胡乐余;蔡兴菊 计算精度低的实对称矩阵的特征值分解。 （中文。英文摘要） Zbl 1488.65080号 数字。数学。，南京 43，第2期，117-133（2021）. 主要特征值分解（EVD）在科学计算中起着重要作用。当计算精度受到限制时，主导EVD就成为一项困难的任务，即使是在低维情况下。本文考虑实对称矩阵在低计算精度下的优势EVD。我们表明，通过在原EVD方法的基础上对大规模矩阵进行适当的改进，我们可以成功地完成这项任务。我们还提供了一种迭代求精策略，可以在低计算精度下获得高精度的结果。我们提供了计算结果来说明这个断言。 MSC公司： 2015财年65 矩阵特征值和特征向量的数值计算 15甲18 特征值、奇异值和特征向量 关键词：奇异值分解;计算精度;迭代精化;Lanczos方法;逆迭代 PDF格式BibTeX公司 XML格式引用 \textit{L.Hu}和\textit{X.Cai}，数字。数学。，南京43，No.2，117--133（2021；Zbl 1488.65080）