Eficiente reducción de algoritmos para problemas de eigenvalores generalizados simétricos con bandas a través de matrices secuencialmente semiseparables (SSS)
Autores: Yuan, Fan; Li, Shengguo; Jiang, Hao; Wang, Hongxia; Chen, Cheng; Du, Lei; Yang, Bo
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Eficiente reducción de algoritmos para problemas de eigenvalores generalizados simétricos con bandas a través de matrices secuencialmente semiseparables (SSS)
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Algoritmo
Simétrico acotado
Problema de valores propios
Técnicas de matriz SSS
Matlab
Paralelismo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
En este documento se propone un algoritmo novedoso para reducir un problema de valores propios generalizados simétricos en banda a un problema de valores propios estándar simétrico en banda, basado en las técnicas de matriz secuencialmente semiseparable (SSS). Es la primera vez que las técnicas de matriz SSS se utilizan en tales problemas de valores propios. El algoritmo recién propuesto solo requiere un costo de almacenamiento lineal y costo de cálculo para matrices con dimensión , y también es potencialmente bueno para el paralelismo. Se han realizado algunos experimentos utilizando Matlab, y se ha verificado la precisión y estabilidad del algoritmo.
Descripción
En este documento se propone un algoritmo novedoso para reducir un problema de valores propios generalizados simétricos en banda a un problema de valores propios estándar simétrico en banda, basado en las técnicas de matriz secuencialmente semiseparable (SSS). Es la primera vez que las técnicas de matriz SSS se utilizan en tales problemas de valores propios. El algoritmo recién propuesto solo requiere un costo de almacenamiento lineal y costo de cálculo para matrices con dimensión , y también es potencialmente bueno para el paralelismo. Se han realizado algunos experimentos utilizando Matlab, y se ha verificado la precisión y estabilidad del algoritmo.