In this paper we develop and analyse domain decomposition methods for linear systems of equations arising from conforming finite element discretisations of positive Maxwell-type equations. Convergence of domain decomposition methods rely heavily on the efficiency of the coarse space used in the second level. We design adaptive coarse spaces that complement the near-kernel space made of the gradient of scalar functions. This extends the results in [2] to the variable coefficient case and non-convex domains at the expense of a larger coarse space.


翻译:在本文中,我们开发并分析由于正对正Maxwell型方程式的符合有限元素分解而形成方程式线性系统的域分解方法。 域分解方法的趋同在很大程度上取决于二级使用粗粗空间的效率。 我们设计适应性粗糙空间,以补充由星际函数梯度形成的近内核空间。 这将[2]的结果扩大到可变系数立方体和非凝固域,而以更大的粗空为代价。

0
下载
关闭预览

相关内容

Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习在材料科学中的应用综述,21页pdf
专知会员服务
48+阅读 · 2019年9月24日
已删除
将门创投
6+阅读 · 2019年11月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年2月5日
VIP会员
相关资讯
已删除
将门创投
6+阅读 · 2019年11月21日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员