[論文レビュー] Discrete averaging for discrete time dynamical systems

Vassili Gelfreich, Arturo Vieiro|arXiv (Cornell University)|Mar 11, 2026

Numerical methods for differential equations被引用数 0

ひとこと要約

この論文は離散平均化を用いてマップを近似する自治的フローを導出し、明示的なアディアバティック不変量と一様誤差境界を可能にします。近接同一性マップおよび共振的不動点に適用し、古典的平均化よりも数値的・解析的な利点を示します。

ABSTRACT

In this paper we develop the theory of discrete averaging designed to study discrete time dynamical systems defined by iterates of a map. The discrete averaging uses weighted averages over a segment of trajectory to find an autonomous vector field that approximates the original map. The method provides a simple and effective tool for finding adiabatic invariants, both numerically and analytically. It is capable of strengthening various theorems of the classical averaging theory because it eliminates two intermediate steps used in the classical averaging: the suspension procedure that assigns a rapidly oscillating flow to the map and time-dependent coordinate changes that eliminate the dependence on time. We discuss two applications of the discrete averaging - to the dynamics of a near-identity map and to the dynamics of a map in a neighbourhood of a resonant fixed point. We show that the discrete averaging provides explicit uniform bounds for approximation errors. We also show that the discrete averaging can be used to establish domain of validity of adiabatic approximations in numerical experiments.

研究の動機と目的

• マップの反復によって定義される離散時間力学系を研究する道具としての離散平均化を導入する。
• 軌道区間の重み付き平均から補間ベクトル場を構築する。
• マップを時間1のフローで近似するための明示的で一様な誤差境界を得る。
• 近接同一性マップと共振近傍の適用を実証する。
• suspension や時間依存座標変換を回避することで、古典的平均化をどのように強化できるかを示す。

提案手法

• F の重み付き軌道区間平均から補間ベクトル場 X_n を定義する。
• X_n を F^k の線形結合として、補間多項式から導出される係数 p_{nk} を用いて表現する。
• ε 距離を持つ同一性に平行な写像に対して F = Phi^1_{X_n} + O(ε^{n+1}) が成り立つことを証明する。
• 解析的微分同一体に対して誤差は ε/δ の比に依存し、一様な解析的境界を確立する。
• 高次の補間子は、正規形変換を要求せずにアディアバティック不変量へとつながる。
• 共鳴近傍の保守系 Hénon写像に適用し、元の座標からアディアバティック不変量を抽出する。

Figure 1: Iterates of the Henon map ( 7 ) (left) and level lines of the Taylor polynomial of the adiabatic invariant $h_{2}$ of order 6 in $x,y$ and one in $\varepsilon$ (right) for $c=1+\varepsilon$ with $\varepsilon=10^{-3}$ .

実験結果

リサーチクエスチョン

• RQ1 離散平均化は元の座標系で近接同一性マップを自動的に近似する自治ベクトル場を生み出せるか。
• RQ2 補間ベクトル場の時間1フローでマップを近似する際の明示的誤差境界はどの程度か。
• RQ3 離散平均化は共振不動点付近でどの程度機能し、信頼できるアディアバティック不変量を生成できるか。
• RQ4 離散平均化は数値実験におけるアディアバティック近似の妥当性領域を決定できるか。
• RQ5 離散的アプローチは計算効率と解析的制御の点で古典的平均化とどう比較されるか。

主な発見

• 離散平均化は F = Phi^1_{X_n} + O(ε^{n+1}) となる明示的な補間ベクトル場 X_n を提供する。
• 解析的マップに対して誤差の一様境界が存在し、ε/δ の比で制御され、より高次の n で改善される。
• 高次の補間はアディアバティック不変量を高次の誤差まで保存することを Hénon写像の例で示す。
• 方法は正規形変換を用いずに元の座標系で直接的なアディアバティック不変量の構築を可能にする。
• 離散平均化の有効域は、最適な補間次数を領域全体で検討することにより数値的に評価できる。
• 特定の領域では指数型の精度境界が得られ、Neishtadtの定理の改良版と一致する。

Figure 2: Domain of validity of discrete averaging for the Hénon map with $\varepsilon=-10^{-3}$ (left column) and $\varepsilon=10^{-3}$ (right column). In the top row, the colors indicate the optimal $n$ values that minimize $G_{(x,y)}(n)=|X_{2n}(x,y)-X_{2n+2}(x,y)|_{2}$ . The bottom row plots exhi