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:2508.17628

帮助 | 高级搜索

数学 > 经典分析与常微分方程

arXiv:2508.17628 (math)
[提交于 2025年8月25日 ]

标题: 一阶常微分方程的定量均质化

标题: Quantitative homogenization of first-order ODEs

Authors:Panrui Ni
摘要: 本文研究了一阶常微分方程的定量均质化问题。 对于单尺度标量常微分方程,我们得到了一个精确的$O(\varepsilon)$收敛率并刻画了有效常数。 在多尺度情况下,我们的结果在长时间范围内与\cite{IM}的结果一致,但将短时间误差改进为$O(\varepsilon)$。 我们还在此背景下开启了准周期均质化的研究。 在轨迹有界性假设下,标量框架进一步扩展到高维情况。 对于快速切换速率的弱耦合系统,我们首次获得了阶为$O(\varepsilon)$的收敛率。 这些结果在线性输运方程中有应用,并与偏微分方程和梯度系统有更广泛的联系。
摘要: This paper investigates the quantitative homogenization of first-order ODEs. For single-scale scalar ODEs, we obtain a sharp $O(\varepsilon)$ convergence rate and characterize the effective constant. In the multi-scale setting, our results match those of \cite{IM} for long times but improve the short-time error to $O(\varepsilon)$. We also initiate the study of quasi-periodic homogenization in this context. The scalar framework is further extended to higher dimensions under a boundedness assumption on trajectories. For weakly coupled systems with fast switching rates, we obtain for the first time a convergence rate of order $O(\varepsilon)$. These results have applications to linear transport equations and broader connections to PDEs and gradient systems.
评论: 29页
主题: 经典分析与常微分方程 (math.CA) ; 偏微分方程分析 (math.AP)
MSC 类: 35B27, 34A34, 65L70
引用方式: arXiv:2508.17628 [math.CA]
  (或者 arXiv:2508.17628v1 [math.CA] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.17628
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Panrui Ni [查看电子邮件]
[v1] 星期一, 2025 年 8 月 25 日 03:17:47 UTC (23 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.CA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
math
math.AP

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