Applications in various research areas such as signal processing, quantum computing, and computer vision, can be described as constrained optimization tasks on certain subsets of tensor products of vector spaces. In this work, we make use of techniques from Riemannian geometry and analyze optimization tasks on subsets of so-called simple tensors which can be equipped with a differentiable structure. In particular, we introduce a generalized Rayleigh-quotient function on the tensor product of Grassmannians and on the tensor product of Lagrange- Grassmannians. Its optimization enables a unified approach to well-known tasks from different areas of numerical linear algebra, such as: best low-rank approximations of tensors (data compression), computing geometric measures of entanglement (quantum computing) and subspace clustering (image processing). We perform a thorough analysis on the critical points of the generalized Rayleigh-quotient and develop intrinsic numerical methods for its optimization. Explicitly, using the techniques from Riemannian optimization, we present two type of algorithms: a Newton-like and a conjugated gradient algorithm. Their performance is analysed and compared with established methods from the literature. / Viele Fragestellungen aus den unterschiedlichen mathematischen Disziplinen, wie z.B. Signalverarbeitung, Quanten-Computing und Computer-Vision, können als Optimierungsprobleme auf Teilmengen von Tensorprodukten von Vektorräumen beschrieben werden. In dieser Arbeit verwenden wir Techniken aus der Riemannschen Geometrie, um Optimierungsprobleme für Mengen von sogenannten einfachen Tensoren, welche mit einer differenzierbaren Struktur ausgestattet werden können, zu untersuchen. Insbesondere führen wir eine verallgemeinerte Rayleigh-Quotienten-Funktion auf dem Tensorprodukt von Graßmann-Mannigfaltigkeiten bzw. Lagrange-Graßmann-Mannigfaltigkeiten ein. Dies führt zu einem einheitlichen Zugang zu bekannten Problemen aus verschiedenen Bereichen der numerischen linearen Algebra, wie z.B. die Niedrig–Rang–Approximation von Tensoren (Datenkompression), die Beschreibung geometrischer Maße für Quantenverschränkung (Quanten-Computing) und Clustering (Bildverarbeitung). Wir führen eine gründliche Analyse der kritischen Punkte des verallgemeinerten Rayleigh-Quotienten durch und entwickeln intrinsische numerische Methoden für dessen Optimierung. Wir stellen zwei Arten von Algorithmen vor, die wir mit Hilfe von Techniken aus der Riemannsche Optimierung entwickeln: eine mit Gemeinsamkeiten zum Newton-Verfahren und eine zum CG-Verfahren ähnliche. Wir analysieren die Performance der Algorithmen und vergleichen sie mit gängigen Methoden aus der Literatur.

In this paper we develop new preconditioned iterative methods for solving monotone nonlinear eigenvalue problems. We investigate the convergence and derive grid-independent error estimates for these methods. Numerical experiments demonstrate the practical effectiveness of the proposed methods for a model problem.

Der Einsatz der Finite-Element-Methode bei linearen piezoelektrischen Problemen führt auf eine Systemmatrix der Struktur \[\left( \begin{array}{lr} C & B \\ B^T & -K \end{array} \right)\] mit positiv definiten Blockmatrizen C und K. Zur Lösung indefiniter Gleichungssysteme, die diese symmetrische Blockstruktur besitzen, kann der Bramble--Pasciak--CG eingesetzt werden. Entscheidend für eine schnelle Lösung ist es dabei, gute Vorkonditionierer für den Block C sowie für ein inexaktes Schurkomplement zu finden. Nachfolgend wird das Schurkomplement auf Spektraläquivalenz zur Blockmatrix K untersucht, für welche gute Vorkonditionierer bekannt sind. / Using the Finite-Element-Method with linear piezoelectric problems leads to a linear system of the structure \[\left( \begin{array}{lr} C & B \\ B^T & -K \end{array} \right)\] with symmetric positive definite matrix blocks C and K. The Bramble--Pasciak--CG is a possible solver for indefinite linear systems of equations with this special symmetric block structure. Essential for fast solving are good preconditioners for the block C as well as for an inexact Schur complement. In the following, the Schur complement is examined to spectral equivalence with the matrix K. For K quite good preconditioners are known.

In this paper we develop new preconditioned iterative methods for solving monotone nonlinear eigenvalue problems. We investigate the convergence and derive grid-independent error estimates for these methods. Numerical experiments demonstrate the practical effectiveness of the proposed methods for a model problem.

Der Einsatz der Finite-Element-Methode bei linearen piezoelektrischen Problemen führt auf eine Systemmatrix der Struktur \[\left( \begin{array}{lr} C & B \\ B^T & -K \end{array} \right)\] mit positiv definiten Blockmatrizen C und K. Zur Lösung indefiniter Gleichungssysteme, die diese symmetrische Blockstruktur besitzen, kann der Bramble--Pasciak--CG eingesetzt werden. Entscheidend für eine schnelle Lösung ist es dabei, gute Vorkonditionierer für den Block C sowie für ein inexaktes Schurkomplement zu finden. Nachfolgend wird das Schurkomplement auf Spektraläquivalenz zur Blockmatrix K untersucht, für welche gute Vorkonditionierer bekannt sind. / Using the Finite-Element-Method with linear piezoelectric problems leads to a linear system of the structure \[\left( \begin{array}{lr} C & B \\ B^T & -K \end{array} \right)\] with symmetric positive definite matrix blocks C and K. The Bramble--Pasciak--CG is a possible solver for indefinite linear systems of equations with this special symmetric block structure. Essential for fast solving are good preconditioners for the block C as well as for an inexact Schur complement. In the following, the Schur complement is examined to spectral equivalence with the matrix K. For K quite good preconditioners are known.