布伦丹·加文;埃里克·波利齐 Krylov特征值策略使用FEAST算法求解不精确系统。 （英语） Zbl 1513.65096号 数字。线性代数应用。 25，第5期，e2188，20页（2018年）. 摘要：FEAST特征值算法是一种子空间迭代算法，它使用轮廓积分获得位于复杂平面中任何用户定义区域的特征值矩阵的特征向量。通过计算复杂平面特定区域中的少量特征值，FEAST能够通过同时求解多个特征对自然地并行求解特征值问题。传统的FEAST算法是通过直接求解移位线性方程组集合来实现的；本文描述了FEAST算法的一种变体，它使用迭代Krylov子空间算法来不精确地求解移位线性系统。我们证明了这种迭代FEAST算法（我们称之为IFEAST）在数学上等价于求解特征值问题的块Krylov子空间方法。通过求解移位线性系统间接使用Krylov子空间，而不是直接使用它们来投影特征值问题，可以使用IFEAST来求解特征值问题（使用非常大的维Krylof子空间），而无需为这些子空间存储基。因此，IFEAST结合了Krylov方法的灵活性和强大功能，只需要矩阵-向量乘法即可解决特征值问题，并与传统FEAST算法的自然并行性相结合。我们讨论了IFEAST和更传统的Krylov方法之间的关系，并提供了数值示例来说明其行为。 引用于4文件 MSC公司： 2015财年65 矩阵特征值和特征向量的数值计算 65层50 稀疏矩阵的计算方法 2005年5月 并行数值计算 关键词：阿诺尔迪;等高线积分;特征值问题;美食;不精确子空间迭代;Krylov子空间 PDF格式BibTeX公司 XML格式引用 \textit{B.Gavin}和\textit{E.Polizzi}，数字。线性代数应用。25，第5期，e2188，20页（2018；Zbl 1513.65096） 全文： 内政部 arXiv公司