First-order convergence in time and space is proved for a fully discrete semi-implicit finite element method for the two-dimensional Navier--Stokes equations with $L^2$ initial data in convex polygonal domains, without extra regularity assumptions or grid-ratio conditions. The proof utilises the smoothing properties of the Navier--Stokes equations, an appropriate duality argument, and the smallness of the numerical solution in the discrete $L^2(0,t_m;H^1)$ norm when $t_m$ is smaller than some constant. Numerical examples are provided to support the theoretical analysis.


翻译:事实证明,时间和空间的第一阶趋同是二维导航-斯托克方程式的完全离散的半隐性限定要素方法,在不附加常规假设或网格-纬度条件的情况下,在convex多边形域的初始数据为$L2美元,没有额外的常规假设或网格-纬度条件。该证据利用了纳维-斯托克方程式的平滑特性、适当的双重性论点,以及离散值$L2(0美元)/t_m;H1美元标准中数字溶液的微小,如果$t_m美元小于某些恒定值,则使用数字示例支持理论分析。

0
下载
关闭预览

相关内容

【实用书】数据科学基础,484页pdf,Foundations of Data Science
专知会员服务
118+阅读 · 2020年5月28日
专知会员服务
161+阅读 · 2020年1月16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
【新书】Python编程基础,669页pdf
专知会员服务
194+阅读 · 2019年10月10日
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
蒙特卡罗方法(Monte Carlo Methods)
数据挖掘入门与实战
6+阅读 · 2018年4月22日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14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VIP内容
相关资讯
图机器学习 2.2-2.4 Properties of Networks, Random Graph
图与推荐
10+阅读 · 2020年3月28日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
蒙特卡罗方法(Monte Carlo Methods)
数据挖掘入门与实战
6+阅读 · 2018年4月22日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】免费书(草稿):数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】(Keras)LSTM多元时序预测教程
机器学习研究会
24+阅读 · 2017年8月14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