我有一个应用程序,有点类似于计算高斯正交节点和权重的情况:简单地说,我需要计算对称三对角矩阵的特征向量的特征值和最后两个(归一化)分量。
我知道使用隐式 QL/QR 算法生成高斯正交规则的 Golub-Welsch 方案;它与我的情况之间的区别在于,人们使用 Golub-Welsch 的特征向量的第一个分量。
我可以根据我的具体情况修改相关的 LAPACK 例程,但我想知道这方面是否有任何新的发展。从我有限的搜索来看,MRRR 或分治法似乎不允许仅计算选定的组件。
文献指针将不胜感激。
我有一个应用程序,有点类似于计算高斯正交节点和权重的情况:简单地说,我需要计算对称三对角矩阵的特征向量的特征值和最后两个(归一化)分量。
我知道使用隐式 QL/QR 算法生成高斯正交规则的 Golub-Welsch 方案;它与我的情况之间的区别在于,人们使用 Golub-Welsch 的特征向量的第一个分量。
我可以根据我的具体情况修改相关的 LAPACK 例程,但我想知道这方面是否有任何新的发展。从我有限的搜索来看,MRRR 或分治法似乎不允许仅计算选定的组件。
文献指针将不胜感激。