In this paper, a new $C^1$-conforming Petrov-Galerkin method for convection-diffusion equations is designed and analyzed. The trail space of the proposed method is a $C^1$-conforming ${\mathbb Q}_k$ (i.e., tensor product of polynomials of degree at most $k$) finite element space while the test space is taken as the $L^2$ (discontinuous) piecewise ${\mathbb Q}_{k-2}$ polynomial space. Existence and uniqueness of the numerical solution is proved and optimal error estimates in all $L^2, H^1, H^2$-norms are established. In addition, superconvergence properties of the new method are investigated and superconvergence points/lines are identified at mesh nodes (with order $2k-2$ for both function value and derivatives), at roots of a special Jacobi polynomial, and at the Lobatto lines and Gauss lines with rigorous theoretical analysis. In order to reduce the global regularity requirement, interior a priori error estimates in the $L^2, H^1, H^2$-norms are derived. Numerical experiments are presented to confirm theoretical findings.


翻译:在本文中,设计并分析了用于对流扩散方程式的1美元和1美元配成的Petrov-Galerkin新方法。拟议方法的起始空间为1美元和1美元配成的$#mathbb ⁇ k$(即,多度度的压强产物,最多为1美元)有限元素空间,而测试空间则以2美元(不连续产值)为平方块(不连续产值)$#mathbb ⁇ k-2}美元作为测试空间的基础。数字解决方案的存在和独特性得到证明,所有L2美元、H1美元、H2美元-诺姆的优化误差估计得到确定。此外,对新方法的超级相近性特性进行了调查,并在Meshen nodes(功能值和衍生物均为2美元)的根基点和基点(Cococobi 多元值和衍生物为2k-2美元),在Lobatto线和带有严格理论分析的戈斯线上,对数值进行了最佳的估算。为了减少全球定期测算结果2,前的H-L1号的内值。

0
下载
关闭预览

相关内容

【NeurIPS 2020】生成对抗性模仿学习的f-Divergence
专知会员服务
25+阅读 · 2020年10月9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
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
7+阅读 · 2021年4月30日
Arxiv
7+阅读 · 2020年6月29日
VIP会员
相关VIP内容
【NeurIPS 2020】生成对抗性模仿学习的f-Divergence
专知会员服务
25+阅读 · 2020年10月9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
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员