是否存在用于无矩阵方法的黑盒预处理器？

一般而言，Jacob-free牛顿-克雷洛夫（JFNK）方法和克雷洛夫方法非常有用，因为它们不需要显式存储或构造矩阵，而只需要矩阵向量乘积的结果即可。如果您确实形成了稀疏系统，那么这里有许多预处理器。

真正的无矩阵方法有哪些可用？谷歌搜索出现了一些对“矩阵估计”的引用，还有一些其他的事情表明它是可能的。这些方法通常如何起作用？它们与传统预处理器相比如何？基于物理学的无矩阵预处理器是路要走吗？有没有公​​开可用的方法，例如PETSc或其他软件包？

也许不是传统意义上的预处理策略，但在这种情况下通缩可能会有用。例如，在gmres（A）中，您可以使用hessenberg投影H的特征对来形成ritz向量，这些向量可以很好地估计A的特征向量。您可以使用它来重新启动时缩小残留量，并加快传统重新启动的gmres的速度。[谐波里兹值可用于找到A的较小特征值并将其缩小，这比IMO缩小较大的特征值更有用。我认为各种krylov求解器（CG等）都存在紧缩的变体，但是在重新启动gmres的背景下，我最熟悉该概念。

您可以通过google搜索GMRES-DR以获得更多信息，我还遇到了由Sandia的某人编写的GCRODR的matlab实现，不难再次找到它。

这将严重取决于您的问题。

由于您提到了流体动力学，因此您可能会研究BFBt近似换向器，该换向器对于解决诸如不可思议的Navier-Stokes，

http://epubs.siam.org/doi/abs/10.1137/040608817