วิทยาศาสตร์การคำนวณ

ถามตอบสำหรับนักวิทยาศาสตร์ที่ใช้คอมพิวเตอร์เพื่อแก้ปัญหาทางวิทยาศาสตร์

3
การคำนวณที่มีประสิทธิภาพของเมทริกซ์ผกผันสแควร์รูท
ปัญหาที่พบบ่อยในสถิติคือการคำนวณค่าผกผันสแควร์รูทของเมทริกซ์แน่นอนบวกที่เป็นสมมาตร อะไรจะเป็นวิธีที่มีประสิทธิภาพสูงสุดในการคำนวณสิ่งนี้? ฉันเจอวรรณกรรมบางเล่ม (ซึ่งฉันยังไม่ได้อ่าน) และมีรหัส R เล็กน้อยที่นี่ซึ่งฉันจะทำซ้ำที่นี่เพื่อความสะดวก # function to compute the inverse square root of a matrix fnMatSqrtInverse = function(mA) { ei = eigen(mA) d = ei$values d = (d+abs(d))/2 d2 = 1/sqrt(d) d2[d == 0] = 0 return(ei$vectors %*% diag(d2) %*% t(ei$vectors)) } d = (d+abs(d))/2ผมไม่แน่ใจว่าทั้งหมดผมเข้าใจบรรทัด มีวิธีที่มีประสิทธิภาพมากกว่าในการคำนวณเมทริกซ์ผกผันสแควร์รูทหรือไม่? การวิจัยeigenการเรียกฟังก์ชัน …

1
แรงจูงใจที่ใช้งานง่ายสำหรับการอัพเดต BFGS
ฉันกำลังสอนชั้นสำรวจการวิเคราะห์เชิงตัวเลขและกำลังมองหาแรงจูงใจสำหรับวิธีการ BFGS สำหรับนักเรียนที่มีพื้นฐาน / สัญชาตญาณ จำกัด ในการเพิ่มประสิทธิภาพ! ในขณะที่ฉันไม่มีเวลาพิสูจน์อย่างจริงจังว่าทุกอย่างมาบรรจบกันฉันกำลังมองหาแรงจูงใจที่สมเหตุสมผลว่าทำไมการอัปเดตของ BFGS Hessian จึงอาจปรากฏขึ้น วิธีการค้นพบของ Broyden (การเขียนของฉันอยู่ที่นี่ ) สามารถกระตุ้นได้โดยขอให้การประมาณของคุณในปัจจุบันของ Jacobian ลดความแตกต่างกับ Jacobian เก่าภายใต้ข้อ จำกัด ที่คำนึงถึงเซคแคนต์ล่าสุด: J_k (\ vec x_k- \ vec x_ {k-1}) = f (\ vec x_k) -f (\ vec x_ {k-1 }) J k ( → x k - → x …

2
เป็นไปได้ไหมที่จะแก้ปัญหา PDE ที่ไม่ใช่เชิงเส้นโดยไม่ต้องใช้การวนซ้ำของ Newton-Raphson?
ฉันพยายามที่จะเข้าใจผลลัพธ์บางอย่างและจะขอบคุณความคิดเห็นทั่วไปเกี่ยวกับการแก้ปัญหาที่ไม่ใช่เชิงเส้น สมการของฟิชเชอร์ (PDE แบบไม่เชิงเส้นการกระจาย) ยูเสื้อ= dยูx x+ βu ( 1 - u ) = F( u )ยูเสื้อ=dยูxx+βยู(1-ยู)=F(ยู) u_t = du_{xx} + \beta u (1 - u) = F(u) ในรูปแบบ discretised ยู'J= L u + βยูJ( 1 - คุณJ) = F( u )ยูJ'=Lยู+βยูJ(1-ยูJ)=F(ยู) u_j^{\prime} = \boldsymbol{L}\boldsymbol{u} + \beta u_j (1 - …

1
ฉันจะเชื่อใจอินทิกรัลอินทิเกรตตัวเลขจาก Matlab ได้อย่างไร
คนวิทยาศาสตร์การคำนวณ: ฉันโพสต์คำถามนี้ที่ Math Stack Exchangeและมีคนแสดงความคิดเห็นว่าฉันอาจได้รับคำตอบ "ดีกว่า" ที่นี่: ฉันเป็นสามเณรด้วยวิธีการเชิงตัวเลขและ Matlab ฉันพยายามประเมินผลรวมของสามอินทิกรัลสองอันดังต่อไปนี้ (สามารถเขียนได้ง่ายกว่า แต่คุณยังไม่สามารถประเมินได้ว่าเป็นสัญลักษณ์ (?)) ฉันมีปัญหาในการทำให้ทำงานที่นี่ดังนั้นฉันลังเลที่จะแยกมันออกเป็นชิ้น ๆ ที่นี่: ฉันต้องการค้นหาผลรวมของLATEXLATEX\LaTeX 2((1/0.3)−1)2(∫1/0.31∫r11∫r1−r00F1(r0,r1,t)exp(−(0.3)2t24)dtdr0dr1),2((1/0.3)−1)2(∫11/0.3∫1r1∫0r1−r0F1(r0,r1,t)exp⁡(−(0.3)2t24)dtdr0dr1),\frac{2}{((1/0.3) - 1)^2}\left(\int_1^{1/0.3}\int_1^{r_1}\int_0^{r_1-r_0}F_1(r_0,r_1,t)\exp(-\frac{(0.3)^2 t^2}{4})\,dt\,dr_0\,dr_1 \right), และ 2((1/0.3)−1)2(∫1/0.31∫r11∫r1+r0r1−r0F2(r0,r1,t)exp(−(0.3)2t24)dtdr0dr1),2((1/0.3)−1)2(∫11/0.3∫1r1∫r1−r0r1+r0F2(r0,r1,t)exp⁡(−(0.3)2t24)dtdr0dr1),\frac{2}{((1/0.3) - 1)^2}\left(\int_1^{1/0.3}\int_1^{r_1}\int_{r_1-r_0}^{r_1+r_0} F_2(r_0,r_1,t)\exp(-\frac{(0.3)^2 t^2}{4})\,dt\,dr_0\,dr_1 \right), ที่ไหน F1(r0,r1,t)=t2r30∗(0.3)32r31π−−√F1(r0,r1,t)=t2r03∗(0.3)32r13πF_1(r_0,r_1,t)=\frac{t^2 r_0^3*(0.3)^3}{2r_1^3\sqrt{\pi}} และ F2(r0,r1,t)=(0.3)3π3/2(r0+r1−t)4(t2+2t(r0+r1)−3(r1−r0)2)2288(43πr30)(43πr31).F2(r0,r1,t)=(0.3)3π3/2(r0+r1−t)4(t2+2t(r0+r1)−3(r1−r0)2)2288(43πr03)(43πr13).F_2(r_0,r_1,t)=\frac{(0.3)^3\pi^{3/2}(r_0+r_1-t)^4 (t^2+2t(r_0+r_1)-3(r_1-r_0)^2)^2}{288(\frac{4}{3}\pi r_0^3)(\frac{4}{3}\pi r_1^3)}. แก้ไข (2 มีนาคม 2013): มีคนตอบว่าได้รับ Mathematica เพื่อทำอินทิกรัลเป็นสัญลักษณ์ ฉันพยายามทำสิ่งนี้ (ด้วยอินทิกรัลเวอร์ชันที่ง่าย) และ Mathematica สามารถทำได้เพียงสองส่วนนอกของอันแรกและหยุดชะงักในอันที่สอง ฉันขอขอบคุณความช่วยเหลือ …
15 matlab 

2
การเขียนเมทริกซ์สมการไฟไนต์ผลต่างที่แตกต่างของปัวซองด้วยเงื่อนไขขอบเขตของนอยมันน์
ฉันสนใจที่จะแก้สมการปัวซองโดยใช้วิธีผลต่างอันตะ ฉันต้องการเข้าใจวิธีการเขียนสมการเมทริกซ์กับเงื่อนไขขอบเขตของนอยมันน์มากขึ้น บางคนจะตรวจสอบสิ่งต่อไปนี้ถูกต้องไหม เมทริกซ์ จำกัด ผลต่าง สมการปัวซอง ∂2u(x)∂x2=d(x)∂2u(x)∂x2=d(x) \frac{\partial^2u(x)}{\partial x^2} = d(x) สามารถประมาณได้ด้วยสมการเมทริกซ์ จำกัด ผลต่าง 1(Δx)2M∙u^=d^1(Δx)2M∙u^=d^ \frac{1}{(\Delta x)^2} \textbf{M}\bullet \hat u = \hat d โดยที่คือ matrix และและคือ (คอลัมน์) เวกเตอร์MM\textbf{M}n×nn×nn \times nu^u^\hat ud^d^\hat d1×n1×n1 \times n การเพิ่มเงื่อนไขขอบเขตของนอยมันน์ เงื่อนไขขอบเขตของฟอนนอยมันน์บังคับให้ฟลักซ์ความรู้ที่ขอบเขต (นี่เราใช้มันที่ด้านซ้ายมือที่ขอบเขตอยู่ที่ )x=0x=0x=0 ∂u(x=0)∂x=σ∂u(x=0)∂x=σ \frac{\partial u(x=0)}{\partial x} = \sigma เขียนเงื่อนไขขอบเขตนี้เป็นผลต่าง จำกัด แน่นอน, NB ฉันทำผิดพลาดที่นี่ …

3
วิธี multigrid เพื่อแก้ปัญหา PDE
ฉันต้องการคำอธิบายง่ายๆของ Multigrid Method หรือวรรณกรรมบางอย่างเกี่ยวกับเรื่องนี้ ฉันคุ้นเคยกับวิธีการวนซ้ำรวมถึง BiCGStab, CG, GS, Jacobi และการปรับเงื่อนไขล่วงหน้า แต่ฉันเป็นผู้เริ่มต้นด้วยวิธีการแบบหลายจุด บางคนสามารถอธิบายรายละเอียดนี้หรืออย่างน้อยก็ให้รหัสเทียมหรือซอร์สโค้ดอย่างชัดเจนแม้จะมีวรรณกรรมที่ดีสำหรับผู้เริ่มต้น ขอบคุณ!

1
วิธีการทำซ้ำผลลัพธ์ที่เผยแพร่ในบทความของฉันได้อย่างง่ายดายโดยใช้รหัสของฉันเอง
ฉันเขียนโปรแกรม / ไลบรารีที่ฉันเคยได้ผลลัพธ์ในบทความ (นี่คือแต่คำถามของฉันคือทั่วไป) ฉันมีการทดสอบที่ฉันใช้เป็นประจำctest(ใช้เวลาไม่กี่นาทีในการทำงาน) ในการทำซ้ำบางตารางหรือตัวเลขในบทความฉันต้องสร้างสคริปต์หรือโปรแกรมควบคุมอย่างง่ายซึ่งอาจใช้เวลาประมาณ 10 นาทีบางครั้งก็มากขึ้นดังนั้นฉันจึงไม่ต้องการมีส่วนหนึ่งของชุดทดสอบปกตินี้ ในเวลาเดียวกันฉันต้องการตรวจสอบให้แน่ใจว่าผลลัพธ์จากบทความสามารถ: ทำซ้ำในภายหลัง ตรวจสอบให้แน่ใจว่าพวกเขายังคงให้ผลลัพธ์เดียวกัน / ถูกต้องหลังจากที่ฉันพัฒนาห้องสมุดต่อไป ขณะนี้ฉันพยายามที่จะมีโปรแกรมควบคุมขนาดเล็กที่ฉันเรียกใช้เป็นส่วนหนึ่งของชุดทดสอบปกติและถ้าฉันต้องการที่จะทำซ้ำผลลัพธ์จากบทความฉันไม่แสดงข้อคิดเห็นบางบรรทัดในนั้น แน่นอนฉันไม่เคยรู้ว่าเส้นที่แน่นอนและถ้าฉันต้องปรับแต่งพารามิเตอร์อื่น ๆ เพื่อให้ได้ผลลัพธ์ที่เหมือนกันในบทความ ฉันยังพยายามมีสคริปต์ Python ที่คำนวณตัวเลข / ตารางที่แน่นอนจากบทความ โดยทั่วไปแล้วสคริปต์ดังกล่าวจะหยุดทำงานหลังจากมีการอัปเดตไลบรารีเนื่องจากไม่ได้ทำงานเป็นประจำ (ใช้เวลานานเกินไป) วิธีที่ดีที่สุดที่เกิดขึ้นกับฉันคือมีตัวอย่าง Fortran (หรือ C / C ++) ที่จะรวบรวมเป็นประจำ (เป็นส่วนหนึ่งของไลบรารี) แต่ไม่ได้ทำงานในชุดทดสอบปกติ ด้วยวิธีนี้อย่างน้อยฉันก็รู้ว่ามันรวบรวมได้ดี และฉันจะทดสอบตัวอย่างง่ายๆ (เล็กกว่า) เป็นส่วนหนึ่งของชุดทดสอบปกติ วิธีที่เหมาะสมที่สุดในการจัดการปัญหานี้คืออะไร

1
อะไรคือวิธีที่ถูกต้องในการบูรณาการในการจำลองทางดาราศาสตร์?
ฉันกำลังสร้างเครื่องจำลองทางดาราศาสตร์อย่างง่ายที่ควรใช้ฟิสิกส์ของนิวตันเพื่อจำลองการเคลื่อนที่ของดาวเคราะห์ในระบบ (หรือวัตถุใด ๆ สำหรับเรื่องนั้น) ร่างกายทั้งหมดเป็นวงกลมในระนาบแบบยุคลิดที่มีคุณสมบัติเช่นตำแหน่ง, ความเร็ว, มวล, รัศมีและแรงที่เกิดขึ้น ฉันต้องการอัปเดตจักรวาลในช่วงเวลาสั้น ๆ โดยปกติจะใช้เวลาไม่กี่มิลลิวินาที แต่ฉันไม่แน่ใจว่าจะคำนวณการเปลี่ยนแปลงที่ถูกต้องได้อย่างไร แรงง่าย: fr = sum(G * body.m * bodyi.m / dist(body, bodyi)^2). แต่ฉันจะไปจากที่นั่นได้อย่างไร ฉันสามารถทำสิ่งนี้: a = Fr/body.m v += a*dt position += v*dt แต่แน่นอนว่าจะเป็นเท็จ บางทีถ้าฉันเพิ่ม 0.5 เป็นปัจจัยในการคำนวณตำแหน่ง?

1
สถานะปัจจุบันของพหุนามพหุนามคืออะไร?
ฉันสงสัยว่าเกิดอะไรขึ้นกับพหุนามพหุนาม ฉันสนใจพวกเขาเพราะพวกมันดูสวยหรูเมื่อเทียบกับมุมมองทางคณิตศาสตร์ แต่เท่าที่ฉันได้อ่านในแบบสำรวจเกี่ยวกับวิธีการของ krylov พวกเขามักจะทำงานได้แย่มาก ในคำพูดของซาดและแวนเดอร์โฮสต์ "ดอกเบี้ยในปัจจุบันเทคนิคเหล่านี้มีทั้งหมด แต่หายไป" (ที่นี่) อย่างไรก็ตามมีการใช้สำหรับการคำนวณแบบหลายคอร์และ GPU ในอดีตที่ผ่านมา ใครช่วยบอกฉันหน่อยได้หรืออธิบายให้ฉันฟังหน่อยว่าบริบทไหนที่วิธีการเหล่านี้ยังมีชีวิตอยู่และจะหาแบบสำรวจที่ดีเกี่ยวกับสถานะของงานศิลปะในปัจจุบันได้ที่ไหน

1
การแสดงข้อมูลองค์ประกอบ Galerkin / ไฟไนต์ไม่ต่อเนื่อง
ฉันต้องการเห็นภาพผลการจำลองที่ได้รับโดยใช้วิธี Galerkin (DG) ที่ไม่ต่อเนื่องภายใน ParaView เช่นเดียวกับวิธีปริมาณ จำกัด โดเมนปัญหาแบ่งออกเป็นเซลล์รูปทรงลูกบาศก์ ("องค์ประกอบ") ซึ่งแตกต่างจากวิธีไฟไนต์วอลลุ่มภายในแต่ละเซลล์ไม่มีค่าเพียงค่าเดียวสำหรับเวกเตอร์โซลูชันแต่แต่ละเซลล์มีโซลูชันuที่จุดรวมหลาย Gaussยูยู\mathbf{u}ยูยู\mathbf{u} คำถามของฉันคือว่าทุกคนมีประสบการณ์ในการแสดงข้อมูลดังกล่าวอย่างมีประสิทธิภาพด้วย ParaView / VTK หรือไม่และคุณเลือกใช้วิธีใดเพื่อแสดงข้อมูลใน VTK มีหลายวิธีที่เป็นไปได้ในใจของฉัน แต่ฉันไม่รู้ว่าวิธีใดที่มีแนวโน้มมากที่สุด: (1) ใช้ voxels ใช้หนึ่ง voxel สำหรับแต่ละจุดรวม Pro:ปลั๊กอินทั้งหมดที่ทำงานกับเซลล์ที่ไม่มีโครงสร้างแบบ VTK มาตรฐานจะยังคงทำงานต่อไปโดยไม่เปลี่ยนแปลงอะไรเลย คอนดิชั่น:เนื่องจากจุดรวมไม่ได้กระจายอย่างสม่ำเสมอมันอาจเป็นเรื่องยากที่จะหาตำแหน่งที่ถูกต้องของจุดยอด นอกจากนี้ยังสามารถกำหนดโซลูชันได้สองครั้งบนพื้นผิวเซลล์เนื่องจากเฟรมเวิร์ก DG อนุญาตการแก้ปัญหาที่ไม่ต่อเนื่อง นอกจากนี้ข้อมูลลำดับชั้น (โดเมนแบ่งออกเป็นองค์ประกอบแต่ละองค์ประกอบมีหลายจุด) จะหายไป (2) ใช้ polyvertices ใช้หนึ่งจุดยอดต่อจุดรวม Pro:ใช้งานง่ายที่สุดและง่ายต่อการระบุหลายจุดในตำแหน่งเดียวกันด้วยโซลูชันที่แตกต่างกัน คอนดิชั่น:ความสามารถในการเห็นภาพข้อมูลเป็น "เซลล์" จะหายไปรวมทั้งข้อเสียเช่นเดียวกับข้างต้น (3) ใช้โครงร่างการสร้างพื้นที่สี่เหลี่ยมจัตุรัส VTK ใช้การสนับสนุนในตัวสำหรับโครงร่างการสร้างพื้นที่สี่เหลี่ยมจัตุรัส Pro:การใช้งานค่อนข้างตรงไปตรงมารักษาความสัมพันธ์และคุณสมบัติทั้งหมดของโซลูชันดั้งเดิม คอนดิชั่น:เนื่องจากนี่เป็นเซลล์ประเภทใหม่ทั้งหมดปลั๊กอินส่วนใหญ่ (ส่วนใหญ่) …

2
การใช้โอเพ่นซอร์สของการประมาณด้วยเหตุผลกับฟังก์ชั่น
ฉันกำลังมองหาการใช้งานโอเพนซอร์ซบางส่วน (Python, C, C ++, Fortran นั้นใช้ได้) จากการประมาณด้วยเหตุผลถึงฟังก์ชั่น มีบางอย่างในบทความ [1] ฉันให้มันฟังก์ชั่นและมันให้สองชื่อพหุนามซึ่งมีอัตราส่วนคือการประมาณในช่วงเวลาที่กำหนดและข้อผิดพลาดกำลังสั่นด้วยแอมพลิจูดเดียวกันและเป็นการประมาณที่เหมาะสมที่สุดหรือใกล้เคียงกับมัน นี่คือสิ่งที่ฉันพบ: ดูเหมือนว่า chebfun สามารถทำได้ แต่ฉันไม่สามารถเข้าถึง Matlab * มีโปรแกรมอย่างง่ายในส่วนที่ 5-13 "Rational Chebyshev Approxation" ในสูตรเชิงตัวเลข (NR) Mathematica มีการประหยัดเชิงเหตุผลการประมาณค่าแบบย่อและ MiniMaxApproximation ฉันสงสัยว่ามีบางสิ่งที่ใหม่กว่า (ทดสอบได้ดีกว่า) กว่ารหัส NR หรือไม่ แอปพลิเคชันของฉันคือฉันมีชุดของฟังก์ชั่นพิเศษประมาณ 10 ซึ่งได้รับทั้งชุดไฮเพอร์เมตริกซ์หรือสูตรบางอย่างที่มีการยกเลิกตัวเลขและฉันต้องการมีฟังก์ชั่นการประเมินที่รวดเร็วและแม่นยำที่ถูกเรียกใช้ วงในสุดของการคำนวณองค์ประกอบเมทริกซ์ของอนุภาคสองตัวในการคำนวณ Hartree Fock ฉันวางตัวอย่างง่ายๆของฟังก์ชั่นที่เหมาะกับฉันที่ [2] อย่างที่คุณเห็นมันอาจใช้สูตรโดยตรงหรืออนุกรมรอบ ๆ x = 0 ที่ฉันคำนวณโดยใช้ SymPy มันเรียงลำดับของงาน แต่ความแม่นยำไม่ดีประมาณ …

3
วิธีการเชิงตัวเลขสำหรับ RS ODE ที่ไม่ต่อเนื่อง
อะไรคือวิธีการที่ทันสมัยสำหรับการแก้ปัญหาเชิงตัวเลขของ ODE ที่มีด้านขวาไม่ต่อเนื่อง? ฉันสนใจฟังก์ชั่นด้านขวาแบบต่อเนื่องเช่นสัญญาณ ฉันพยายามที่จะแก้สมการประเภทต่อไปนี้: x˙โวลต์˙= v= { ( | Fภายนอก| - | Fแรงเสียดทาน| )เข้าสู่ระบบ( Fภายนอก)0: | Fภายนอก| &lt; | Fแรงเสียดทาน|: มิฉะนั้นx˙=โวลต์โวลต์˙={(|Fภายนอก|-|Fแรงเสียดทาน|)สัญญาณ⁡(Fภายนอก):|Fภายนอก|&lt;|Fแรงเสียดทาน|0:มิฉะนั้น\begin{align*} \dot x &= v\\ \dot v &= \begin{cases} (|F_\text{external}| - |F_\text{friction}|) \mathop{\rm sign} (F_\text{external}) & :|F_\text{external}| < |F_\text{friction}|\\ 0 & : \text{otherwise} \end{cases} \end{align*}
15 ode 

4
การทดสอบวิธีการเพิ่มประสิทธิภาพเชิงตัวเลข: Rosenbrock กับฟังก์ชั่นการทดสอบจริง
ดูเหมือนว่าจะมีฟังก์ชั่นทดสอบหลักสองประเภทสำหรับเครื่องมือเพิ่มประสิทธิภาพที่ไม่มีอนุพันธ์: เรือเดินสมุทรหนึ่งเส้นเหมือน ฟังก์ชัน Rosenbrock ff. พร้อมจุดเริ่มต้น ชุดของจุดข้อมูลจริงด้วยตัวแทรก เป็นไปได้ไหมที่จะเปรียบเทียบว่า 10d Rosenbrock กับปัญหา 10d จริง ๆ สามารถเปรียบเทียบได้หลายวิธี: อธิบายโครงสร้างของ minima ท้องถิ่น หรือเรียกใช้ตัวเพิ่มประสิทธิภาพ ABC ใน Rosenbrock และปัญหาจริงบางอย่าง แต่ทั้งคู่ดูยาก (บางทีนักทฤษฎีและนักทดลองเป็นเพียงสองวัฒนธรรมที่แตกต่างกันมากดังนั้นฉันจะขอความฝัน?) ดูสิ่งนี้ด้วย: คำถาม scicomp.SE: ใครจะได้รับชุดข้อมูล / ปัญหาการทดสอบที่ดีสำหรับการทดสอบอัลกอริทึม / กิจวัตร? เชื่องช้า "การทดสอบการวิเคราะห์: เรามีทุกอย่างผิด"เป็นการดูหมิ่น: "การเน้นไปที่การแข่งขัน ... บอกเราว่าอัลกอริธึมดีกว่า แต่ไม่ใช่ทำไม" (เพิ่มในเดือนกันยายน 2014): พล็อตด้านล่างเปรียบเทียบอัลกอริทึม DFO 3 รายการในฟังก์ชันทดสอบ 14 รายการใน 8d จาก …

1
จะคำนวณเศษตกค้างได้อย่างไร
ฉันต้องคำนวณอินทิกรัลต่อไปนี้: โดยที่คือเมทริกซ์ (พลังงานจลน์หนึ่งอนุภาคและพลังงานศักย์ที่แสดงเป็นฐาน),เป็นเมทริกซ์ซึ่งขึ้นอยู่กับ (หนึ่ง - หลายอนุภาค - ฟังก์ชั่น body Green) และอินทิกรัลของรูปร่างเป็นครึ่งวงกลมซ้าย integrandมีขั้วบนแกนจริงเชิงลบและมีราคาแพงในการประเมิน วิธีที่มีประสิทธิภาพมากที่สุดในการคำนวณอินทิกรัลนั้นคืออะไร?12 πผม∫คฉ( E)dE12πผม∫คฉ(E)dE {1\over 2\pi i} \int_C f(E) \, d E ฉ( E) = T r( ( h + E))G (E) )ฉ(E)=TR((ชั่วโมง+E)G(E)) f(E) = {\rm Tr}\,\left(({\bf h} + E)\,{\bf G}(E) \right) ชั่วโมงชั่วโมง\bf hGG\bf GEEEฉ( E)ฉ(E)f(E) นี่คืองานวิจัยของฉัน: 1) ฉันใช้การรวมแบบเกาส์, …

2
แบบแผนความแตกต่างแน่นอน จำกัด สำหรับสมการการพาความร้อน
มีรูปแบบ FD มากมายสำหรับสมการการพาความร้อนอภิปรายในเว็บ ตัวอย่างเช่นที่นี่: http://farside.ph.utexas.edu/teaching/329/lectures/node89.html∂T∂t+u∂T∂x=0∂T∂t+u∂T∂x=0\frac{\partial T}{\partial t}+u\frac{\partial T}{\partial x}=0 แต่ฉันไม่เคยเห็นใครเสนอรูปแบบลม "โดยนัย" เช่นนี้: 0Tn+1i−Tniτ+uTn+1i−Tn+1i−1hx=0Tin+1−Tinτ+uTin+1−Ti−1n+1hx=0\frac{T^{n+1}_i-T^{n}_i}{\tau}+u\frac{T^{n+1}_i-T^{n+1}_{i-1}}{h_x}=0 แผนการล่องทั้งหมดที่ฉันเคยเห็นมีการจัดการกับข้อมูลในขั้นตอนเวลาก่อนหน้าในอนุพันธ์อวกาศ อะไรคือเหตุผลสำหรับสิ่งนั้น? รูปแบบ upwind แบบคลาสสิคมีวิธีเปรียบเทียบกับแบบที่ฉันเขียนด้านบนอย่างไร

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.