ОЦЕНИВАНИЕ СПЕКТРАЛЬНОГО РАДИУСА МАТРИЦЫ ЯКОБИ В ЯВНЫХ СТАБИЛИЗИРОВАННЫХ МЕТОДАХ РУНГЕ–КУТТЫ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

При использовании явных стабилизированных методов Рунге–Кутты для решения жестких систем обыкновенных дифференциальных уравнений необходимо знать оценку спектрального радиуса матрицы Якоби. Такую оценку можно получить, применяя теорему Гершгорина либо степенной метод. В статье исследуются процедуры оценивания спектрального радиуса, основанные на применении нелинейного степенного метода и не требующие вычисления матрицы Якоби. Предложенные процедуры встроены в метод интегрирования и позволяют оценивать спектральный радиус также и в тех случаях, когда он изменяется в процессе решения. Приведены примеры решения тестовых задач. Библ. 35. Фиг. 2. Табл. 6.

Об авторах

Л. М Скворцов

ООО "3В Сервис"

Email: lm.skvo@gmail.com
Москва, Россия

Список литературы

  1. Лебедев В.И. Как решать явными методами жесткие системы дифференциальных уравнений // Вычисл. процессы и системы. М.: Наука, 1991. Вып. 8. C. 237–291.
  2. Лебедев В.И., Медовиков А.А. Явный метод второго порядка точности для решения жестких систем обыкновенных дифференциальных уравнений // Изв. вузов. Математика. 1998.№9. С. 55–63.
  3. Лебедев В.И. Явные разностные схемы для решения жестких задач с комплексным или разделимым спектром // Ж. вычисл. матем. и матем. физ. 2000. Т. 40.№12. С. 1801–1812.
  4. Новиков Е.А. Явные методы для жестких систем. Новосибирск: Наука, 1997.
  5. Хайрер Э., Ваннер Г. Решение обыкновенных дифференциальных уравнений. Жесткие и дифференциальноалгебраические задачи. М.: Мир, 1999.
  6. Verwer J.G. An implementation of a class of stabilized explicit methods for the time integration of parabolic equations // ACM Trans. Math. Software. 1980. V. 6. P. 188–205.
  7. Verwer J.G. Explicit Runge–Kutta methods for parabolic partial differential equations // Appl. Numer. Math. 1996. V. 22.№1–3. P. 359–379.
  8. Sommeijer B.P., Shampine L.F., Verwer J.D. RKC: An explicit solver for parabolic PDEs // J. Comput. Appl. Math. 1997. V. 88.№2. P. 315–326.
  9. Medovikov A.A. High order explicit methods for parabolic equations // BIT. 1998. V. 38.№2. P. 372–390.
  10. Abdulle A., Medovikov A.A. Second order Chebyshev methods based on orthogonal polynomials // Numer. Math. 2001. V. 90.№1. P. 1–18.
  11. Abdulle A. Fourth order Chebyshev methods with recurrence relation // SIAM J. Sci. Comput. 2002. V. 23. № 6. P. 2041–2054.
  12. Martin-Vaquero J., Janssen B. Second-order stabilized explicit Runge–Kutta methods for stiff problems // Comput. Phys. Comm. 2009. V. 180.№10. P. 1802–1810.
  13. Kleefeld B., Martn-Vaquero J. SERK2v2: A new second-order stabilized explicit Runge–Kutta method for stiff problems // Numer. Meth. Part. Different. Equat. 2013. V. 29.№1. P. 170–185.
  14. Kleefeld B., Martin-Vaquero J. SERK2v3: Solving mildly stiff nonlinear partial differential equations // J. Comput. Appl. Math. 2016. V. 299. P. 194–206.
  15. Kovа´cs E. A class of new stable, explicit methods to solve the non-stationary heat equation // Numer. Meth. Part. Different. Equat. 2021. V. 37.№3. P. 2469–2489.
  16. Скворцов Л.М. Явные методы Рунге–Кутты для умеренно жестких задач // Ж. вычисл. матем. и матем. физ. 2005. Т. 45.№11. С. 2017–2030.
  17. Скворцов Л.М. Явные стабилизированные методы Рунге–Кутты // Ж. вычисл. матем. и матем. физ. 2011. Т. 51.№7. С. 1236–1250.
  18. Скворцов Л.М. Явные многошаговые методы численного решения жестких обыкновенных дифференциальных уравнений // Вычисл. методы и программирование. 2008. Т. 9. Вып. 4. С. 409–418.
  19. Скворцов Л.М. Явные многошаговые методы с расширенными областями устойчивости // Ж. вычисл. матем. и матем. физ. 2010. Т. 50.№9. С. 1539–1549.
  20. Скворцов Л.М. Численное решение обыкновенных дифференциальных и дифференциально-алгебраических уравнений. М: ДМК Пресс, 2022.
  21. Мойса А.В., Фалейчик Б.В., Репников В.И. Стабилизированные явные методы типа Адамса высоких порядков с демпфированием //Журнал Белорус. гос. ун-та. Матем. Инф. 2023. Т. 1. С. 64–75.
  22. Жуков В.Т. О явных методах численного интегрирования для параболических уравнений // Матем. моделирование. 2010. Т. 22.№10. С. 127–158.
  23. Скворцов Л.М. Явный многошаговый метод численного решения жестких дифференциальных уравнений // Ж. вычисл. матем. и матем. физ. 2007. Т. 47.№6. С. 959–967.
  24. Скворцов Л.М. Построение и анализ явных адаптивных одношаговых методов численного решения жестких задач // Ж. вычисл. матем. и матем. физ. 2020. Т. 60.№7. С. 1111–1125.
  25. Fowler M.E.,Warten R.M.Anumerical integration technique for ordinary differential equations with widely separated eigenvalues // IBM J. Research and Development. 1967. V. 11.№5. P. 537–543.
  26. Заворин А.Н. Применение нелинейных методов для расчета переходных процессов в электрических цепях // Изв. вузов. Радиоэлектроника. 1983. Т. 26.№3. С. 35–41.
  27. Воеводин В.В., Кузнецов Ю.А. Матрицы и вычисления. М.: Наука, 1984.
  28. Фаддеев Д.К., Фаддеева В.Н. Вычислительные методы линейной алгебры. М.: Физматгиз, 1960.
  29. Икрамов Х.Д. Несимметричная проблема собственных значений. М.: Наука, 1991.
  30. Вержбицкий В.М. Вычислительная линейная алгебра. М.: Высш. школа, 2009.
  31. Лебедев В.И. Функциональный анализ и вычислительная математика. М.: Физматлит, 2005.
  32. Butcher J.C., Rattenbury N. ARK methods for stiff problems // Appl. Numer. Math. 2005. V. 53. P. 165–181.
  33. Mazzia F., Magherini C. Test set for initial value problem solvers. Release 2.4. University of Bari. Report 4/2008.
  34. Карташов Б.А., Шабаев Е.А., Козлов О.С., Щекатуров А.М. Среда динамического моделирования технических систем SimInTech. М: ДМК Пресс, 2017.
  35. Абдуллин А.Л., Березовская К.А. Применение собственных значений для сравнения явных и неявных схем интегрирования уравнений химической кинетики // Вестник КГТУ им. А.Н. Туполева. 2015.№3. С. 27–34.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».