[论文解读] A numeric-analytical method for solving the Cauchy problem for ordinary differential equations

В. Л. Макаров, Denis Dragunov|arXiv (Cornell University)|Aug 31, 2010

Fractional Differential Equations Solutions参考文献 9被引用 7

一句话总结

本文提出一种用于求解一阶常微分方程柯西问题的函数-离散（FD）方法，采用可调参数的数值-解析方法，实现收敛性调节。与可能发散的Adomian分解法（ADM）不同，FD方法即使在奇异或非线性问题下也能保证指数收敛，通过数值示例验证了其具有解析子解和通过不一致性函数实现的误差控制。

ABSTRACT

In the paper we offer a functional-discrete method for solving the Cauchy problem for the first order ordinary differential equations (ODEs). This method (FD-method) is in some sense similar to the Adomian Decomposition Method. But it is shown that for some problems FD-method is convergent whereas ADM is divergent. The results presented in the paper can be easily generalized on the case of systems of ODEs.

研究动机与目标

• 开发一种可靠的数值-解析方法，用于求解一阶ODE柯西问题，其收敛性优于现有方法。
• 解决Adomian分解法（ADM）在非线性或奇异问题中缺乏收敛性保证的问题。
• 提出一种具有可调参数的函数-离散（FD）方法，确保在ADM失效时仍能收敛。
• 将解析-数值方法的适用范围扩展至ODE系统及具有奇点的问题。
• 为FD方法中的误差估计提供基于不一致性函数的框架。

提出的方法

• FD方法将解表示为一系列分段网格上逐个求解的分量函数的无穷级数。
• 基解 $ u^{(0)}(x) $ 通过在每个网格点 $ x_{i-1} $ 处求解线性化ODE并利用 $ u^{(0)}(x_{i-1}) $ 的值获得。
• 高阶分量 $ u^{(j+1)}(x) $ 通过求解含非线性算子导数和先前分量的源项的线性柯西问题确定。
• 匹配条件在网格点处强制保证直到 $ r-1 $ 阶导数的连续性，以确保整体解的光滑性。
• 该方法对每个子问题使用解析解，实现精确计算和误差追踪。
• 通过不一致性函数监控收敛性，其定义为将近似解代入ODE后的残差。

实验结果

研究问题

• RQ1 能否构造一种数值-解析方法，确保在ADM失效的非线性ODE柯西问题中实现收敛？
• RQ2 FD方法中引入可调参数是否能改善其收敛行为，相比ADM？
• RQ3 FD方法能否处理在初始点（如 $ x=0 $）存在奇点的ODE，这些情况下标准求解器会失效？
• RQ4 FD方法的收敛速率是多少？其在实际中能否实现指数收敛？
• RQ5 不一致性函数作为FD方法中误差的定量度量是否有效？

主要发现

• FD方法对光滑和奇异ODE均实现指数收敛速率，如图2–3所示的误差图证实了 $ \delta_i(x) $ 的快速衰减。
• 在示例1中，ADM在 $[0,6]$ 上发散，而FD方法实现指数收敛，绝对误差 $ \delta_0(x), \delta_1(x), \delta_2(x), \delta_3(x) $ 逐渐减小。
• 在示例2中，尽管在 $ x=0 $ 处存在奇点，FD方法仍能成功计算解，且不一致性 $ \nu_n(x) $ 随 $ n $ 增加而减小，甚至在奇点之后仍有效。
• FD方法为每个分量 $ u^{(i)}(x) $ 生成解析表达式，实现精确计算和严格的误差追踪。
• 该方法的收敛性具有鲁棒性：通过调整网格并利用内置参数，即使在ADM失效时也能保持收敛。
• 不一致性函数 $ \nu_n(x) $ 随 $ n $ 增加呈指数下降，证实了该方法的可靠性和准确性。