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:2504.11167

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.11167 (math)
[提交于 2025年4月15日 ]

标题: 求解大规模稀疏线性系统的低秩SPIKE框架及其应用

标题: Low-Rank SPIKE Framework for Solving Large Sparse Linear Systems with Applications

Authors:Braegan S. Spring, Eric Polizzi, Ahmed H. Sameh
摘要: 求解线性方程组的 SPIKE 方法族通过块三对角划分提供并行性。通常基于 SPIKE 的求解器应用于带状系统,导致结构化的非对角块,其中非零元素限制在相对较小的子矩阵中,这些子矩阵构成了原始矩阵的带状部分。在这项工作中,研究了基于低秩奇异值分解 (SVD) 的非对角块近似方法。这种方法能够更有效地处理具有大而稀疏带状部分的矩阵。实现了一组灵活的分布式求解器,即 LR-SPIKE 变体,它们适用于广泛的应用场景——从用作改进经典块雅可比预条件器的“黑箱”预条件器,到用作专门的“近似直接求解器”。针对选择的 SuiteSparse 矩阵进行了新预条件器有效性的研究,特别关注来自三维有限元模拟的矩阵。此外,SPIKE 近似的线性方程组求解器还与 FEAST 特征值求解器结合使用,在前者快速收敛和后者允许较宽松的线性方程组收敛条件下,这种组合所需的求解器迭代次数非常少。
摘要: The SPIKE family of linear system solvers provides parallelism using a block tridiagonal partitioning. Typically SPIKE-based solvers are applied to banded systems, resulting in structured off-diagonal blocks with non-zeros elements restricted to relatively small submatrices comprising the band of the original matrix. In this work, a low-rank SVD based approximation of the off-diagonal blocks is investigated. This produces a representation which more effectively handles matrices with large, sparse bands. A set of flexible distributed solvers, the LR-SPIKE variants, are implemented. There are applicable to a wide range of applications -- from use as a "black-box" preconditioner which straightforwardly improves upon the classic Block Jacobi preconditioner, to use as a specialized "approximate direct solver." An investigation of the effectiveness of the new preconditioners for a selection of SuiteSparse matrices is performed, particularly focusing on matrices derived from 3D finite element simulations. In addition, the SPIKE approximate linear system solvers are also paired with the FEAST eigenvalue solver, where they are shown to be particularly effective due to the former's rapid convergence, and the latter's acceptance of loose linear system solver convergence, resulting in a combination which requires very few solver iterations.
评论: 26页
主题: 数值分析 (math.NA) ; 数学软件 (cs.MS)
引用方式: arXiv:2504.11167 [math.NA]
  (或者 arXiv:2504.11167v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.11167
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Eric Polizzi [查看电子邮件]
[v1] 星期二, 2025 年 4 月 15 日 13:15:00 UTC (944 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
查看许可
当前浏览上下文:
cs.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.MS
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