Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2412.01554

帮助 | 高级搜索

数学 > 数值分析

arXiv:2412.01554 (math)
[提交于 2024年12月2日 (v1) ,最后修订 2025年4月7日 (此版本, v2)]

标题: 关于不定矩阵分裂和预处理的注记

标题: A note on indefinite matrix splitting and preconditioning

Authors:Andy Wathen
摘要: 求解线性(化)方程组是科学计算中许多问题的核心。 特别是对于高维系统,迭代方法是一种主要的方法。 平稳迭代方法通常基于矩阵分裂,而多项式迭代方法如Krylov子空间迭代,则分裂矩阵是预条件矩阵。 多网格方法中的平滑器通常是一个平稳或多项式迭代。 这里我们考虑实对称不定和复共轭对称不定系数矩阵,并证明除非惯性被精确保持,否则没有分裂矩阵能导致收缩的平稳迭代。 这对我们进一步描述不定系统的预条件和多网格中的平滑有影响。
摘要: The solution of systems of linear(ized) equations lies at the heart of many problems in Scientific Computing. In particular for systems of large dimension, iterative methods are a primary approach. Stationary iterative methods are generally based on a matrix splitting, whereas for polynomial iterative methods such as Krylov subspace iteration, the splitting matrix is the preconditioner. The smoother in a multigrid method is generally a stationary or polynomial iteration. Here we consider real symmetric indefinite and complex Hermitian indefinite coefficient matrices and prove that no splitting matrix can lead to a contractive stationary iteration unless the inertia is exactly preserved. This has consequences for preconditioning for indefinite systems and smoothing for multigrid as we further describe.
评论: 已被接受发表在《线性代数及其应用》上
主题: 数值分析 (math.NA)
MSC 类: 65F08, 65F10, 65M55
引用方式: arXiv:2412.01554 [math.NA]
  (或者 arXiv:2412.01554v2 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.01554
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Andrew Wathen [查看电子邮件]
[v1] 星期一, 2024 年 12 月 2 日 14:40:46 UTC (60 KB)
[v2] 星期一, 2025 年 4 月 7 日 14:10:04 UTC (62 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
cs.NA
math
math.NA

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号