Многостадийный псевдоспектральный метод (метод коллокаций) приближенного решения обыкновенного дифференциального уравнения первого порядка

Обложка

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, Россия

Д. 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, Россия

Али 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, Россия

Список литературы

  1. J. P. Boyd, Chebyshev and Fourier spectral methods, 2nd ed. Dover Books on Mathematics, 2013.
  2. J. C. Mason and D. C. Handscomb, Chebyshev polynomials. London: Chapman and Hall/CRC Press, 2002.
  3. B. Fornberg, A practical guide to pseudospectral methods. Cambridge, England: Cambridge University Press, 1996. doi: 10.1017/cbo9780511626357.
  4. M. Planitz et al., Numerical recipes: the art of scientific computing, 3rd. New York: Cambridge University Press, 2007.
  5. J. Shen, T. Tang, and L.-L. Wang, Spectral methods. Berlin, Heidelberg: Springer, 2011, vol. 41.
  6. 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.
  7. 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.
  8. A. Iserles, A first course in the numerical analysis of differential equations, 2nd edition. Cambridge: Cambridge University Press, 2008. DOI: 10. 1017/CBO9780511995569.
  9. 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.
  10. 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.
  11. D. Dutykh, “A brief introduction to pseudo-spectral methods: application to diffusion problems”, Online. https://arxiv.org/pdf/1606.05432.pdf, 2016.
  12. 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.
  13. E. Hairer, G. Wanner, and S. P. Nørsett, Solving ordinary differential equations I. Berlin: Springer, 1993. doi: 10.1007/978-3-540-78862-1.
  14. L. N. Trefethen, Spectral methods in MATLAB. Philadelphia: SIAM, 2000.
  15. 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.
  16. 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.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

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».