萨阿德，Y。 计算大型非对称矩阵特征元的Arnoldi方法的变化。 （英语） Zbl 0456.65017号 线性代数应用。 34, 269-295 (1980). 页码：24/35−5 −4 −3 −2 −1 ±0 +1 +2 +3个 +4 +5 显示扫描页面 引用于4评论引用于141文件 MSC公司： 2015财年65 矩阵特征值和特征向量的数值计算 15A42型 包含特征值和特征向量的不等式 关键词：大型非对称矩阵;Lanczos方法;Krylov子空间;海森堡矩阵;不完全正交化;数值示例 引文：Zbl 0042.128号 软件：SRRIT公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.Saad}，线性代数应用。34、269--295（1980；Zbl 0456.65017） 全文： DOI程序 参考文献： [1] Arnoldi，W.E.，矩阵特征值问题求解中的最小迭代原则，（Quart.Appl.Math.，9（1951）），17-29·Zbl 0042.12801号 [2] Björck，A。；Elfving，T.，计算线性方程组伪逆解的加速投影方法，Nordisk Tidskr。信息行为处理（BIT），19，145-163（1979）·Zbl 0409.65022号 [3] Daniel，G.W。；Gragg，W.B。；考夫曼，L。；Stewart，G.W.，Gram-Schmidt更新的Reothogonalization和稳定算法二维码因式分解，数学。公司。，30, 772-795 (1976) ·Zbl 0345.65021号 [4] Golub，G.H。；Underwood，R.，计算特征值的块Lanczos方法，（Rice，J.R.，数学软件，III（1977），学术：纽约学术出版社），361-377·Zbl 0407.68040号 [5] A.詹宁斯。；Stewart，W.J.，实矩阵部分特征解的同时迭代，J.Inst.Math。申请。，15, 351-361 (1975) ·Zbl 0307.65042号 [6] Kaniel，S.，线性代数中一些计算技术的估计，数学。公司。，20, 95, 369-378 (1966) ·Zbl 0156.16202号 [7] Krasnoselskii，M.A.，算子方程的近似解（1972），Wolters-Nordhoof：Wolters-Nordhoof Groningen·Zbl 0231.41024号 [8] Lanczos，C.，解线性微分和积分算子特征值问题的迭代方法，J.Res.Nat.Bur。标准，45，4，255-282（1950） [9] Lewis，J.G.，稀疏矩阵特征值问题的算法，博士论文（1977），斯坦福大学报告77-595 [10] Lorentz，G.G.，《函数逼近》（1966），霍尔特、莱因哈特和温斯顿：霍尔特、莱因哈特和温斯顿，纽约·Zbl 0153.38901号 [11] Paige，C.C.，计算超大稀疏矩阵的特征值和特征向量，（伦敦大学博士论文（1971））·Zbl 0275.65011号 [12] Paige，C.C.，矩阵的双对角化和线性方程的求解，SIAM J.Numer。分析。，11, 197-209 (1974) ·Zbl 0244.65023号 [13] Parlett，B.N.，《对称特征值问题》（1980），普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德·克利夫斯，新泽西州·Zbl 0431.65016号 [14] Ruhe，A.，计算大型稀疏矩阵特征值的带Lanczos算法的实现方面，数学。公司。，33, 146, 680-687 (1979) ·Zbl 0443.65022号 [15] Saad，Y.，Calcul de valeurs propres de grandes matrixes hermitiennes par des techniques de partingnement，（论文（1974），格勒诺布尔大学） [17] Saad，Y.，Etude de la convergence duédéd’Arnoldi pour le calculate d’eléments propres de grandes matrix non-symetriques，（数值分析研讨会（1979），格勒诺布尔大学），321 [18] Stewart，G.W.，矩阵计算导论（1973），学术：纽约学术·兹比尔0302.65021 [20] Wilkinson，J.H.，代数特征值问题（1965），克拉伦登：克拉伦登牛津·兹比尔0258.65037 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。