我想知道:解决的最佳算法是什么
在哪里是一个真实的矩阵。A 不是明确的时间相关的,通常是稀疏的,但不一定是带状的。它的特征值具有非正实部。A 也是可对角化的,但可能对于完全对角化来说太大而无法计算效率。
有一个隐含的梯形规则,我有过很好的经验。
那么显式方法或 Pade 近似值呢?此外,如果将强制项添加到 RHS,这将如何改变?
我想知道:解决的最佳算法是什么
在哪里是一个真实的矩阵。A 不是明确的时间相关的,通常是稀疏的,但不一定是带状的。它的特征值具有非正实部。A 也是可对角化的,但可能对于完全对角化来说太大而无法计算效率。
有一个隐含的梯形规则,我有过很好的经验。
那么显式方法或 Pade 近似值呢?此外,如果将强制项添加到 RHS,这将如何改变?
由于您的矩阵独立于结果是矩阵指数乘以初始向量。相关方法的标准讨论可以在http://scholar.google.at中搜索“十九种可疑方法”找到。
对于缩放和平方算法(最不可疑的算法),另请参阅 http://blogs.mathworks.com/cleve/2012/07/23/a-balancing-act-for-the-matrix-exponential/