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:2504.07391

帮助 | 高级搜索

数学 > 数值分析

arXiv:2504.07391 (math)
[提交于 2025年4月10日 ]

标题: 高阶离散化误差在Hölder空间中的Caputo导数

标题: High-order discretization errors for the Caputo derivative in Hölder spaces

Authors:Xiangyi Peng, Lisen Ding, Dongling Wang
摘要: 基于Teso和Plociniczak(2025)关于Hölder空间中Caputo导数的L1离散化误差的最新工作,本研究将分析扩展到同一函数框架内的高阶离散化误差。 我们首先研究了L2和L1-2方法的截断误差,这些方法通过分段二次插值近似Caputo导数。 然后我们将结果推广到任意高阶离散化。 理论分析揭示了所有方案中的统一误差结构:收敛阶等于函数空间的光滑度与分数阶导数阶数之间的差,即误差阶 = 光滑度阶 - 导数阶。 数值实验验证了这些理论结果。
摘要: Building upon the recent work of Teso and Plociniczak (2025) regarding L1 discretization errors for the Caputo derivative in H\"{o}lder spaces, this study extends the analysis to higher-order discretization errors within the same functional framework. We first investigate truncation errors for the L2 and L1-2 methods, which approximate the Caputo derivative via piecewise quadratic interpolation. Then we generalize the results to arbitrary high-order discretization. Theoretical analyses reveal a unified error structure across all schemes: the convergence order equals the difference between the smoothness degree of the function space and the fractional derivative order, i.e., order of error = degree of smoothness - order of the derivative. Numerical experiments validate these theoretical findings.
主题: 数值分析 (math.NA)
引用方式: arXiv:2504.07391 [math.NA]
  (或者 arXiv:2504.07391v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2504.07391
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xiangyi Peng [查看电子邮件]
[v1] 星期四, 2025 年 4 月 10 日 02:20:16 UTC (13 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-04
切换浏览方式为:
cs.NA
math
math.NA

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