同事矩阵对角化的可证明分量级后向稳定$O(n^2)$ QR算法
数值分析
2021-02-25 v1 数值分析
摘要
以切比雪夫基表示的首一多项式的根已知为所谓同事矩阵的特征值,该矩阵为对称三对角矩阵与秩1矩阵之和的Hessenberg矩阵。因此求根问题被重新表述为特征值问题,使得此类矩阵特征值计算成为具有重要实际意义的课题。本文中,我们描述了一种用于同事矩阵的显式结构QR算法,并证明其在分量级后向稳定,即同事矩阵中的后向误差可表示为对其各分量的相对扰动。Noferini、Robol与Vandebril近期的结果表明,分量级后向稳定性意味着多项式切比雪夫展开系数向量中的后向误差满足界,其中为机器精度。因此,我们描述的算法在系数上具有最优后向误差,且代价最优为。我们用若干数值算例说明了该算法的性能。
引用
@article{arxiv.2102.12186,
title = {A Provably Componentwise Backward Stable $O(n^2)$ QR Algorithm for the Diagonalization of Colleague Matrices},
author = {Kirill Serkh and Vladimir Rokhlin},
journal= {arXiv preprint arXiv:2102.12186},
year = {2021}
}
备注
51 pages, 10 figures