通过深入细化与拉普拉斯算子相关的增量未知矩阵是第一阶的$p(d)O(1/H^2)O(|log_dh|^3)$增量未知数,第二个为$q(d)O(1/H^2)O((log_dh)^2)$订单增量未知量,其中$d$是细化的深度,$H$是最粗网格的网格大小,$h$是最细网格的网格尺寸网格,$p(d)=\frac{d-1}{2}$和$q(d)=\frac{d-1{2}\frac{1}{12} d日(d^2-1)美元。此外,如果使用块对角线(缩放)预处理预处理增量未知矩阵的条件数对于一阶增量未知数和$q(d)O(|log_dh|)$表示二阶增量未知数。为了进行比较与拉普拉斯相关的节点未知矩阵的条件数运算符是$O(1/h^2)$。因此,增量未知预条件器是高效的,具有深度细化,但它的效率随着细化深度的增加,以某种速度恶化。