We study a semidiscrete analogue of the Unified Transform Method introduced by A. S. Fokas, to solve initial-boundary-value problems for linear evolution partial differential equations with constant coefficients on the finite interval $x \in (0,L)$. The semidiscrete method is applied to various spatial discretizations of several first and second-order linear equations, producing the exact solution for the semidiscrete problem, given appropriate initial and boundary data. From these solutions, we derive alternative series representations that are better suited for numerical computations. In addition, we show how the Unified Transform Method treats derivative boundary conditions and ghost points introduced by the choice of discretization stencil and we propose the notion of "natural" discretizations. We consider the continuum limit of the semidiscrete solutions and compare with standard finite-difference schemes.


翻译:我们研究了A. S. Fokas采用的统一变换方法的半分解类比,以解决线性进化部分变异方程的初始边际价值问题,在一定的间隔 $x / in (0,L) 美元上以恒定系数计算线性进化部分变异方程。半分解方法适用于若干一级和二级单线方程的各种空间分解,根据适当的初始数据和边界数据,为半分解问题提供确切的解决方案。我们从这些解决方案中得出更适合数字计算的其他系列表示。此外,我们展示了统一变异方法如何处理分解变异性定型的边界条件和幽灵点,我们提出了“自然”分解概念。我们考虑了半分解式解决办法的连续极限,并与标准的有限差异计划进行了比较。

0
下载
关闭预览

相关内容

【硬核书】矩阵代数基础,248页pdf
专知会员服务
85+阅读 · 2021年12月9日
专知会员服务
76+阅读 · 2021年3月16日
专知会员服务
123+阅读 · 2020年9月8日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18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
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
VIP会员
相关资讯
鲁棒机器学习相关文献集
专知
8+阅读 · 2019年8月18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
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
可解释的CNN
CreateAMind
17+阅读 · 2017年10月5日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员