×
波德海斯基，H。;韦纳，R。;施密特，学士。

Krylov积分器的数值实验。 （英语） Zbl 0924.65065号

申请。数字。数学。 28，编号2-4，413-425（1998）.
作者讨论了基于算子分裂格式的反应扩散问题的预处理Krylov-W方法。给出了各种Krylov码的数值比较。
审核人：J.D.P.唐纳利（牛津）

引用于5文件

MSC公司：

65升05 常微分方程初值问题的数值方法
34A34飞机 非线性常微分方程和系统
34E13号机组 常微分方程的多尺度方法
65层10 线性系统的迭代数值方法
65层35 矩阵范数、条件、缩放的数值计算

关键词：

ROW方法;初值问题;刚性系统;预调节器;Rosenbrock-Wanner方法;Krylov子空间迭代;数值示例;算子分裂方案;反应扩散问题

软件：

VODE（旁白）;LAPACK公司;LSODA公司;路权地图
PDF格式BibTeX公司 XML格式引用
\textit{H.Podhaisky}等人，应用。数字。数学。28，编号2-4413-425（1998年；Zbl 0924.65065）
全文： 内政部

参考文献：

[1] Anderson，E.，《LAPACK用户指南》（1995），SIAM:SIAM Philadelphia，PA·兹比尔0755.65028
[2] Brown，P.N。；拜恩，G.D。；Hindmarsh，A.C.，VODE:可变效率ODE解算器，SIAM J.Sci。统计师。计算。，10, 1038-1051 (1989) ·Zbl 0677.65075号
[3] Brown，P.N。；Hindmarsh，A.C.，《ODE刚性系统的无矩阵方法》，SIAM J.Numer。分析。，23, 610-638 (1986) ·Zbl 0615.65078号
[4] Brown，P.N。；Hindmarsh，A.C.，《刚性ODE系统中的简化存储矩阵方法》，J.Appl。数学。计算。，31, 40-91 (1989) ·Zbl 0677.65074号
[5] Byrne，G.D.，在僵硬的常微分方程环境中用Krylov方法进行的语用实验，（Cash，J.R.；Gladwell，I.，《计算常微分方程》（1992），克拉伦登出版社：克拉伦登牛津出版社），323-356·Zbl 0769.65038号
[6] 海尔，E。；Wanner，G.，《求解常微分方程II》（1996），施普林格出版社：施普林格-柏林·Zbl 0859.65067号
[7] Hochbruck先生。；卢比奇，C。；Selhofer，H.，大型微分方程组的指数积分器，（技术报告（1995），德国大学数学研究所），SIAM J.科学。计算。，已提交
[8] Jackson，K.R。；Seward，W.L.，大型刚性ODE系统代码中的自适应线性方程求解器，SIAM J.Sci。计算。，14, 800-823 (1993) ·Zbl 0795.65039号
[9] 卡普斯，P。；Rentrop，P.，刚性常微分方程带步长控制的四阶广义Runge-Kutta方法，数值。数学。，38, 55-68 (1979) ·兹伯利0436.65047
[10] Saad，Y.，求解大型非对称线性系统的Krylov子空间方法，数学。公司。，37, 105-126 (1981) ·Zbl 0474.65019号
[11] 萨阿德，Y。；Schultz，M.H.，GMRES:求解非对称线性系统的广义最小残差算法，SIAM J.Sci。统计师。计算。，7, 856-869 (1986) ·Zbl 0599.65018号
[12] B.A.Schmitt和R.Weiner，Krylov-ROW方法中的多项式预处理，提交出版。；B.A.Schmitt和R.Weiner，Krylov-ROW方法中的多项式预处理，提交出版·Zbl 0924.65066号
[13] 施密特，学士。；Weiner，R.，使用多重Arnoldi迭代的无矩阵W方法，应用。数字。数学。，18, 307-320 (1995) ·Zbl 0837.65069号
[14] 范德胡温，P.J。；Sommeijer，B.P。；Kok，J.，三维交通模型完全隐式离散化的迭代解，（技术报告21（1996），CWI:CWI阿姆斯特丹）·Zbl 0890.65099号
[15] 韦纳，R。；施密特，学士。；Podhaisky，H.，ROWMAP——一种用于大型刚性ODE的Krylov技术的ROW代码，应用。数字。数学。，25, 303-319 (1997) ·Zbl 0895.65035号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。