推广一个特征系统的额外成本是多少?

计算科学 线性代数 表现 本征系统
2021-12-18 16:34:33

问题

假设我可以将模型编写为 Hermitian eigensystem:

Ax=λx
在哪里ACn×n是 Hermitian,或作为广义 Hermitian 特征系统:
A~x~=λB~x~
在哪里A~,B~Cn~×n~是厄米特和B~是肯定的。必须小多少n~n使广义模型更有效?

资格

我知道还有许多其他因素会影响答案。一般的直觉是最好的,但是,如果增加的复杂性是不可避免的,假设:

  • 串行求解器
  • 直接求解器
  • A,A~,B~是密集的
  • m需要具有最低特征值的特征对,其中n/m10
  • AA~,B~对同一系统建模,因此在m特征对很小
  • B~=I+B^在哪里rank(B^)=p, 和p2m=n/5

不同资格的答案也可能对其他读者有用。

1个回答

对于密集的直接求解器,Golub 和 Van Loan(矩阵计算,第 3 版)仅报告以下特征值的成本估算:

  • 标准特征问题:10n3(第 359 页)。

  • 广义特征问题:30n3(第 385 页)。

成本在翻牌(加法和乘法成本1每个)。

如果您还想要特征向量,则必须在 Schur 分解中计算正交矩阵(或Q要么Z分别在 QZ 中),然后您可以使用逆迭代获得它们。GVL 中没有明确报告成本,但我的猜测如下(对于m特征向量n,我假设一步逆迭代(n2) 上三角矩阵就够了,再乘以正交矩阵 (2n2)):

  • 标准特征问题:25n3+3n2m

  • 广义特征问题:46n3+3n2m.

所有这些数字都是近似的,因为它们假设移动 QR/QZ 步长的“典型平均”数量。

如果它是一个稀疏的特征问题或者它大于它在 RAM 中的大小,我怀疑你能否得到现实的先验估计(但我是一个密集的人,所以我可能是错的)。