The computation of eigenvalues of a matrix is still of importance from both theoretical and practical points of view. This is a significant problem for numerous industrial and scientific situations, notably in dynamics of structures (e.g. Gerardin, 1984), physics (e.g. Rappaz, 1979), chemistry (e.g. Davidson, 1983), economy (e.g. Morishima, 1971; Neumann, 1946), mathematics (e.g. Golub, 1989; Chatelin, 1983, 1984, 1988). The study of eigenvalue problems remains a delicate task, which generally presents numerical difficulties in relation to its sensivity to roundoff errors that may lead to numerical unstabilities, particularly if the eigenvalues are not well separated. In this paper, new subgradient-algorithms for computation of extreme eigenvalues of a symmetric real matrix are presented. Those algorithms are based on stability of Lagrangian duality for non-convex optimization and on duality in the difference of convex functions. Some experimental results which prove the robustness and efficiency of our algorithms are provided.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00