQ4 다단계 사다리꼴 전략이 대규모 희소 NLEVP의 고유값 계산에서 효율성과 안정성을 어떻게 향상시키는가?
• RQ5 작은 영역을 여러 개 사용하고 적은 수의 극점( poles )을 사용하는 것과 비교해, 하나의 큰 영역에 많은 극점을 사용하는 경우의 계산 비용 상충 관계는 어떠한가?

주요 결과

• 이 방법은 중심이 $ c = -30 $ 이고 반지름이 11.5인 원 안에 있는 12개의 고유값을 모두 성공적으로 계산하였으며, 외부 반복 횟수 $ L = 6 $ 만으로도 높은 정확도를 달성하였다.
• 동일한 문제에서 AAA 알고리즘은 $ 10^{-12} $ 의 정확도를 확보하기 위해 7개의 보간 노드가 필요했고, NLEIGS는 38개의 노드가 필요했다. 이는 제안된 방법이 더 뛰어난 수렴 특성을 지닌다는 것을 시사한다.
• 계산된 고유쌍에 대한 잔차 노름 $ \|T(\lambda)u\|_\infty $ 는 $ 10^{-12} $ 이하로 유지되어 높은 정확도와 역방향 안정성을 확인하였다.
• 반장축 10, 반단축 1인 타원형 윤곽선을 사용하여, $ m = 8 $ 개의 사다리꼴 노드와 $ \sigma = -30 $ 을 적용한 결과, 12개의 실수 고유값을 모두 성공적으로 추출하였다. 이는 윤곽선의 형태에 대해 뛰어난 안정성을 보임을 보여준다.
• 베인의 방법은 역행차 오차 $ \delta = 10^{-10} $ 를 확보하기 위해 20개의 트라프제이드 노드가 필요로 했으나, 제안된 방법은 더 적은 수의 사다리꼴 점을 사용하여 유사한 정확도를 달성하였고, 확장성 면에서도 뛰어나다.
• 이 방법은 $ S(\sigma) $ 의 행렬 분해를 단 한 번만 수행하면 되므로, $ A_j $ 행렬들이 유사한 희소성 패턴을 가지는 대규모 희소 문제에서 계산적으로 효율적이다.