Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2504.00648v1

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.00648v1 (math)
[提交于 2025年4月1日 ]

标题: 关于应力辅助扩散问题的稳健虚拟元方法的后验误差分析

标题: A posteriori error analysis of a robust virtual element method for stress-assisted diffusion problems

Authors:Franco Dassi, Rekha Khot, Andres E. Rubiano, Ricardo Ruiz-Baier
摘要: 我们研究并分析了残差型后验误差估计,用于二维和三维非线性应力辅助扩散问题的虚拟元离散化。 该模型问题涉及弹性方程与扩散方程在扰动鞍点形式下的双向耦合。 稳健的全局 inf-sup 条件和针对 $\mathbf{H}(\mathrm{div}, \Omega)$ 的 Helmholz 分解导致基于适当加权范数的可靠且高效的误差估计器,这些范数确保了参数稳健性。 后验误差分析使用了 Stokes 和边缘虚拟元空间的拟插值算子,并且完整地包含了这些算子及其三维估计的证明。 最后,我们在二维和三维中展示了数值实验,以证明所提出的误差估计器的最优性能。
摘要: We develop and analyse residual-based a posteriori error estimates for the virtual element discretisation of a nonlinear stress-assisted diffusion problem in two and three dimensions. The model problem involves a two-way coupling between elasticity and diffusion equations in perturbed saddle-point form. A robust global inf-sup condition and Helmholtz decomposition for $\mathbf{H}(\mathrm{div}, \Omega)$ lead to a reliable and efficient error estimator based on appropriately weighted norms that ensure parameter robustness. The a posteriori error analysis uses quasi-interpolation operators for Stokes and edge virtual element spaces, and we include the proofs of such operators with estimates in 3D for completeness. Finally, we present numerical experiments in both 2D and 3D to demonstrate the optimal performance of the proposed error estimator.
评论: 28页
主题: 数值分析 (math.NA)
MSC 类: 65N30, 65N12, 65N15, 74F25
引用方式: arXiv:2504.00648 [math.NA]
  (或者 arXiv:2504.00648v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.00648
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Andres E. Rubiano [查看电子邮件]
[v1] 星期二, 2025 年 4 月 1 日 10:58:17 UTC (2,743 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs
cs.NA
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号