李雨,魏玉芬,朱煥
(黑龍江八一農(nóng)墾大學(xué)理學(xué)院,大慶 163319)
Burgers 方程是描述非線性耗散現(xiàn)象的典型方程,很多學(xué)者在該方程的理論和數(shù)值求解方面進行了大量研究。求解Burgers 方程的主要方法是有限元方法和有限差分方法,這類方法一般采用差分方法在空間方向上進行離散得到常微分方程,然后在時間方向進行離散構(gòu)造顯式或隱式格式。而近年來發(fā)展起來的李群方法所采用的積分方法在穩(wěn)定性方面更有優(yōu)勢,應(yīng)用李群方法的思想可以構(gòu)造一種基于積分格式的指數(shù)積分方法,數(shù)值算例表明這種顯式方法在穩(wěn)定性方面具有一定的優(yōu)勢。
考慮形如
的線性常微分方程組,其中A:R→Rn×Rn,首先介紹關(guān)于指數(shù)映射[6]的一些概念。
定義1 指數(shù)映射exp:Rn→Rn定義為
其中,exp(O)=I,上述定義限定在矩陣李群的范圍內(nèi)。
定義2 稱Ad 為伴隨表示,若
其微分ad 定義為
其中,adA0B=A,adAn(B)=[A,[A,L[A,B]]]。
指數(shù)映射的微分記為
其中,dexp:Rn×Rn→Rn,與adA的關(guān)系為
當(dāng)A 固定時dexpA(t)關(guān)于A′(t)是線性的,由的泰勒級數(shù)展開形式可得
由于dexpA是adA的解析函數(shù),因此
又因為
其中,Bj為伯努利數(shù),因此
基于上面的定義,關(guān)于方程(1)的解有如下引理,
引理1[1]設(shè)Θ(t)滿足下列微分方程
則方程(1)的解為Y(t)=exp(Θ(t))Y0。
根據(jù)上述結(jié)論,求解微分方程(10)即可得到方程(1)的解,因此對方程(10)采用不同的數(shù)值方法求解,就得到了求解方程(1)的不同的數(shù)值方法。
對式(10)采用Picard 迭代,則
把重新排列各項并化簡得
像這種把(10)的解Θ(t)寫成矩陣A(t)的交換算子和積分的線性組合形式稱為Magnus 展開[1-2],根據(jù)Magnus 展開時的對稱性把Magnus 展開寫成
其中,
顯然可以根據(jù)Magnus 展開的根數(shù)理論寫出Ik的其他各項,參見文獻[1,3-6]。
關(guān)于Magnus 展開的收斂性,已由Moan 證明了對于任意t∈(0,t*),考慮Euclidean 范數(shù),Magnus 展開是收斂的。
下面對Magnus 展開進行數(shù)值應(yīng)用,取步長h>0,Magnus 展開中的項可以寫成
其中,S={ξ ∈RS:ξ1∈[0,h],ξl∈[0,ξml],l=2,3,L,s},ml∈{1,2,K,l-1},l=2,3,K,s。
根據(jù)Iserles 和N?rsett(1999)[7]的理論,對I(h)進行離散,取v 個積分節(jié)點c1,c2,L,cv∈[0,1],記Ak=hA(ckh),k=1,2,L,v,則I(h)離散為
式(11)中的A(t)可以應(yīng)用插值多項式在積分節(jié)點的值
代替,因此得到顯式積分格式。
Iserles(1999)在文獻[1]中證明了下面的引理:
引理2[1]由正交條件
可知,對任意的S 和多項式函數(shù)L,數(shù)值積分(12)的階為v+m;當(dāng)c1,c2,L,cv是Lagendre 多項式Pv在區(qū)間[0,1]的根時,則數(shù)值積分(12)的階可達2v,其中,m>0 是使得上式成立的最大整數(shù)。
在非線性問題中,I(h)中的A 與Y 有關(guān),即Ak=hA(ckh,Y(ckh)),由于Y 是未知函數(shù),它在求積節(jié)點ckh 上的值是未知的。如何解決這個問題呢?設(shè)求積節(jié)點c1,c2,L,cv滿足式(13)給出的正交條件,則相應(yīng)的單變量值多項式的積分可達階p=v+m,又因Ak都是h 的倍數(shù),設(shè)Xk是Y(ckh)的不低于p-1 階的估計值,顯然可以用hA(ckh,Xk)來代替Ak。基于此,我們必須對Y(ckh)進行p-1 階估計,配置方法來構(gòu)造估計值Xk是一種簡單而有效的方法,采用拉格朗日插值多項式
代替A(t,Y),此處Ak=hA(ckh,Xk)k=1,2,L v。
此時,對方程(10)仍然使用picard 迭代,可以得到一般的Magnus 展開[8-10],在非線性情況下需要計算
基于上述理論,選取不同的積分節(jié)點即可構(gòu)造各種顯式和隱式方法。
定理1 方法
是求解非線性常微分方程
的三階顯式方法,稱為指數(shù)積分法。
放松配置條件,即得指數(shù)積分方法(14),該方法的計算量很大,但在穩(wěn)定性方面該方法有很強的優(yōu)勢。
考慮形如
的擬線性Burgers 方程,取xi=iVx,u(xi,t)≈xi(t),i=1,2,L,N,用中心差分代替方程空間方向?qū)?shù)
ui滿足常微分方程
取U=(u0,u1,L,uN)T則方程(17)轉(zhuǎn)化為非線性常微分方程組[10]
其中
此處cn=un+1-un-1,n=1,2,K N-1,I 為N+1 級單位陣。
于是Burgers 方程(17)轉(zhuǎn)化為方程(16)的形式,可以使用指數(shù)積分法來求解。
考慮Burgers 方程初值問題
其中
它的解析解為
下面將方程(18)進行離散,記U=(u0,u1,K,uN)T,則方程轉(zhuǎn)化為
其中
A(t,U)為(N+1)×(N+1)矩 陣,cn=un+1-un-1,n=1,2,K N-1。
下面取ε=1,N=20(即△x=0.1),取xmin=0,xmax=2,分別應(yīng)用指數(shù)積分法和三階的Runge-Kutta 方法求解,從表1 可以看出兩種方法在精確度相差不大的情況下,指數(shù)積分法對步長要求更低,換句話說,當(dāng)對求解精度要求相同的情況下,指數(shù)積分法比其他方法穩(wěn)定性更好。
表1 兩種方法在求解Burgers 方程時的步長比較Fig.1 Two methods of Burgers equations
[1]A.Iserles ,S.P.N?rsett,H.Z.Munthe-Kaas,et al.Lie-Group Methods[J].Acta.Numer,2000(9):215-365.
[2]A.Iserles,A.Magnus Expansion for the ()Equation Y′=AY-YB[J].J.Comput.Math,2001,19(1):15-26.
[3]A.M.Bloch,A.Iserles.Commutators of Skew-Symmetric Matrices[J].Intl J.Bif.Chaos,2005,15(3):793-801.
[4]B.Owren.Order Conditions for Commutator-Free Lie Group Methods[J].J.Phys.A-Math.Gen,2006,39(19):5585-5599.
[5]A.Iserles.On Cayley -Transform Methods for The Discretization of Lie-Group Equations.Found[J].Comput.Math,2001,1(2):129.
[6]J.Q.Sun,Z.Q.Ma,M.Z.Qin.RK-MK Method of Solving Non-Damping Equtions and Ferromagent Chain Equations.Comput[J].Appl.Math,2004,157:407-424.
[7]M.P.Calvo,A.Iserles,A.Zanna.Runge-Kutta Methods for Orthogonal and Isospectral Flows [J].Appl.Numer.Nov,1996,22(1-3):153-163.
[8]F.Casas,A.Iserles.Explicit Magnus Expansions for Nonlinear Equations [J].J.Phys.A -Math.Gen,2006,39(19):5445-5461.
[9]A.Iserles,S.P.Norsett.On the Solution of Linear Differential Equations in Lie Groups[J].Philos.T.Roy.Soca,1999,357(1754):983-1019.
[10]M.P.Calvo,A.Iserles,A.Zanna.Semi-Explicit Methods for Isospectral Flows.Adv[J].Comput.Math,2001,14(1):3-24.
[11]孫建強,秦孟兆.解Burgers 方程的一種顯式穩(wěn)定性方法[J].計算數(shù)學(xué),2007,29(1):67-72.
[12]鄧廷勇,孔令濱.一類四階非線性微分方程邊值問題正解的存在性[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報,2010(6):79-82.