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:1008.4737

帮助 | 高级搜索

数学 > 数值分析

arXiv:1008.4737 (math)
[提交于 2010年8月27日 ]

标题: 利用观测器重构初始数据:半离散和全离散逼近的误差分析

标题: Reconstructing initial data using observers : error analysis of the semi-discrete and fully discrete approximations

Authors:Ghislain Haine, Karim Ramdani
摘要: 一种新的迭代算法,用于从部分观测数据中求解初始数据反问题,最近在Ramdani、Tucsnak和Weiss [15] 中被提出。 该算法基于观测器(也称为Luenberger观测器)的概念,涵盖了大量抽象演化PDE的类别。 在本文中,我们关注该算法的收敛性分析。 更准确地说,我们提供了针对使用有限元在空间上和有限差分在时间上得到的半离散(在空间上)和全离散近似的完整数值分析。 该分析适用于具有有界观测(局部分布)的抽象薛定谔和波动保守系统。
摘要: A new iterative algorithm for solving initial data inverse problems from partial observations has been recently proposed in Ramdani, Tucsnak and Weiss [15]. Based on the concept of observers (also called Luenberger observers), this algorithm covers a large class of abstract evolution PDE's. In this paper, we are concerned with the convergence analysis of this algorithm. More precisely, we provide a complete numerical analysis for semi-discrete (in space) and fully discrete approximations derived using finite elements in space and finite differences in time. The analysis is carried out for abstract Schr\"odinger and wave conservative systems with bounded observation (locally distributed).
评论: 38页,1图
主题: 数值分析 (math.NA) ; 偏微分方程分析 (math.AP); 优化与控制 (math.OC)
MSC 类: 35Q93, 35L05, 35J10, 65M22
引用方式: arXiv:1008.4737 [math.NA]
  (或者 arXiv:1008.4737v1 [math.NA] 对于此版本)
  https://doi.org/10.48550/arXiv.1008.4737
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ghislain Haine [查看电子邮件]
[v1] 星期五, 2010 年 8 月 27 日 14:51:39 UTC (62 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
math.NA
< 上一篇   |   下一篇 >
新的 | 最近的 | 2010-08
切换浏览方式为:
math
math.AP
math.OC

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