S'abonner

A robust coarse space for optimized Schwarz methods: SORAS-GenEO-2 - 15/10/15

Doi : 10.1016/j.crma.2015.07.014 
Ryadh Haferssas a, b , Pierre Jolivet a, b , Frédéric Nataf a, b
a Laboratoire Jacques-Louis-Lions, CNRS UMR 7598, Université Pierre-et-Marie-Curie, 75252 Paris cedex 05, France 
b INRIA Rocquencourt, Alpines, BP 105, 78153 Le Chesnay cedex, France 

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

pages 5
Iconographies 1
Vidéos 0
Autres 0

Abstract

Optimized Schwarz methods (OSM) are very popular methods that were introduced in [[11]] for elliptic problems and in [[3]] for propagative wave phenomena. We build here a coarse space for which the convergence rate of the two-level method is guaranteed regardless of the regularity of the coefficients. We do this by introducing a symmetrized variant of the ORAS (Optimized Restricted Additive Schwarz) algorithm [[17]] and by identifying the problematic modes using two different generalized eigenvalue problems instead of only one as in [[15], [16]] for the ASM (Additive Schwarz method), BDD (Balancing Domain Decomposition [[12]]) or FETI (Finite-Element Tearing and Interconnection [[6]]) methods.

Le texte complet de cet article est disponible en PDF.

Résumé

Les méthodes de Schwarz optimisées sont des méthodes très populaires, qui ont été introduites dans [[11]] pour des problèmes elliptiques et dans [[3]] pour des phénomènes de propagation d'ondes. Nous construisons ici un espace grossier pour lequel le taux de convergence de la méthode à deux niveaux peut être prescrit à l'avance sans hypothèse sur la régularité des coefficients. Ceci est rendu possible par l'introduction d'une version symétrisée de la méthode ORAS (Optimized Restricted Additive Schwarz) [[17]] ainsi que par l'identification des modes problématiques via deux problèmes aux valeurs propres généralisées au lieu d'un seul comme dans [[15], [16]] pour les méthodes ASM (Additive Schwarz method), BDD (Balancing Domain Decomposition [[12]]) ou FETI (Finite-Element Tearing and Interconnection [[6]]).

Le texte complet de cet article est disponible en PDF.

Plan


© 2015  Académie des sciences. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 353 - N° 10

P. 959-963 - octobre 2015 Retour au numéro
Article précédent Article précédent
  • An improvement of the mixing rates in a counter-example to the weak invariance principle
  • Davide Giraudo
| Article suivant Article suivant
  • Editorial Board

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’achat d’article à l’unité est indisponible à l’heure actuelle.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.