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:2506.03751

帮助 | 高级搜索

数学 > 数值分析

arXiv:2506.03751 (math)
[提交于 2025年6月4日 ]

标题: 关于Sobolev方程(含对流)的虚拟元方法的收敛性分析

标题: Convergence Analysis of Virtual Element Methods for the Sobolev Equation with Convection

Authors:Ankit Kumar, Sarvesh Kumar, Sangita Yadav
摘要: 我们研究了虚拟单元在求解带有对流项的Sobolev方程中的潜在应用。 采用一致的虚拟单元方法进行空间离散化,同时使用隐式Euler格式来逼近时间导数。为了建立最优收敛率,引入了一种新的中间投影算子。我们讨论并分析了半离散和全离散格式,分别推导出能量范数和L2-范数下的最优误差估计。进行了若干数值实验以验证理论结果,并评估所提出的数值方法的计算效率。
摘要: We explore the potential applications of virtual elements for solving the Sobolev equation with a convective term. A conforming virtual element method is employed for spatial discretization, while an implicit Euler scheme is used to approximate the time derivative. To establish the optimal rate of convergence, a novel intermediate projection operator is introduced. We discuss and analyze both the semi-discrete and fully discrete schemes, deriving optimal error estimates for both the energy norm and L2-norm. Several numerical experiments are conducted to validate the theoretical findings and assess the computational efficiency of the proposed numerical methods.
主题: 数值分析 (math.NA)
引用方式: arXiv:2506.03751 [math.NA]
  (或者 arXiv:2506.03751v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.03751
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Sangita Yadav [查看电子邮件]
[v1] 星期三, 2025 年 6 月 4 日 09:18:35 UTC (900 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
许可图标 查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.NA
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