In this paper, we prove a Carleman estimate for fully-discrete approximations of parabolic operators in which the discrete parameters $h$ and $\triangle t$ are connected to the large Carleman parameter. We use this estimate to obtain relaxed observability inequalities which yield, by duality, controllability results for fully-discrete linear and semilinear parabolic equations.


翻译:在本文中,我们证明了Carleman对抛物线操作员完全分解近似值的估计,其中离散参数($h$和$\triangle t$)与大型Carleman参数($h$和$\triangle t$)相关联。我们利用这一估计来获得宽松的可观察性不平等,通过双重性,产生全分分线线线和半线性抛物线方程的可控制性结果。

0
下载
关闭预览

相关内容

专知会员服务
61+阅读 · 2020年3月4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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
已删除
将门创投
6+阅读 · 2019年4月22日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年1月23日
Arxiv
0+阅读 · 2021年1月21日
Arxiv
0+阅读 · 2021年1月20日
Arxiv
6+阅读 · 2018年10月3日
VIP会员
相关资讯
已删除
将门创投
6+阅读 · 2019年4月22日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7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