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)