The maximum norm error estimations for virtual element methods are studied. To establish the error estimations, we prove higher local regularity based on delicate analysis of Green's functions and high-order local error estimations for the partition of the virtual element solutions. The maximum norm of the exact gradient and the gradient of the projection of the virtual element solutions are proved to achieve optimal convergence results. For high-order virtual element methods, we establish the optimal convergence results in $L^{\infty}$ norm. Our theoretical discoveries are validated by a numerical example on general polygonal meshes.


翻译:对虚拟元素方法的最大标准误差估计进行了研究。为了确定误差估计,根据对Green函数的微妙分析和对虚拟元素解决方案分割的高分级本地误差估计,我们证明地方的规律性更高。精确梯度和虚拟元素解决方案预测的梯度的最大标准证明能够取得最佳趋同结果。对于高阶虚拟元素方法,我们用$L ⁇ infty}标准来确定最佳趋同结果。我们的理论发现通过一般多边模类的数字示例来验证。

0
下载
关闭预览

相关内容

专知会员服务
50+阅读 · 2020年12月14日
详解GAN的谱归一化(Spectral Normalization)
PaperWeekly
11+阅读 · 2019年2月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
大数据的分布式算法
待字闺中
3+阅读 · 2017年6月13日
VIP会员
相关资讯
详解GAN的谱归一化(Spectral Normalization)
PaperWeekly
11+阅读 · 2019年2月13日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
大数据的分布式算法
待字闺中
3+阅读 · 2017年6月13日
Top
微信扫码咨询专知VIP会员