We propose a novel algorithmic method for constructing invariant variational schemes of systems of ordinary differential equations that are the Euler-Lagrange equations of a variational principle. The method is based on the invariantization of standard, non-invariant discrete Lagrangian functionals using equivariant moving frames. The invariant variational schemes are given by the Euler-Lagrange equations of the corresponding invariantized discrete Lagrangian functionals. We showcase this general method by constructing invariant variational schemes of ordinary differential equations that preserve variational and divergence symmetries of the associated continuous Lagrangians. Noether's theorem automatically implies that the resulting schemes are exactly conservative. Numerical simulations are carried out and show that these invariant variational schemes outperform standard numerical discretizations.


翻译:我们提出一种新的算法方法,用于构建普通差异方程式的无变式变换办法,即变式原则的Euler-Lagrange方程式。该方法基于使用等式移动框架的标准、非异离性Lagrangian功能的变换,由相应的变异离性Lagrangian函数的Euler-Lagrange方程式提供。我们通过构建普通差异方程式的变换办法展示了这一通用方法,这些变异办法维护了连续连续的Lagrangians的变异和差异对称。Noether的理论自动意味着由此产生的方案非常保守。进行了数值模拟,并表明这些变异性变异方案超越了标准数字离异化。

0
下载
关闭预览

相关内容

【干货书】数值Python计算,Numerical Python,709页pdf
专知会员服务
112+阅读 · 2021年5月30日
专知会员服务
55+阅读 · 2021年5月17日
专知会员服务
76+阅读 · 2021年3月16日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月16日
Arxiv
6+阅读 · 2018年10月3日
VIP会员
相关资讯
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员