Low-Rank Factorizations in Data Sparse Hierarchical Algorithms for Preconditioning Symmetric Positive Definite Matrices

We consider the problem of choosing low-rank factorizations in data sparse matrix approximations for preconditioning large-scale symmetric positive definite (SPD) matrices. These approximations are memory-efficient schemes that rely on hierarchical matrix partitioning and compression of certain sub-...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	SIAM journal on matrix analysis and applications Jg. 39; H. 4; S. 1701 - 1725
Hauptverfasser:	Agullo, Emmanuel, Darve, Eric, Giraud, Luc, Harness, Yuval
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Society for Industrial and Applied Mathematics 01.01.2018
Schlagworte:	Computer Science Distributed, Parallel, and Cluster Computing Mathematics Numerical Analysis
ISSN:	0895-4798, 1095-7162
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!