偏微分方程的Robin型非重叠区域分解方法

来源 :南开大学 | 被引量 : 0次 | 上传用户:wxwp_xu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
偏微分方程数值方法包括不同的离散方法,如有限元方法、差分方法、有限体积法、谱方法等。其中有限元方法利用变分形式对原问题进行离散,对于某些问题存在很好的便捷性。而在不同的偏微分方程数值方法中,区域分解方法受到了越来越多的关注,它具有以下优点:(1)并行程度高;(2)可以求解复杂的问题;(3)在不同子区域上具有一定的独立性;(4)即使是在串行机器上也可以达到的良好收敛性质。   本文首先简单介绍区域分解方法的分类与发展,特别是以Robin条件为边界交换条件的非重叠区域分解方法,例如最早的Lions方法,以及其后对此方法的诸多改进。然后,文章将比较一些基于Robin条件的区域分解方法,尤其是其中的两种。最后,本文将对抛物型方程运用Robin型区域分解方法,给出一些有关误差与收敛性质的分析与证明,并作出总结和一些讨论。   为了更好地帮助理解,本文将针对Robin类型的区域分解方法,给出数值算例。
其他文献
扩散方程的初边值问题是从物理、化学、热动力学中抽象出来的数学模型,对其差分格式的研究已经线起了人们越来越浓厚的兴趣,由于在解线性偏微分方程方面,其差分格式的推广和应用
这是一篇利用代数表示论的方法研究Koszul理论的博士论文.它的主要结构如下.   1.首先,我们推广了高次Koszul模与高次Koszul代数,引入了广义高次Koszul模与广义高次Koszul
学位
学位
设G是具有n个顶点与m条边的连通图,则G的Zeta函数可以表示为ZG(u)=(1-u2)n-m/f(u)其中f(u)=drt(In-uA(G)+u2(D(G)?In)),A(G)和D(G)分别为图G的邻接矩阵和度对角矩阵.在本文中
本文主要是为Galerkin的无网格方法设计高效的数值积分策略。我们考虑了三类二阶线性椭圆偏微分方程模型:pure Neumann边值问题、本质边界条件的问题、一般的非常系数的椭圆方
近年来,随机神经网络的理论和应用研究受到了广泛的关注,噪声干扰下的混沌同步也已成为-个新的研究热点。本文基于随机微分方程的Lyapunov稳定性理论,分别研究了具有离散时滞和
学位
时标上的微积分理论可以揭示具有连续和离散相间系统的动力学性质.应用该理论研究网络模型,不仅可以探索网络在时标上新的理论结果,还可以避免分别对连续与离散系统的重复论证.
独立条件在经典风险模型中起着重要的作用。由于独立条件的限制使得经典风险模型过于单一化,此外,该模型忽略了投资利率变动、通货膨胀、竞争等因素作为随机干扰项的影响,而月保