Publication

Consistency, Stability, a-Priori and a-Posteriori Errors for Nonlinear Problems

Jacques Rappaz
1991
Journal Articles

Résumé

In an abstract framework similar to the one developed in Crouzeix-Rappaz [2], we present a formalism which makes precise the notions of consistency and stability for the finite element approximation of nonlinear elliptic problems. The consistency is connected to the approximation by interpolation, whereas the stability follows from discrete inf-sup conditions of the linearized problem. Moreover, contrary to the method developed in [2], this formalism does not require us to invert the principal part of the operator and allows us to obtain a priori and a posteriori error estimates for strongly nonlinear problems.

Source officielle

https://infoscience.epfl.ch/entities/publication/48e5c03f-ac5f-4c7f-8e49-f3a8674fe074

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Jacques Rappaz
1991
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/48e5c03f-ac5f-4c7f-8e49-f3a8674fe074

À propos de ce résultat

Concepts associés (32)

Interpolation numérique

En analyse numérique (et dans son application algorithmique discrète pour le calcul numérique), l'interpolation est une opération mathématique permettant de remplacer une courbe ou une fonction par une autre courbe (ou fonction) plus simple, mais qui coïncide avec la première en un nombre fini de points (ou de valeurs) donnés au départ. Suivant le type d'interpolation, outre le fait de coïncider en un nombre fini de points ou de valeurs, il peut aussi être demandé à la courbe ou à la fonction construite de vérifier des propriétés supplémentaires.

Nonlinear system

In mathematics and science, a nonlinear system (or a non-linear system) is a system in which the change of the output is not proportional to the change of the input. Nonlinear problems are of interest to engineers, biologists, physicists, mathematicians, and many other scientists since most systems are inherently nonlinear in nature. Nonlinear dynamical systems, describing changes in variables over time, may appear chaotic, unpredictable, or counterintuitive, contrasting with much simpler linear systems.

Interpolation multivariée

En analyse numérique, linterpolation multivariée ou linterpolation spatiale désigne l'interpolation numérique de fonctions de plus d'une variable. Le problème est similaire à celui de l'interpolation polynomiale sur un intervalle réel : on connait les valeurs d'une fonction à interpoler aux points et l'objectif consiste à évaluer la valeur de la fonction en des points . L'interpolation multivariée est notamment utilisée en géostatistique, où elle est utilisée pour reconstruire les valeurs d'une variable régionalisée sur un domaine à partir d'échantillons connus en un nombre limité de points.

Afficher plus

Publications associées (26)

Afficher plus

Consistency, Stability, a-Priori and a-Posteriori Errors for Nonlinear Problems

Chattez avec Graph Search

Maximum-likelihood estimation of the Matérn covariance structure of isotropic spatial random fields on finite, sampled grids

Energy-based models for inverse imaging problems

Cubic Regularized Subspace Newton for Non-convex Optimization