Linearisation is often used as a first step in the analysis of nonlinear initial boundary value problems. The linearisation procedure frequently results in a confusing contradiction where the nonlinear problem conserves energy and has an energy bound but the linearised version does not (or vice versa). In this paper we attempt to resolve that contradiction and relate nonlinear energy conserving and bounded initial boundary value problems to their linearised versions and the related dual problems. We start by showing that a specific skew-symmetric form of the primal nonlinear problem leads to energy conservation and a bound. Next, we show that this specific form together with a non-standard linearisation procedure preserves these properties for the new slightly modified linearised problem. We proceed to show that the corresponding linear and nonlinear dual (or self-adjoint) problems also have bounds and conserve energy due to this specific formulation. Next, the implication of the new formulation on the choice of boundary conditions is discussed. A straightforward nonlinear and linear analysis may lead to a different number and type of boundary conditions required for an energy bound. We show that the new formulation shed some light on this contradiction. We conclude by illustrating that the new continuous formulation automatically lead to energy stable and energy conserving numerical approximations for both linear and nonlinear primal and dual problems if the approximations are formulated on summation-by-parts form.


翻译:在分析非线性初始边界值问题时,经常将线性线性化作为分析非线性初始边界值问题的第一步。线性化程序经常导致一种令人困惑的矛盾,非线性问题保存能源,但有能源约束,线性版本(反之亦然)没有。在本文件中,我们试图解决这一矛盾,并将非线性能源保护和受线性初始边界值问题与线性版本及相关的双重问题联系起来。我们首先表明,原始非线性非线性问题的一种特定的扭曲对称形式会导致节能和约束性。接着,我们表明,这一具体形式与非标准线性线性化程序一道,为新略微修改的线性问题保留了这些特性。我们着手表明,相应的线性和非线性双线性双(或自相联)问题也因这一具体表述而有约束和节能。接着讨论了新表述对边界条件选择的影响。一个直截面的非线性和非线性分析可能导致能源约束所需的边界条件的数量和类型不同。我们显示,新的配方面面面使这种矛盾的面面面面面面面面面性为某些亮的面,如果我们通过稳定、直线性和直线性估算性估算,我们得出了能源的双向性估算性能源的线性结论,那么,那么,那么的线性平的线性平的线性平的面性定的面性平的线性能源的线性定的线性定的线性定的面性定的面性定的面性标。

0
下载
关闭预览

相关内容

专知会员服务
29+阅读 · 2021年10月4日
专知会员服务
50+阅读 · 2020年12月14日
专知会员服务
159+阅读 · 2020年1月16日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17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
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
Arxiv
0+阅读 · 2021年11月11日
VIP会员
相关资讯
【论文笔记】通俗理解少样本文本分类 (Few-Shot Text Classification) (1)
深度学习自然语言处理
7+阅读 · 2020年4月8日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4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
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
Top
微信扫码咨询专知VIP会员