Reti tensoriali di alberi (TTN) fornire una rappresentazione compatta e strutturata
di dati ad alta dimensione, rendendoli preziosi in vari ambiti
matematica e fisica computazionale. In questo documento, presentiamo un rigoroso
quadro matematico per esprimere le derivate di ordine superiore di funzionali
TTN, sia con che senza vincoli. Il nostro quadro decompone il totale
derivata di un dato TTN in una somma di TTN, ciascuno corrispondente a
derivate parziali del TTN originale. Utilizzando questa scomposizione, deriviamo
l'espansione di Taylor di funzioni a valori vettoriali soggette all'ordinario
vincoli di equazioni differenziali o vincoli algebrici imposti da
Runge–Kutta (RK) metodi. Come applicazione concreta, utilizziamo questo quadro
per costruire condizioni d'ordine per i metodi RK. A causa del tensore intrinseco
proprietà delle derivate parziali e struttura tensoriale separabile in RK
metodi, lo sviluppo di Taylor delle soluzioni numeriche si ottiene in a
modo analogo a quello delle soluzioni esatte che utilizzano operatori tensoriali. Questo
consente di stabilire direttamente le condizioni d'ordine dei metodi RK
confrontando gli sviluppi di Taylor delle soluzioni esatte e numeriche,
eliminando la necessità dell’induzione matematica. Per una determinata funzione
$\vettore{F}$, ricaviamo condizioni di ordine più nitide che vanno oltre quelle classiche
quelli, consentendo l'identificazione di situazioni in cui uno schema RK standard di
ordine {\lo pag} raggiunge un ordine di convergenza inaspettatamente più elevato per il particolare
funzione. Questi risultati stabiliscono nuove connessioni tra la teoria delle reti tensoriali
e metodi numerici classici, potenzialmente aprendo nuove strade per entrambi
esplorazione analitica e calcolo pratico.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: