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:2504.18322v1

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.18322v1 (math)
[提交于 2025年4月25日 ]

标题: Raviart-Thomas空间中的稳定局部正交分解

标题: Stable localized orthogonal decomposition in Raviart-Thomas spaces

Authors:Patrick Henning, Hao Li, Timo Sprekeler
摘要: 本文提出了一种计算多尺度方法,用于求解带齐次Neumann边值条件的二阶线性椭圆型方程的混合形式问题,该方法基于Raviart-Thomas有限元空间中的稳定局部正交分解(LOD)。受数值均匀化思想的启发,构造提供了低维粗近似空间,通过在细网格上求解局部补丁问题,将异质系数的细观信息纳入其中。所得数值格式附有严格的误差分析,并且适用于二维和三维空间中非周期性和非尺度分离的情况。特别是,这种新的实现方式避免了之前混合形式椭圆问题LOD构造中观察到的污染项。最后,提供了多种数值实验以展示该方法的性能。
摘要: This work proposes a computational multiscale method for the mixed formulation of a second-order linear elliptic equation subject to a homogeneous Neumann boundary condition, based on a stable localized orthogonal decomposition (LOD) in Raviart-Thomas finite element spaces. In the spirit of numerical homogenization, the construction provides low-dimensional coarse approximation spaces that incorporate fine-scale information from the heterogeneous coefficients by solving local patch problems on a fine mesh. The resulting numerical scheme is accompanied by a rigorous error analysis, and it is applicable beyond periodicity and scale-separation in spatial dimensions two and three. In particular, this novel realization circumvents the presence of pollution terms observed in a previous LOD construction for elliptic problems in mixed formulation. Finally, various numerical experiments are provided that demonstrate the performance of the method.
主题: 数值分析 (math.NA)
MSC 类: 35J15, 65N12, 65N30
引用方式: arXiv:2504.18322 [math.NA]
  (或者 arXiv:2504.18322v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.18322
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Patrick Henning [查看电子邮件]
[v1] 星期五, 2025 年 4 月 25 日 13:00:50 UTC (841 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
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