调用ARPACK反向通信矩阵向量例程 我尝试用C++编写一个驱动程序，用ARPACK提供的FORTRAN函数计算一个非对称实值稀疏矩阵的特征值，但反向通信方法有点麻烦。p>

一般来说，我试图求解标准特征值方程：

A*v = lambda*v

与矩阵A的任何交互都是通过函数“av”在ARPACK中完成的：

av(n, workd[ipntr[0]], workd[ipntr[1]])

它将从位置“ipntr[0]”开始的数组“workd”中的向量相乘，并将结果插入从位置“ipntr[1]”开始的数组“workd”中。该方法的示例在手册中以及ARPACK/Examples/SIMPLE/dnsimp.f代码中给出

我想知道的是，我实际上如何涉及矩阵A？如果它没有传递给例程，那么如何在提供的向量上找到它的操作呢

在示例代码dnsimp.f中，其矩阵A在函数“av”内计算，并“从二维对流扩散算子的标准中心差分离散化中推导”。然而，我相信这是具体问题吗？将矩阵A的推导编码到函数中似乎也不太有用。我在手册上也找不到太多关于这方面的信息

这似乎不是一个太大的问题，因为它是一个用户定义的函数，所以我可以更改“av”的定义，将矩阵a作为一个参数。但是，我想知道如何正确地处理任何潜在的兼容性问题

---

谢谢大家!

您不必向ARPACK提供矩阵

您所要做的就是将矩阵与返回向量相乘（因此，反向通信），直到达到所需的收敛

有关算法的信息，您应该查看，尤其是

回复评论：底层算法是Arnoldi迭代的一种形式。基本算法如和所示，矩阵A将不会被访问。既不是直接的，也不是间接的

---

特别是，算法从任意规格化向量q_1开始。此向量将返回给用户。用户使用他们最喜欢的例程（通常是一些有效的稀疏矩阵向量乘法）将该向量与矩阵A相乘，并将结果返回给Arnoldi迭代，以计算部分Hessenberg矩阵H（其特征值通常收敛于A的极端特征值）和下一个向量q_2。这必须迭代，直到结果收敛。

我知道ARPACK不直接需要矩阵，我想知道处理反向通信部分的函数“av”如何访问矩阵A以执行矩阵向量积。在不将其传递给函数的情况下（并因此更改其建议的声明格式），我能看到它工作的唯一方法是将A声明为全局变量。更改声明对于我个人来说是很好的，尽管我很好奇是否有更好的方法可以与使用其方法的其他代码兼容。很抱歉，我可能对此非常不清楚！我的问题不是底层算法，而是如何将矩阵A转化为我最喜欢的例程。在示例中，他们最喜欢的例程是上面定义的函数“av”，并且函数中已经编码了A（不理想）。正如您所说，需要矩阵A来计算乘积，但问题是如果矩阵A没有作为参数传递给“av”，如何使用矩阵A。我想一个全局变量会起作用，但我会坚持修改声明。谢谢你的帮助！好吧，我也得道歉。。。现在，我明白你的意思了。他们以尽可能短的方式为示例矩阵定义了矩阵向量积。这就是为什么它没有明确地出现的原因。通常，你会用一个例程来替换这个例程，这个例程不是ARPACK库的一部分（只是一个示例），它将你的矩阵与返回的向量相乘。太棒了，谢谢你清理了它。我不确定是否有一个标准的方法来确保兼容性，但现在我可以自由地更改格式，这是有意义的。干杯