数学 > 数值分析
[提交于 2024年12月7日
]
标题: $L^p$-强收敛阶的全离散格式用于由Lévy噪声驱动的SPDE
标题: $L^p$-strong convergence orders of fully discrete schemes for the SPDE driven by Lévy noise
摘要: 众所周知,对于由Lévy噪声驱动的随机微分方程,精确解在$L^p$意义下的时间Hölder连续性不会超过$1/p$。 这导致如果直接使用解过程的时间Hölder连续性,当$p$增加到无穷大时,数值方案的$L^p$-强收敛阶将消失。 一个自然的问题出现:能否获得不依赖于$p$的$L^p$-强收敛阶? 在本文中,我们为由Lévy噪声驱动的随机偏微分方程(SPDE)的全离散格式提供了肯定的答案。 考虑了两种情况:第一种是线性乘法泊松噪声,其中$\nu(\chi)<\infty$,第二种是加法泊松噪声,其中$\nu(\chi)\leq\infty$,其中$\nu$是 Lévy 测度,$\chi$是标记集。 对于第一种情况,我们通过采用跳跃适应的时间离散化提出了一种策略,而对于第二种情况,我们引入了基于最近获得的 Lê 的定量 John--Nirenberg 不等式的办法。 我们证明了所提出的格式在所有$p\ge2$的空间和时间中几乎以$1/2$的阶数在$L^p$意义下收敛,这为由 Lévy 噪声驱动的 SPDE 的数值分析提供了新的结果。
文献和引用工具
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
推荐器和搜索工具
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.