<div dir="ltr">Hi,<div><br></div><div>I am solving a saddle point system using a shell preconditioner (which itself uses Krylov solvers, hence the use of FGMRES). I had added the option to re-scale parts of the saddle point system to minimize loss of floating point precision for cases where there are varying orders of magnitude in the system/unknowns.</div><div><br></div><div>I wanted to show that re-scaling can alleviate large differences between the preconditioned and unpreconditioned residual norms. However, I notice that FGMRES only supports right preconditioning, meaning the preconditioned residual is never formed/used (I think).</div><div><br></div><div>Is there any way to form the preconditioned norm for FGMRES, or does it just not make sense in the context of right-preconditioned iterative solvers? Is there any way to show that the re-scaling is improving the solver convergence (i.e. showing that it ensures that the true and relative residual are close to each other)?<br clear="all"><div><div class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><br><b>Nishant Nangia</b><div>Northwestern University<br><div>Ph.D. Candidate | Engineering Sciences and Applied Mathematics<br></div></div><div><span style="font-family:arial;font-size:small">Tech L386</span><br></div></div></div></div></div></div>
</div></div>