핵심 개념
Diese Arbeit leitet ein diskretes duales Problem für eine prototypische hybride Hochordnungsmethode für konvexe Minimierungsprobleme her. Das diskrete primale und duale Problem erfüllen eine schwache konvexe Dualität, die a priori Fehlerschätzungen mit Konvergenzraten unter zusätzlichen Glattheitsbedingungen ermöglicht.
초록
Die Arbeit betrachtet ein konvexes Minimierungsproblem der Energie E(v) über v ∈VD := W 1,p
D (Ω; Rm). Das duale Problem maximiert die duale Energie E∗(τ) über τ ∈WN := W p′
N (div, Ω; M).
Es wird gezeigt, dass die diskrete Energie Eh und die diskrete duale Energie E∗
h eine schwache Dualität erfüllen: max E∗
h(WN(M)) ≤min Eh(VD(M)). Diese Dualität führt zu a priori Fehlerschätzungen mit Konvergenzraten unter Glattheitsbedingungen.
Darüber hinaus wird ein neuartiges Postprocessing vorgeschlagen, das a posteriori Fehlerschätzungen auf regulären Triangulierungen in Simplizes ermöglicht. Dies motiviert einen adaptiven Netzverfeinerungsalgorithmus, der sich im Vergleich zu uniformer Netzverfeinerung als überlegen erweist.
통계
Es gilt die Abschätzung ∥Du∥p + ∥σ∥p′ ≲1 auf der kontinuierlichen Ebene.
Unter Glattheitsbedingungen an u und σ gilt Eh(IV u) −Eh(uh) ≲hk+1
max.
인용구
"Diese Arbeit leitet ein diskretes duales Problem für eine prototypische hybride Hochordnungsmethode für konvexe Minimierungsprobleme her."
"Das diskrete primale und duale Problem erfüllen eine schwache konvexe Dualität, die a priori Fehlerschätzungen mit Konvergenzraten unter zusätzlichen Glattheitsbedingungen ermöglicht."
"Es wird ein neuartiges Postprocessing vorgeschlagen, das a posteriori Fehlerschätzungen auf regulären Triangulierungen in Simplizes ermöglicht."