Key points are not available for this paper at this time.
. Der zur Schätzung der Matrix-1-Norm verwendete Algorithmus in LAPACK und verschiedenen anderen Softwarebibliotheken und -paketen hat sich als wertvolles Werkzeug erwiesen. Allerdings weist er die Einschränkungen auf, dass er dem Benutzer keine Kontrolle über die Genauigkeit und Zuverlässigkeit der Schätzung bietet und dass er auf Level-2-BLAS-Operationen basiert. Eine Blockgeneralisierung der 1-Norm-Potenzmethode, die dem Schätzer zugrunde liegt, wird hier abgeleitet und zu einem praktischen Algorithmus entwickelt, der sowohl auf reelle als auch auf komplexe Matrizen anwendbar ist. Der Algorithmus arbeitet mit n \ t Matrizen, wobei t ein Parameter ist. Für t = 1 wird der ursprüngliche Algorithmus wiederhergestellt, jedoch mit zwei Verbesserungen (eine für reelle Matrizen und eine für komplexe Matrizen). Die Genauigkeit und Zuverlässigkeit der Schätzungen nimmt im Allgemeinen mit t zu, und die Berechnungskerne sind Level-3-BLAS-Operationen für t? 1. Die letzten t \ 1 Spalten der Ausgangsmatrix werden zufällig gewählt, was dem Algorithmus einen statistischen Charakter verleiht. Als Nebenprodukt unserer Untersuchungen identifizieren wir eine Matrix fo. . .
Higham et al. (Sat,) haben diese Frage untersucht.