In the literature, there exist several studies on symbol-based multigrid methods for the solution of linear systems having structured coefficient matrices. In particular, the convergence analysis for such methods has been obtained in an elegant form in the case of Toeplitz matrices generated by a scalar-valued function. In the block-Toeplitz setting, that is, in the case where the matrix entries are small generic matrices instead of scalars, some algorithms have already been proposed regarding specific applications and a first rigorous convergence analysis has been performed in [7]. However, with the existent symbol-based theoretical tools, it is still not possible to prove the convergence of many multigrid methods known in the literature. This paper aims to generalize the previous results giving more general sufficient conditions on the symbol of the grid transfer operators.In particular, we treat matrix-valued trigonometric polynomials which can be non-diagonalizable and singular at all points and we express the new conditions in terms of the eigenvectors associated with the ill-conditioned subspace. Moreover, we extend the analysis to the V-cycle method proving a linear convergence rate under stronger conditions, which resemble those given in the scalar case. In order to validate our theoretical findings, we present a classical block structured problem stemming from a FEM approximation of a second order differential problem. We focus on two multigrid strategies that use the geometric and the standard bisection grid transfer operators and we prove that both fall into the category of projectors satisfying the proposed conditions. In addition, using a tensor product argument, we provide a strategy to construct efficient V-cycle procedures in the block multilevel setting.


翻译:在文献中,对基于符号的多格方法进行了一些研究,以解决有结构系数矩阵的线性系统的方法,对基于符号的线性系统的结构化系数矩阵进行了一些研究,特别是,对托普利茨基矩阵的合并分析以优美的形式在由一个斜面值函数生成的托普利茨基质中取得了优美的形式。在块状托普利茨环境中,即在矩阵条目为小型通用矩阵而不是卡路里的情况下,已经就具体应用提出了一些算法,并在[7]中进行了首次严格的趋同分析。然而,由于存在基于符号的理论工具,仍然无法证明文献中已知的许多多格利特方法的趋同性。本文旨在概括以前的结果,为电网传输操作员的标志提供了更加普遍的条件。 特别是,如果矩阵估值为三角矩阵的三角矩阵,则在所有点上都是非透面值和奇数的,我们用与不完善的子空间有关的精度指数化因素表示新的条件。此外,我们把这一分析扩大到V-循环方法的多格化方法在文献中的多格化战略中,我们用了一个更精确的平面级平面级计算,我们用了一个更精确的轨道级的轨道级的模型的模型, 将一个更精确的顺序,从而提供了一种更精确的顺序,从而提供了一种更精确的模型的模型的顺序, 。

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
84+阅读 · 2021年12月9日
专知会员服务
76+阅读 · 2021年3月16日
【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【CNN】一文读懂卷积神经网络CNN
产业智能官
18+阅读 · 2018年1月2日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Arxiv
0+阅读 · 2022年1月13日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Graph Analysis and Graph Pooling in the Spatial Domain
Arxiv
3+阅读 · 2018年12月21日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关资讯
深度卷积神经网络中的降采样
极市平台
12+阅读 · 2019年5月24日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【CNN】一文读懂卷积神经网络CNN
产业智能官
18+阅读 · 2018年1月2日
推荐|Andrew Ng计算机视觉教程总结
全球人工智能
3+阅读 · 2017年11月23日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
Top
微信扫码咨询专知VIP会员