我有一个很大的三次特征值问题:
我可以通过转换为线性特征值问题来解决这个问题,但这会导致系统一样大:
在哪里和. 还有哪些其他技术可用于解决三次特征值问题?我听说有一个版本的 Jacobi-Davidson 可以解决它,但还没有找到实现。
此外,我需要能够以类似于 ARPACK 的移位和反转方法的方式定位特定特征值并找到相关的特征向量。
我有一个很大的三次特征值问题:
我可以通过转换为线性特征值问题来解决这个问题,但这会导致系统一样大:
在哪里和. 还有哪些其他技术可用于解决三次特征值问题?我听说有一个版本的 Jacobi-Davidson 可以解决它,但还没有找到实现。
此外,我需要能够以类似于 ARPACK 的移位和反转方法的方式定位特定特征值并找到相关的特征向量。
使用 ARPACK 的反向通信协议,您不需要存储显式矩阵:您只需要提供两个计算函数:
和
(你还是要付出存储的代价维向量,但您无需为矩阵支付任何费用)。
关于逆变换,您也可以这样做,即通过使用计算的回调自己实现它代替并替换计算的和. 计算,你可以预先考虑你的矩阵,这意味着只有预分解(根据矩阵的结构使用 LU、Cholesky 或它们的稀疏版本)。对于完整的移位逆变换,我认为可以做类似的事情。