[论文解读] A FEAST Algorithm for Generalized non-Hermitian Eigenvalue Problems

Guojian Yin, Raymond H. Chan+1 more|arXiv (Cornell University)|Apr 7, 2014

Matrix Theory and Algorithms被引用 12

一句话总结

该论文将FEAST算法扩展至广义非厄米特特征值问题，实现了在复平面上用户定义区域内可靠计算特征值与特征向量。该工作引入了一套数学框架，用于估计该区域内特征值的数量，确保了实际应用的可行性，并通过数值实验展示了其高效性与稳定性。

ABSTRACT

Recently, a contour-integral based solver for generalized Hermitian eigenvalue problems, called FEAST, was proposed by Polizzi. It calculates the eigenvalues inside a given interval and their associated eigenvectors. This novel algorithm is reliable and accurate, however its applicability is limited since in practical implementation, it has to know in advance the number of eigenvalues inside the interval. In this work, we generalize the FEAST algorithm to non-Hermitian problems to compute eigenvalues inside a region in the complex plane along with their eigenvectors. We establish the mathematical framework and present a way to find the number of eigenvalues inside the given region. Our algorithm is applicable in practical implementation and numerical experiments illustrate that our algorithm is efficient and stable.

研究动机与目标

• 将原本专为广义厄米特问题设计的FEAST算法扩展至处理非厄米特特征值问题。
• 建立数学框架，实现对复平面上指定区域内特征值与特征向量的计算。
• 提出一种方法，用于估计给定区域内特征值的数量，克服原始FEAST算法的关键局限性。
• 通过使计算过程中特征值数量的确定变得可行，确保算法在实际应用中的实用性。

提出的方法

• 该算法利用复平面上的围道积分，将广义特征值问题投影到包含目标区域内特征值的子空间上。
• 通过柯西积分公式应用有理滤波，从围道中提取特征对，将原始厄米特FEAST方法推广至非厄米特情形。
• 提出一种新方法，通过分析围道积分后的解析延拓矩阵的迹，估计区域内特征值的数量。
• 采用基于围道的求积规则对围道积分进行数值计算，确保算法的鲁棒性与精度。
• 引入降维策略，在保持数值稳定性的同时提取单个特征对。
• 实现设计高效且可扩展，适用于实际应用中大规模非厄米特问题。

实验结果

研究问题

• RQ1 如何将FEAST算法推广以求解非厄米特广义特征值问题？
• RQ2 何种数学框架能够实现对复平面上用户定义区域内特征值数量的精确估计？
• RQ3 扩展后的FEAST算法在应用于非厄米特问题时能否保持高精度与数值稳定性？
• RQ4 与现有方法相比，该推广FEAST算法在效率与鲁棒性方面表现如何？

主要发现

• 广义FEAST算法成功实现了对非厄米特问题在复平面上指定区域内特征值及其对应特征向量的计算。
• 该方法提供了一种可靠的特征值数量估计方式，消除了原始FEAST算法的主要局限性。
• 数值实验表明，该算法在各类测试问题中均表现出高效性与数值稳定性。
• 通过采用围道积分与有理滤波，即使在非厄米特矩阵情况下，也能实现高精度的特征对提取。
• 该算法展现出稳健的收敛性与可扩展性，适用于大规模应用。