S'abonner

Construction d?un champ continu de métriques - 30/10/13

Doi : 10.1016/j.crma.2013.07.009 
Patrick Laug a , Houman Borouchaki b
a INRIA Paris-Rocquencourt, GAMMA3 joint project-team, BP 105, 78153 Le Chesnay cedex, France 
b University of Technology of Troyes, GAMMA3 joint project-team, BP 2060, 10010 Troyes cedex, France 

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

pages 6
Iconographies 4
Vidéos 0
Autres 0

Résumé

Lʼintérêt du calcul adaptatif pour résoudre des problèmes complexes dʼEDP est pleinement reconnu de nos jours. Un tel calcul demande, à chaque étape, la définition dʼun champ continu de métriques pour gouverner la génération de maillages adaptés. En pratique, via un estimateur dʼerreur a posteriori, des métriques sont calculées aux sommets du maillage du domaine de calcul. Pour obtenir un champ continu de métriques, le champ discret est interpolé dans tout le maillage du domaine. Dans cette Note, une nouvelle méthode pour interpoler ces champs, fondée sur une décomposition dite « naturelle » des métriques, est introduite. La méthode proposée, basée sur des décompositions connues de matrices, met en jeu des algorithmes robustes et efficaces. Quelques comparaisons qualitatives avec des méthodes classiques sont réalisées afin de montrer la pertinence de cette méthodologie.

Le texte complet de cet article est disponible en PDF.

Abstract

Adaptive computation using adaptive meshes is now recognized as essential for solving complex PDE problems. This computation requires, at each step, the definition of a continuous metric field to govern the generation of the adapted meshes. In practice, via an appropriate a posteriori error estimation, metrics are calculated at the vertices of the computational domain mesh. In order to obtain a continuous metric field, the discrete field is interpolated in the whole domain mesh. In this Note, a new method for interpolating discrete metric fields, based on a so-called “natural decomposition” of metrics, is introduced. The proposed method is based on known matrix decompositions and is computationally robust and efficient. Some qualitative comparisons with classical methods are made to show the relevance of this methodology.

Le texte complet de cet article est disponible en PDF.

Plan


© 2013  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 351 - N° 15-16

P. 639-644 - août 2013 Retour au numéro
Article précédent Article précédent
  • Regularity of the Kähler–Ricci flow
  • Gang Tian, Zhenlei Zhang
| Article suivant Article suivant
  • Growth bound of delay-differential algebraic equations
  • Sébastien Boisgérault

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.