We study the iterative algorithm proposed by S. Armstrong, A. Hannukainen, T. Kuusi, J.-C. Mourrat to solve elliptic equations in divergence form with stochastic stationary coefficients. Such equations display rapidly oscillating coefficients and thus usually require very expensive numerical calculations, while this iterative method is comparatively easy to compute. In this article, we strengthen the estimate for the contraction factor achieved by one iteration of the algorithm. We obtain an estimate that holds uniformly over the initial function in the iteration, and which grows only logarithmically with the size of the domain.


翻译:我们研究S.阿姆斯特朗、A.汉努卡宁、T.库西、J.-C.莫拉特提出的迭接算法,用随机固定系数以差异形式解析椭圆方程式,这些方程式显示快速振动系数,因此通常需要非常昂贵的数字计算,而这种迭接法比较容易计算。在本篇文章中,我们加强了对一种迭接算法所实现的收缩系数的估计。我们获得的估计数与迭接法最初的功能一致,并且仅与域的大小成逻辑增长。

0
下载
关闭预览

相关内容

专知会员服务
51+阅读 · 2020年12月14日
专知会员服务
53+阅读 · 2020年9月7日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
79+阅读 · 2020年7月26日
【机器学习术语宝典】机器学习中英文术语表
专知会员服务
61+阅读 · 2020年7月12日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
154+阅读 · 2019年10月12日
机器学习入门的经验与建议
专知会员服务
94+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
8+阅读 · 2017年7月21日
Learning the optimal regularizer for inverse problems
Arxiv
0+阅读 · 2021年6月11日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
8+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员