Operator exponential
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
Direzione di ricerca
Inizia leggendo i file PDE collegati di ApproxFunExamples, in particolare Linear KdV.jl e Heat equation.jl, poi esamina il punto di ingresso ODEProblem(model!, u0, tspan, p) e l’esempio model!. Chiarisci se il lavoro richiesto riguarda le esponenziali di operatori, il supporto per Fun in ODEProblem o entrambi; il lavoro è completo quando sono disponibili un’API concordata e relativi esempi o test funzionanti.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
First of all, thank you for developing this package, it's a very instructive way to learn about function decomposition methods!
And I do like the way time dependent PDEs can be solved by extending the state-space to include the time domain (see this example) and defining the IC as a Dirichlet BC.
-
But I was wondering if there was any discussion/plan of solving linear PDEs (
u' = A*u) with the exponential of operators (u = exp(A*t)*u0) by overloadingexp? Matlab's chebfun has theexpmfunction (see examples here and here), but it seems like the operators there have BCs baked in. There is an ApproxFun example too, but it's not very intuitive as one is not applying the propagator to aFuntype directly, and you need to explicitly specify how many coefficients to use. -
Also for more general PDEs, what is the status on using
FuninODEProblem? I noticed that naively defining something like
function model!(du,u,p,t)
du = F(u,p)
end
and plugging it into ODEProblem(model!,u0,tspan,p) won't work. I noticed this question has been asked before, but since it's been a few years, I was wondering if there was any progress on this front?
Thank you again!
- Lingua principale
- Julia
- Stelle
- 559
- Fork
- 71
- Merge medio
- 23m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaApproximation/ApproxFun.jl
-
tagbot-manual
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
-
How to add Gauge/Tau MethodAperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaApproximation/ApproxFun.jl#970 · 3 commenti ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
-
Plotting with MakieAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 42/100
Tutte le issue di JuliaApproximation/ApproxFun.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
SciML/DiffEqNoiseProcess.jl#342 ·
-
Broken links in the docsAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
oxfordcontrol/COSMO.jl#211 ·
-
documentation
Difficoltà 2/5 Mezza giornata Idoneità per principianti 65/100
I maintainer di solito rispondono entro 6 giorni