Многостадийный псевдоспектральный метод (метод коллокаций) приближенного решения обыкновенного дифференциального уравнения первого порядка
- Авторы: Ловецкий К.П.1, Кулябов Д.С.1,2, Хиссен А.У.1
-
Учреждения:
- Российский университет дружбы народов
- Объединённый институт ядерных исследований
- Выпуск: Том 30, № 2 (2022)
- Страницы: 127-138
- Раздел: Статьи
- URL: https://journals.rudn.ru/miph/article/view/30951
- DOI: https://doi.org/10.22363/2658-4670-2022-30-2-127-138
Цитировать
Полный текст
Аннотация
Рассмотрен классический псевдоспектральный метод коллокации, основанный на разложении решения по базису из полиномов Чебышева. Новый подход к формированию систем линейных алгебраических уравнений для решения обыкновенных дифференциальных уравнений с переменными коэффициентами и с начальными (и/или граничными) условиями позволяет значительно упростить структуру матриц, приводя её к диагональной форме. Решение системы сводится к умножению матрицы значений полиномов Чебышева на выбранной сетке коллокации на вектор значений функции, описывающей заданную производную в точках коллокации. Следующее за этой операцией умножение полученного вектора на двухдиагональную спектральную «обратную» по отношению к матрице дифференцирования Чебышева приводит к получению всех коэффициентов разложения искомого решения за исключением первого. Этот первый коэффициент определяется на втором этапе исходя из заданного начального (и/или граничного) условия. Новизна подхода заключается в том, чтобы сначала выделить класс (множество) функций, удовлетворяющих дифференциальному уравнению, с помощью устойчивого и простого с вычислительной точки зрения метода интерполяции (коллокации) производной будущего решения. Затем рассчитать коэффициенты (кроме первого) разложения будущего решения по вычисленным коэффициентам разложения производной с помощью матрицы интегрирования. И лишь после этого выделять из этого множества решений те, которые соответствуют заданным начальным условиям.
Об авторах
К. П. Ловецкий
Российский университет дружбы народов
Email: lovetskiy-kp@rudn.ru
ORCID iD: 0000-0002-3645-1060
Candidate of Physical and Mathematical Sciences, Assistant Professor of Department of Applied Probability and Informatics
ул. Миклухо-Маклая, д. 6, Москва, 117198, РоссияД. С. Кулябов
Российский университет дружбы народов; Объединённый институт ядерных исследований
Email: kulyabov-ds@rudn.ru
ORCID iD: 0000-0002-0877-7063
Docent, Doctor of Sciences in Physics and Mathematics, Professor at the Department of Applied Probability and Informatics
ул. Миклухо-Маклая, д. 6, Москва, 117198, Россия; ул. Жолио-Кюри, д. 6, Дубна, Московская обл., 141980, РоссияАли Уэддей Хиссен
Российский университет дружбы народов
Автор, ответственный за переписку.
Email: 1032209306@rudn.ru
ORCID iD: 0000-0003-1100-4966
student of Department of Applied Probability and Informatics
ул. Миклухо-Маклая, д. 6, Москва, 117198, РоссияСписок литературы
- J. P. Boyd, Chebyshev and Fourier spectral methods, 2nd ed. Dover Books on Mathematics, 2013.
- J. C. Mason and D. C. Handscomb, Chebyshev polynomials. London: Chapman and Hall/CRC Press, 2002.
- B. Fornberg, A practical guide to pseudospectral methods. Cambridge, England: Cambridge University Press, 1996. doi: 10.1017/cbo9780511626357.
- M. Planitz et al., Numerical recipes: the art of scientific computing, 3rd. New York: Cambridge University Press, 2007.
- J. Shen, T. Tang, and L.-L. Wang, Spectral methods. Berlin, Heidelberg: Springer, 2011, vol. 41.
- S. Olver and A. Townsend, “A fast and well-conditioned spectral method”, SIAM Rev., vol. 55, no. 3, pp. 462-489, 2013. doi: 10.1137/120865458.
- S. Chandrasekaran and M. Gu, “Fast and stable algorithms for banded plus semiseparable systems of linear equations”, SIAM Journal on Matrix Analysis and Applications, vol. 25, no. 2, pp. 373-384, 2003. doi: 10.1137/S0895479899353373.
- A. Iserles, A first course in the numerical analysis of differential equations, 2nd edition. Cambridge: Cambridge University Press, 2008. DOI: 10. 1017/CBO9780511995569.
- X. Zhang and J. P. Boyd, “Asymptotic coefficients and errors for Chebyshevpolynomialapproximationswithweakendpointsingularities: effects of different bases”, Online. https://arxiv.org/pdf/2103.11841.pdf, 2021.
- J. P. Boyd and D. H. Gally, “Numerical experiments on the accuracy of the Chebyshev-Frobenius companion matrix method for finding the zeros of a truncated series of Chebyshev polynomials”, Journal of Computational and Applied Mathematics, vol. 205, no. 1, pp. 281-295, 2007. doi: 10.1016/j.cam.2006.05.006.
- D. Dutykh, “A brief introduction to pseudo-spectral methods: application to diffusion problems”, Online. https://arxiv.org/pdf/1606.05432.pdf, 2016.
- A. Amiraslani, R. M. Corless, and M. Gunasingam, “Differentiation matrices for univariate polynomials”, Numer. Algorithms, vol. 83, no. 1, pp. 1-31, 2020. doi: 10.1007/s11075-019-00668-z.
- E. Hairer, G. Wanner, and S. P. Nørsett, Solving ordinary differential equations I. Berlin: Springer, 1993. doi: 10.1007/978-3-540-78862-1.
- L. N. Trefethen, Spectral methods in MATLAB. Philadelphia: SIAM, 2000.
- K. P. Lovetskiy, L. A. Sevastianov, D. S. Kulyabov, and N. E. Nikolaev, “Regularized computation of oscillatory integrals with stationary points”, Journal of Computational Science, vol. 26, pp. 22-27, 2018. DOI: 10. 1016/j.jocs.2018.03.001.
- L. A. Sevastianov, K. P. Lovetskiy, and D. S. Kulyabov, “An effective stable numerical method for integrating highly oscillating functions with a linear phase”, Lecture Notes in Computer Science, vol. 12138, pp. 29- 43, 2020. doi: 10.1007/978-3-030-50417-5_3.