Convergence absolue

Résumé

En mathématiques, une série numérique réelle ou complexe \sum u_n converge absolument si, par définition, la série des valeurs absolues (ou des modules) \sum |u_n| est convergente. Cette définition peut être étendue aux séries à valeurs dans un espace vectoriel normé et complet, soit un espace de Banach. Dans tous ces contextes, cette condition est suffisante pour assurer la convergence de la série \sum u_n elle-même. Par analogie, l'intégrale d'une fonction à valeurs réelles ou complexes converge absolument si, par définition, l'intégrale de la valeur absolue (ou du module) de la fonction est convergente (fonction dans L1). La convergence absolue des séries ou des intégrales est étroitement liée à la sommabilité (des familles ou des fonctions) : elle implique des propriétés plus fortes que la simple convergence. Série numérique absolument convergente Une série à termes réels ou complexes \sum a_n converge absolument

Source officielle

https://fr.wikipedia.org/wiki/Convergence_absolue

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.

Publications associées (2)

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (32)

Concepts associés

Chargement

Cours associés (19)

Techniques et théories de base pour les équations aux dérivées partielles d'évolution. Etude d'exemples fondamentaux: équations du premier ordre, équation des ondes, équation de la chaleur. Théorème de Cauchy-Kowalevsky, problèmes abstraits d'évolution.

Étudier les concepts fondamentaux d'analyse et le calcul différentiel et intégral des fonctions réelles d'une variable.

Afficher plus

Cours associés

Chargement

Séances de cours associées (44)

Séances de cours associées

Chargement

A decoupled and unconditionally convergent linear FEM integrator for the Landau-Lifshitz-Gilbert equation with magnetostriction

Jonathan Rochat

To describe and simulate dynamic micromagnetic phenomena, we consider a coupled system of the non-linear Landau-Lifshitz-Gilbert equation and the conservation of momentum equation. This coupling allows one to include magnetostrictive effects into the simulations. Existence of weak solutions has recently been shown in Carbou et al. (2011) (Global weak solutions for the Landau-Lifschitz equation with magnetostriction. Math. Meth. Appl. Sci., 34, 1274-1288). In our contribution, we give an alternate proof which additionally provides an effective numerical integrator. The latter is based on linear finite elements (FEs) in space and a linear-implicit Euler time-stepping. Despite the nonlinearity, only two linear systems have to be solved per timestep, and the integrator fully decouples both equations. Finally, we prove unconditional convergence-at least of a subsequence-towards, and hence existence of, a weak solution of the coupled system, as timestep size and spatial mesh size tend to zero. We conclude the work with numerical experiments, which study the discrete blow-up of the LLG equation as well as the influence of the magnetostrictive term on the discrete blow-up.

Oxford University Press2014

Chargement

A Continuation Multi Level Monte Carlo (C-MLMC) method for uncertainty quantification in compressible inviscid aerodynamics

Pénélope Leyland, Fabio Nobile, Michele Pisaroni

In this work we apply the Continuation Multi-Level Monte Carlo (C-MLMC) algorithm proposed in Collier et al. (2014) to efficiently propagate operating and geometric uncertainties in inviscid compressible aerodynamics numerical simulations. The key idea of MLMC is that one can draw MC samples simultaneously and independently on several approximations of the problem under investigations on a hierarchy of nested computational grids (levels). The expectation of an output quantity is computed as a sample average using the coarsest solutions and corrected by averages of the differences of the solutions of two consecutive grids in the hierarchy. By this way, most of the computational effort is transported from the finest level (as in a standard Monte Carlo approach) to the coarsest one. The continuation algorithm (C-MLMC) is a robust and self-tuning version that estimates on the fly the optimal number of level and realizations per level. In this work we describe in detail how C-MLMC can be adapted to perform uncertainty quantification analysis in compressible aerodynamics and we apply it to the relevant test cases of a quasi 1D convergent–divergent Laval nozzle and the 2D transonic RAE-2822 airfoil.

Elsevier2017

Chargement