English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

The computation of determinants intervenes in many scientific applications, as for example in the localization of eigenvalues of a given matrix A in a domain of the complex plane. When a procedure based on the application of the residual theorem is used, the integration process leads to the evaluation of the principal argument of the complex logarithm of the function g(z) = det((z + h)I - A)/ det(zI - A), and a large number of determinants is computed to insure that the same branch of the complex logarithm is followed during the integration. In this paper, we present some efficient methods for computing the determinant of a large sparse and block structured matrix. Tests conducted using randomly generated matrices show the efficiency and robustness of our methods. Le calcul de déterminants intervient dans certaines applications scientifiques, comme parexemple dans le comptage du nombre de valeurs propres d’une matrice situées dans un domaineborné du plan complexe. Lorsqu’on utilise une approche fondée sur l’application du théorème desrésidus, l’intégration nous ramène à l’évaluation de l’argument principal du logarithme complexe de lafonction g(z) = det((z + h)I − A)/ det(zI − A), en un grand nombre de points, pour ne pas sauterd’une branche à l’autre du logarithme complexe. Nous proposons dans cet article quelques méthodesefficaces pour le calcul du déterminant d’une matrice grande et creuse, et qui peut être transforméesous forme de blocs structurés. Les résultats numériques, issus de tests sur des matrices généréesde façon aléatoire, confirment l’efficacité et la robustesse des méthodes proposées.

Some efficient methods for computing the determinant of large sparse matrices