Spelling suggestions: "subject:"lineares gleichungssystem"" "subject:"lineares gleichungssysteme""
11 |
Krylov subspace methods in finite precision a unified approach /Zemke, Jens-Peter Max. Unknown Date (has links) (PDF)
Techn. University, Diss., 2003--Hamburg.
|
12 |
Strategien und Methoden zur Ausnutzung der High-Performance-Ressourcen moderner Rechnerarchitekturen für Finite-Element-Simulationen und ihre Realisierung in FEAST (Finite Element Analysis & Solution Tools)Becker, Christian January 2007 (has links)
Zugl.: Dortmund, Univ., Diss., 2007
|
13 |
Die Simulation von schwach kompressiblen Strömungen auf körperangepassten, strukturierten GitternRatzel, Marc. Unknown Date (has links) (PDF)
Universiẗat, Diss., 2003--Stuttgart.
|
14 |
Krylov subspace methods and their generalizations for solving singular linear operator equations with applications to continuous time Markov chainsSchneider, Olaf 16 December 2009 (has links) (PDF)
Viele Resultate über MR- und OR-Verfahren zur Lösung linearer Gleichungssysteme bleiben (in leicht modifizierter Form) gültig, wenn der betrachtete Operator nicht invertierbar ist. Neben dem für reguläre Probleme charakteristischen Abbruchverhalten, kann bei einem singulären Gleichungssystem auch ein so genannter singulärer Zusammenbruch auftreten. Für beide Fälle werden verschiedene Charakterisierungen angegeben. Die Unterrauminverse, eine spezielle verallgemeinerte Inverse, beschreibt die Näherungen eines MR-Unterraumkorrektur-Verfahrens. Für Krylov-Unterräume spielt die Drazin-Inverse eine Schlüsselrolle. Bei Krylov-Unterraum-Verfahren kann a-priori entschieden werden, ob ein regulärer oder ein singulärer Abbruch auftritt. Wir können zeigen, dass ein Krylov-Verfahren genau dann für beliebige Startwerte eine Lösung des linearen Gleichungssystems liefert, wenn der Index der Matrix nicht größer als eins und das Gleichungssystem konsistent ist. Die Berechnung stationärer Zustandsverteilungen zeitstetiger Markov-Ketten mit endlichem Zustandsraum stellt eine praktische Aufgabe dar, welche die Lösung eines singulären linearen Gleichungssystems erfordert. Die Eigenschaften der Übergangs-Halbgruppe folgen aus einfachen Annahmen auf rein analytischem und matrixalgebrischen Wege. Insbesondere ist die erzeugende Matrix eine singuläre M-Matrix mit Index 1. Ist die Markov-Kette irreduzibel, so ist die stationäre Zustandsverteilung eindeutig bestimmt.
|
15 |
Krylov subspace methods and their generalizations for solving singular linear operator equations with applications to continuous time Markov chainsSchneider, Olaf 09 October 2006 (has links)
Viele Resultate über MR- und OR-Verfahren zur Lösung linearer Gleichungssysteme bleiben (in leicht modifizierter Form) gültig, wenn der betrachtete Operator nicht invertierbar ist. Neben dem für reguläre Probleme charakteristischen Abbruchverhalten, kann bei einem singulären Gleichungssystem auch ein so genannter singulärer Zusammenbruch auftreten. Für beide Fälle werden verschiedene Charakterisierungen angegeben. Die Unterrauminverse, eine spezielle verallgemeinerte Inverse, beschreibt die Näherungen eines MR-Unterraumkorrektur-Verfahrens. Für Krylov-Unterräume spielt die Drazin-Inverse eine Schlüsselrolle. Bei Krylov-Unterraum-Verfahren kann a-priori entschieden werden, ob ein regulärer oder ein singulärer Abbruch auftritt. Wir können zeigen, dass ein Krylov-Verfahren genau dann für beliebige Startwerte eine Lösung des linearen Gleichungssystems liefert, wenn der Index der Matrix nicht größer als eins und das Gleichungssystem konsistent ist. Die Berechnung stationärer Zustandsverteilungen zeitstetiger Markov-Ketten mit endlichem Zustandsraum stellt eine praktische Aufgabe dar, welche die Lösung eines singulären linearen Gleichungssystems erfordert. Die Eigenschaften der Übergangs-Halbgruppe folgen aus einfachen Annahmen auf rein analytischem und matrixalgebrischen Wege. Insbesondere ist die erzeugende Matrix eine singuläre M-Matrix mit Index 1. Ist die Markov-Kette irreduzibel, so ist die stationäre Zustandsverteilung eindeutig bestimmt.
|
16 |
A multigrid method with matrix-dependent transfer operators for 3D diffusion problems with jump coefficientsZhebel, Elena 16 December 2009 (has links) (PDF)
Gegeben sei ein lineares Gleichungssystem $Au = f$ mit Koeffizientenmatrix $A$, welche eine spezielle block-tridiagonale Struktur besitzt. Solche lineare Gleichungssysteme entstehen bei der Diskretisierung dreidimensionaler elliptischer Randwertprobleme mit 7- oder 27-Punkte-Stern. In geophysikalischen Anwedungen, insbesondere bei Aufgaben aus der Geoelektrik, haben die Randwertprobleme unstetige Koeffizienten und sind meistens auf nicht-uniformen Gittern diskretisiert. Klassische geometrische Mehrgitterverfahren konvergieren um so langsamer, je stärker die Koeffizientensprünge ausfallen. Außerdem kann die Konvergenz durch die Variation der Gitterabstände beeinträchtigt werden. Zur Lösung wird ein matrix-abhängiges Mehrgitterverfahren vorgestellt. Als Glätter wird eine unvollständige Block LU-Zerlegung verwendet. Die Gittertransferoperationen werden anhand der Einträge der Matrix $A$ ermittelt. Das resultierende Verfahren erweist sich als sehr robust, insbesondere wenn es als Vorkonditionierung für das Verfahren der konjugierten Gradienten eingesetzt wird.
|
17 |
A multigrid method with matrix-dependent transfer operators for 3D diffusion problems with jump coefficientsZhebel, Elena 17 December 2006 (has links)
Gegeben sei ein lineares Gleichungssystem $Au = f$ mit Koeffizientenmatrix $A$, welche eine spezielle block-tridiagonale Struktur besitzt. Solche lineare Gleichungssysteme entstehen bei der Diskretisierung dreidimensionaler elliptischer Randwertprobleme mit 7- oder 27-Punkte-Stern. In geophysikalischen Anwedungen, insbesondere bei Aufgaben aus der Geoelektrik, haben die Randwertprobleme unstetige Koeffizienten und sind meistens auf nicht-uniformen Gittern diskretisiert. Klassische geometrische Mehrgitterverfahren konvergieren um so langsamer, je stärker die Koeffizientensprünge ausfallen. Außerdem kann die Konvergenz durch die Variation der Gitterabstände beeinträchtigt werden. Zur Lösung wird ein matrix-abhängiges Mehrgitterverfahren vorgestellt. Als Glätter wird eine unvollständige Block LU-Zerlegung verwendet. Die Gittertransferoperationen werden anhand der Einträge der Matrix $A$ ermittelt. Das resultierende Verfahren erweist sich als sehr robust, insbesondere wenn es als Vorkonditionierung für das Verfahren der konjugierten Gradienten eingesetzt wird.
|
18 |
Entwurf einer fehlerüberwachten Modellreduktion basierend auf Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Modell / Implementation of an error-controlled model reduction based on Krylov-subspace methods and application to a mechanical modelBernstein, David 17 October 2014 (has links) (PDF)
Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model.
Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet.
Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet.
Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert. / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.
|
19 |
Stability of finite element solutions to Maxwell's equations in frequency domainSchwarzbach, Christoph 12 October 2009 (has links) (PDF)
Eine Standardformulierung der Randwertaufgabe für die Beschreibung zeitharmonischer elektromagnetischer Phänomene hat die Vektor-Helmholtzgleichung für das elektrische Feld zur Grundlage. Bei niedrigen Frequenzen führt der große Nullraum des Rotationsoperators zu einem instabilen Lösungsverhalten. Wird die Randwertaufgabe zum Beispiel mit Hilfe der Methode der Finiten Elemente in ein lineares Gleichungssystem überführt, äußert sich die Instabilität in einer schlechten Konditionszahl ihrer Koeffizientenmatrix. Eine stabilere Formulierung wird durch die explizite Berücksichtigung der Kontinuitätsgleichung erreicht. Zur numerischen Lösung der Randwertaufgaben wurde eine Finite-Elemente-Software erstellt. Sie berücksichtigt unter anderem unstrukturierte Gitter, räumlich variable, anisotrope Materialparameter sowie die Erweiterung der Maxwell-Gleichungen durch Perfectly Matched Layers. Die Software wurde anhand von Anwendungen in der marinen Geophysik erfolgreich getestet. Insbesondere demonstriert die Einbeziehung von Seebodentopographie in Form einer stetigen Oberflächentriangulierung die geometrische Flexibilität der Software. / The physics of time-harmonic electromagnetic phenomena can be mathematically described by boundary value problems. A standard approach is based on the vector Helmholtz equation in terms of the electric field. The curl operator involved has a large, non-trivial kernel which leads to an instable solution behaviour at low frequencies. If the boundary value problem is solved approximately using, e. g., the
finite element method, the instability expresses itself by a badly conditioned coefficient matrix of the ensuing system of linear equations. A stable formulation is obtained by taking the continuity equation explicitly into account. In order to solve the boundary value problem numerically a finite element software package has been implemented. Its features comprise, amongst others, the treatment of
unstructured meshes and piecewise polynomial, anisotropic constitutive parameters as well as the extension of Maxwell’s equations to the Perfectly Matched Layer. Successful application of the software is demonstrated with examples from marine geophysics. In particular, the incorporation of seafloor topography by a continuous
surface triangulation illustrates the geometric flexibility of the software.
|
20 |
Entwurf einer fehlerüberwachten Modellreduktion basierend auf Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches ModellBernstein, David 04 June 2014 (has links)
Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model.
Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet.
Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet.
Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert.:1. Einleitung
1.1. Motivation
1.2. Einordnung
1.3. Aufbau der Arbeit
2. Theorie
2.1. Simulationsmethoden
2.1.1. Finite Elemente Methode
2.1.2. Mehrkörpersimulation
2.1.3. Kopplung der Simulationsmethoden
2.2. Zustandsraumdarstellung und Reduktion
2.3. Krylov Unterraum Methoden
2.4. Arnoldi-Algorithmen erster Ordnung
2.5. Arnoldi-Algorithmen zweiter Ordnung
2.6. Korrelationskriterien
2.6.1. Eigenfrequenzbezogene Kriterien
2.6.2. Eigenvektorbezogene Kriterien
2.6.3. Übertragungsfunktionsbezogene Kriterien
2.6.4. Fehlerbewertung
2.6.5. Anwendung auf Systeme sehr großer Dimension
3. Numerik linearer Gleichungssysteme
3.1. Grundlagen
3.2. Singularität der Koeffizientenmatrix
3.2.1. Randbedingungen des Systems
3.2.2. Verwendung einer generellen Diagonalperturbation
3.3. Iterative Lösungsverfahren
3.4. Faktorisierungsverfahren
3.4.1. Cholesky-Faktorisierung
3.4.2. LU-Faktorisierung
3.4.3. Fillin-Reduktion durch Permutation
3.4.4. Fazit
3.5. Direkte Lösungsverfahren
3.6. Verwendung externer Gleichungssystem-Löser
3.7. Zusammenfassung
4. Implementierung
4.1. Aufbau von MORPACK
4.2. Anforderungen an Reduktions-Funktionen
4.3. Eigenschaften und Optionen der KSM-Funktionen
4.3.1. Arnoldi-Funktion erster Ordnung
4.3.2. Rationale SOAR-Funktionen
4.4. Korrelationskriterien
4.4.1. Eigenfrequenzbezogen
4.4.2. Eigenvektorbezogen
4.4.3. Übertragungsfunktionsbezogen
4.5. Lösungsfunktionen linearer Gleichungssysteme
4.5.1. Anforderungen und Aufbau
4.5.2. Verwendung der Gleichungssystem-Löser
4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern
5. Anwendung
5.1. Versuchsmodelle
5.1.1. Testmodelle kleiner Dimension
5.1.2. Getriebegehäuse
5.1.3. Treibsatzwelle
5.2. Validierung der Reduktionsmethoden an kleinem Modell
5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung
5.2.2. Rationale SOAR-Funktionen
5.2.3. Zusammenfassung
5.3. Anwendung der KSM auf große Modelle
5.3.1. Getriebegehäuse
5.3.2. Treibsatzwelle
5.4. Auswertung
6. Zusammenfassung und Ausblick
6.1. Zusammenfassung
6.2. Ausblick / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.:1. Einleitung
1.1. Motivation
1.2. Einordnung
1.3. Aufbau der Arbeit
2. Theorie
2.1. Simulationsmethoden
2.1.1. Finite Elemente Methode
2.1.2. Mehrkörpersimulation
2.1.3. Kopplung der Simulationsmethoden
2.2. Zustandsraumdarstellung und Reduktion
2.3. Krylov Unterraum Methoden
2.4. Arnoldi-Algorithmen erster Ordnung
2.5. Arnoldi-Algorithmen zweiter Ordnung
2.6. Korrelationskriterien
2.6.1. Eigenfrequenzbezogene Kriterien
2.6.2. Eigenvektorbezogene Kriterien
2.6.3. Übertragungsfunktionsbezogene Kriterien
2.6.4. Fehlerbewertung
2.6.5. Anwendung auf Systeme sehr großer Dimension
3. Numerik linearer Gleichungssysteme
3.1. Grundlagen
3.2. Singularität der Koeffizientenmatrix
3.2.1. Randbedingungen des Systems
3.2.2. Verwendung einer generellen Diagonalperturbation
3.3. Iterative Lösungsverfahren
3.4. Faktorisierungsverfahren
3.4.1. Cholesky-Faktorisierung
3.4.2. LU-Faktorisierung
3.4.3. Fillin-Reduktion durch Permutation
3.4.4. Fazit
3.5. Direkte Lösungsverfahren
3.6. Verwendung externer Gleichungssystem-Löser
3.7. Zusammenfassung
4. Implementierung
4.1. Aufbau von MORPACK
4.2. Anforderungen an Reduktions-Funktionen
4.3. Eigenschaften und Optionen der KSM-Funktionen
4.3.1. Arnoldi-Funktion erster Ordnung
4.3.2. Rationale SOAR-Funktionen
4.4. Korrelationskriterien
4.4.1. Eigenfrequenzbezogen
4.4.2. Eigenvektorbezogen
4.4.3. Übertragungsfunktionsbezogen
4.5. Lösungsfunktionen linearer Gleichungssysteme
4.5.1. Anforderungen und Aufbau
4.5.2. Verwendung der Gleichungssystem-Löser
4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern
5. Anwendung
5.1. Versuchsmodelle
5.1.1. Testmodelle kleiner Dimension
5.1.2. Getriebegehäuse
5.1.3. Treibsatzwelle
5.2. Validierung der Reduktionsmethoden an kleinem Modell
5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung
5.2.2. Rationale SOAR-Funktionen
5.2.3. Zusammenfassung
5.3. Anwendung der KSM auf große Modelle
5.3.1. Getriebegehäuse
5.3.2. Treibsatzwelle
5.4. Auswertung
6. Zusammenfassung und Ausblick
6.1. Zusammenfassung
6.2. Ausblick
|
Page generated in 0.1112 seconds