Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:1607.07436v3

帮助 | 高级搜索

数学 > 数值分析

arXiv:1607.07436v3 (math)
[提交于 2016年7月24日 (v1) ,最后修订 2016年8月4日 (此版本, v3)]

标题: 分数次扩散方程的指数B样条配置方法

标题: An exponential B-spline collocation method for fractional sub-diffusion equation

Authors:X. G. Zhu, Y. F. Nie, Z. B. Yuan, J. G. Wang, Z. Z. Yang
摘要: 在本文中,我们提出了一种指数B样条配点方法来近似Caputo型分数次扩散方程的解。 目前的方法是通过在时间上使用Gorenflo-Mainardi-Moretti-Paradisi(GMMP)方案和在空间上使用高效的基于指数B样条的方法生成的。 唯一可解性得到了严格的讨论。 其稳定性通过一个与经典von Neumann方法密切相似的程序得到了很好的说明。 得到的代数系统是三对角的,可以通过已知的代数求解器快速求解,成本低且存储需求小。 最后进行了一系列数值实验,并与其他文献中可用的算法进行对比,数值结果证实了我们方法的有效性和优越性。
摘要: In this article, we propose an exponential B-spline collocation method to approximate the solution of the fractional sub-diffusion equation of Caputo type. The present method is generated by use of the Gorenflo-Mainardi-Moretti-Paradisi (GMMP) scheme in time and an efficient exponential B-spline based method in space. The unique solvability is rigorously discussed. Its stability is well illustrated via a procedure closely resembling the classic von Neumann approach. The resulting algebraic system is tri-diagonal that can rapidly be solved by the known algebraic solver with low cost and storage. A series of numerical examples are finally carried out and by contrast to the other algorithms available in the literature, numerical results confirm the validity and superiority of our method.
评论: 18页,4表,8图
主题: 数值分析 (math.NA)
MSC 类: 65M70(Primary), 35R11(Secondary)
引用方式: arXiv:1607.07436 [math.NA]
  (或者 arXiv:1607.07436v3 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.1607.07436
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xiaogang Zhu [查看电子邮件]
[v1] 星期日, 2016 年 7 月 24 日 02:02:10 UTC (95 KB)
[v2] 星期日, 2016 年 7 月 31 日 09:02:44 UTC (89 KB)
[v3] 星期四, 2016 年 8 月 4 日 10:42:39 UTC (88 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-07
切换浏览方式为:
math

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号