×

鞍点问题的一类矩阵分裂预条件的谱性质。 (英语) Zbl 1331.65059号

小结:基于加速厄米特和偏厄米特分裂迭代格式[Z.白G.H.戈卢布IMA J.数字。分析。27,第1号,1-23(2007年;Zbl 1134.65022号)],本文提出了一种新的双参数矩阵分裂预处理器。详细分析了预处理矩阵的谱特性。在此基础上,提出并分析了一种改进的矩阵分裂预处理器。最后,使用GMRES(m)作为线性系统的迭代求解器,对Stokes和Navier-Stokes方程离散化后的预条件进行了性能比较。

MSC公司:

65F08个 迭代方法的前置条件
65层10 线性系统的迭代数值方法
65层50 稀疏矩阵的计算方法
2015财年65 矩阵特征值和特征向量的数值计算
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Benzi,M。;Golub,G.H。;Liesen,J.,鞍点问题的数值解,数值学报。,14, 1-137 (2005) ·Zbl 1115.65034号
[2] Saad,Y.,《稀疏线性系统的迭代方法》(2003),SIAM:SIAM Philadelphia·Zbl 1002.65042号
[3] 张,N。;卢,T.-T。;Wei,Y.-M.,奇异鞍点问题的Uzawa方法的半收敛性分析,J.Compute。申请。数学。,255334-345(2014)·Zbl 1291.65116号
[4] Bai,Z.-Z。;Zhang,S.-L.,对称正定线性方程组的正则化共轭梯度法,J.Compute。数学。,20437-448(2002年)·Zbl 1002.65040号
[5] Bai,Z.-Z。;Wang,Z.-Q.,对称正定线性系统共轭梯度法的限制预条件,J.Compute。申请。数学。,187, 202-226 (2006) ·Zbl 1083.65045号
[6] Bai,Z.-Z.,Hermitian和不定导块鞍点矩阵的特征值估计,J.Compute。申请。数学。,237, 295-306 (2013) ·Zbl 1252.15022号
[7] 曹毅。;姚明,L.-Q。;姜明清。;Niu,Q.,无网格离散化鞍点问题的松弛HSS预条件,J.Compute。数学。,31, 398-421 (2013) ·Zbl 1299.65043号
[8] Elman,H.C。;Ramage,A。;Silvester,D.J.,IFISS:研究辛可压缩流动问题的计算实验室,SIAM Rev.,56,261-273(2014)·Zbl 1426.76645号
[9] Bai,Z.-Z。;Golub,G.H.,鞍点问题的加速厄米特和偏厄米特分裂方法,IMA J.Numer。分析。,27, 1-23 (2007) ·Zbl 1134.65022号
[10] Benzi,M.,埃尔米特和偏赫米特分裂迭代的推广,SIAM J.矩阵分析。申请。,31, 360-374 (2009) ·Zbl 1191.65025号
[11] 黄,T.-Z。;Wu,S.-L。;Li,C.-X.,广义鞍点问题的厄米特和偏厄米特分裂预条件的谱性质,J.Compute。申请。数学。,229, 37-46 (2009) ·Zbl 1166.65012号
[12] Bai,Z.-Z.,时间谐波涡流模型鞍点问题的块交替分裂隐式迭代法,数值。线性代数应用。,19, 914-936 (2012) ·Zbl 1289.65048号
[13] 潘,J.-Y。;Ng,M.K。;Bai,Z.-Z.,鞍点问题的新预条件,应用。数学。计算。,172762-771(2006年)·Zbl 1088.65040号
[14] Bai,Z.-Z。;Golub,G.H。;卢,L.-Z。;Yin,J.-F.,正定线性系统的块三角形和斜埃尔米特分裂方法,SIAM J.Sci。计算。,26, 844-863 (2005) ·Zbl 1079.65028号
[15] Bai,Z.-Z。;Ng,M.K.,关于非对称矩阵的非精确预条件,SIAM J.Sci。计算。,26, 1710-1724 (2005) ·Zbl 1077.65043号
[16] Elman,H.C。;Ramage,A。;Silvester,D.J.,IFISS:用于建模不可压缩流的Matlab工具箱,ACM Trans。数学。软件,33(2007),第14条·Zbl 1365.65326号
[17] 张晓云。;Huang,Y.-M.,PDE约束优化的块上预条件,J.Compute。数学。,32, 272-283 (2014) ·Zbl 1313.65168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。