关于M矩阵的线性系统一个新的AOR预处理方法(英文)

本文研究M矩阵的预处理AOR方法,并给出新的预处理子I+Sα+SM+Sδ.新的预处理子是基于系数矩阵A的上三角部分绝对值最大元素,次对角元素以及最后一列元素构建.我们证明此法将加速AOR迭代速率,并通过与其他三个预处理子的比较说明新的预处理子更有效.数值例子验证了此预处理方法的有效性.     

波动方程all-at-once系统的快速α循环绝对值预处理

为了加快预处理MINRES方法求解波动方程all-at-once系统的收敛速度,基于绝对值预处理子和块状三对角Toeplitz预处理子,提出一种新的α循环绝对值预处理子。理论上证明了预处理矩阵可近似分裂成正交矩阵与低秩矩阵的和,且其特征值聚集在±1附近,保证了预处理MINRES方法的快速收敛性质。数值实验结果进一步表明了新预处理子的有效性。     

非对称鞍点问题的约束预条件子

用Schilders分解来推导非对称鞍点问题的约束预条件子,主要讨论了Schilders分解的过程、参数矩阵的选择及预处理矩阵特征值和特征向量的分布,得到了预处理矩阵最小多项式次数的一个上界并给出了约束预处理方法的实现,最后用数值算例加以说明.     

用Chebvshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题的子空间迭代法.首先引入了加速子空间迭代法的Chebyshev迭代法和预处理技术.为了更好地加速子空间迭代法的收敛速度,作者把Chebyshev多项式和预处理技术同时应用到子空间迭代法中,对预处理过的残余矩阵用Chebyshev多项式加速.即讨论了Chebyshev迭代法对预处理子空间迭代法的应用.这样既缩小了矩阵特征值的分布范围,又改善了每次循环的初始矩阵.从而给出了用Chebyshev多项式加速的预处理子空间迭代法.最后给出了数值例子,结果表明加速后的预处理子空间迭代法比原来的预处理子空间迭代法更优越,进一步加速了迭代法的收敛速度,减少了计算量和计算时间.     

求解鞍点问题的广义HSS移位分裂方法

提出一种新的矩阵分裂方法,即广义HSS移位分裂方法,用于求解大型稀疏线性方程组(即鞍点问题),其中系数矩阵具有非Hermite正定(1,1)块子矩阵.同时,通过理论分析证明了在一定条件下该方法收敛到方程组的唯一解.此外,也讨论了预处理矩阵的谱性质.     

求解H-矩阵线性方程组的预处理Gauss-Seidel方法

针对系数矩阵A为H-矩阵,为线性方程组Ax=b引入了两种形式的预处理矩阵I+-S和I+S^,给出了相应的预处理Gauss-Seidel方法.证明了若系数矩阵A为H-矩阵,则新的系数矩阵(I+-S)A和(I+S^)A仍是H-矩阵,并给出了相应预条件Gauss-Seidel方法的收敛性分析.通过数值算例验证了新的预处理迭代方法的收敛率比经典的Gauss-Seidel迭代法以及J.P.Milaszewicz提出的改进Gauss-Seidel迭代法更好.     

用Chebyshev多项式加速的预处理子空间迭代法

研究了计算大型稀疏对称矩阵的若干个最大或最小特征值的问题，首先引入了求解大型对称特征值问题的预处理子空间迭代法和Chebyshev迭代法，并对其作了理论分析．为了加速预处理子空间迭代法的收敛性，笔者采用组合Chebyshev迭代法和预处理子空间迭代法，提出了计算大型对称稀疏矩阵的几个最大或最小特征值的Chebyshev预处理子空间迭代法．数值结果表明，该方法比预处理子空间方法优越．     

改进的古典迭代法对于M-矩阵谱半径的比较结果

近四十年来许多文章致力于研究在系数矩阵是M 矩阵的情形下,线性方程组的预处理子的修改与完善,目的是为了改善古典迭代法(Jacobi,Gauss Seidel迭代法等)的收敛速度.本文对其中的Milaszewicz的方法(见文献[1])做出改进,将其结论中的预处理子参数化,并对参数的选择给出必要条件,以保证这种预处理方法收敛,从而得到在这种改进的预处理方法下,Jacobi及Gauss Seidel迭代法的迭代矩阵谱半径的比较结果.     

非对称线性方程组的可变预处理GPBi-CG方法

给出了可变预处理形式的GPBi-CG方法,在算法的每一步中它用不同的预处理子.特别地,可变预处理子的灵活性是可用任何一种迭代法得到.例如,标准的GPBi-CG算法自身可以作为预处理子,其他的Krylov子空间法或是分裂迭代法也可以.对于可变预处理形式的GPBi-CG方法,我们还进行了一些数值试验,包括一些非对称矩阵.这些算例表明了可变预处理迭代法的收敛性和可靠性.     

求解一类复对称线性系统的优化的结构预处理子

针对一类复对称线性系统,提出一个优化的结构预处理子.当用于加速特定的Krylov子空间方法时,该预处理子可导出不依赖网格尺寸的稳定数值表现.理论分析了该预处理子的计算复杂性,并表明相应预处理矩阵的特征值是正实的且分布在[1/2+ε/(2(1+ε~2)/(1/2)),1].数值结果验证了理论推导的正确性,并表明了该预处理子的有效性和稳定性.     

求解对称正定线性代数方程组的一个代数预处理器

给出一种代数预处理器的构造方法, 并用Weyl不等式对该预处理器和分块对角预处理器进行理论分析. 理论分析和数值算例均表明, 所提出的预处理器优于分块对角预处理器.     

(I+Smax)预条件Gauss-Seidel迭代法进一步探索

Kotakemori研究了不可约对角占优Z 阵的(I Smax)预条件Gauss Seidel迭代法,并证明在一定条件下,进行(I Smax)预处理比(I S)预处理收敛效果更好.本文将其收敛性定理推广到具有广泛应用背景的H 阵,并将这两类预条件Gauss Seidel迭代法相结合对不可约非奇M 阵进行两次适当的预处理,数值例子表明这样可以大大加快Gauss Seidel迭代法的收敛速度.     

Fast Multipole BEM for Simulation of 2-D Solids Containing Large Numbers of Cracks

The fast multipole method was used to solve the traction boundary integral equation for 2-D crack analysis, The use of both multipole and local expansions reduces both the computational complexity and the memory requirement to O(N). The multipole expansion uses a complex Taylor series expansion to reduce the number of multipole moments, The generalized minimum residual method solver (GMRES) was selected as the iterative solver, An improved preconditioner for GMRES was developed which uses less CPU time and less memory. A new initial candidate vector for the iterative solver was developed to further improve the efficiency, The numerical examples apply the method to the analysis of cracks in infinite 2-D space with the largest model having 900 000 degrees of freedom.     

解线性方程组的预条件SOR型迭代法

针对大型线性方程组问题构造了一种含有待定参数和预条件因子的新迭代解法,将其称为预条件SOR型迭代法.当待定参数ω=1时,预条件SOR迭代法就变成程光辉等人给出的预条件Gauss-Seidel型方法.讨论了当系数矩阵是不可约Z-矩阵时,SOR法和预条件SOR法的迭代矩阵所具有的性质,并通过定理将这两种迭代矩阵的谱半径进行了比较,同时给出了收敛最快时参数的取值范围.另外也将预条件SOR型迭代法和预条件Gauss-Seidel型方法进行了比较,显示了新方法的优越性.最后通过数值例子说明,选取合适的预条件因子可以使求解线性方程组的预条件SOR方法变得更有效.     

解泊松方程的快速预处理共轭梯度法

为了满足电子技术中电磁问题求解器的工程需求 ,通过分析泊松方程均匀差分离散所得模型问题的矩阵结构 ,提出了共轭梯度法的三角阵预处理器 .在用数值试验考察了其参数的特性后 ,给出了参数的经验估计方法 .实现了带参数的三角预处理器共轭梯度法求解器 .实例表明 ,该算法比常规共轭梯度法和超松弛法具有更低的计算复杂度 ,而它们存储复杂度相同 .不仅所实现的求解器具有实用价值 ,而且所给出的预处理构造技术具有进一步发展的余地 .     

含参Jacobi迭代的一个加速

文章运用预条件得到含参Jacobi迭代的一个加速,并给出比较定理,最后通过数值例子验证了这个预条件含参Jacobi迭代有更好的收敛效果.     

预处理后关于IMGS和SOR迭代法的一个比较定理

对于迭代法解线性方程组,运用矩阵分裂理论及比较定理,对超松弛迭代法(即SOR方法)和预条件P=I+Cα后的Gauss-Seidel迭代法(称为IMGS方法)的收敛速度进行比较,得到较好结果,最后给出一个数值例子。     

一类多参数预条件AOR迭代法

讨论一类新的多参数预条件AOR迭代法的收敛性,得到了比较定理,说明此类预条件AOR迭代法的收敛速度要比经典AOR迭代法的收敛速度快。最后,用一个数值例子验证了得到的结论。