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:2507.12338

帮助 | 高级搜索

数学 > 数值分析

arXiv:2507.12338 (math)
[提交于 2025年7月16日 ]

标题: 一种保持界限的保守增强伽辽金方法用于椭圆问题

标题: A bound-preserving and conservative enriched Galerkin method for elliptic problems

Authors:Gabriel R. Barrenechea, Philip L. Lederer, Andreas Rupp
摘要: 我们提出了一种局部保守的增强伽辽金方案,该方案尊重椭圆问题的离散最大值原理。 为此,我们对离散解的跳跃进行显著的过惩罚以获得最优收敛性。 为了避免在过惩罚方案中出现的病态条件问题,我们引入了一个复杂的分裂方法,将不连续解部分的方程组与连续解部分的方程组分开,从而得到行为良好的子问题。 我们证明了离散解的存在性和最优误差估计,这些结果通过数值验证得到了确认。
摘要: We propose a locally conservative enriched Galerkin scheme that respects the discrete maximum principle of an elliptic problem. To this end, we use a substantial over-penalization of the discrete solution's jumps to obtain optimal convergence. To avoid the ill-conditioning issues that arise in over-penalized schemes, we introduce an involved splitting approach that separates the system of equations for the discontinuous solution part from the system of equations for the continuous solution part, yielding well-behaved subproblems. We prove the existence of discrete solutions and optimal error estimates, which are validated numerically.
主题: 数值分析 (math.NA)
引用方式: arXiv:2507.12338 [math.NA]
  (或者 arXiv:2507.12338v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12338
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Andreas Rupp [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 15:32:40 UTC (161 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:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
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