[论文解读] An improvement of the product integration method for a weakly singular Hammerstein equation

Laurence Grammont, Hanane Kaboul|arXiv (Cornell University)|Apr 4, 2016

Numerical methods for differential equations参考文献 13被引用 4

一句话总结

本文提出了一种求解弱奇异Hammerstein积分方程的新颖线性化-离散化方法，其中首先应用牛顿法对非线性算子方程进行线性化，随后采用乘积积分法进行空间离散化。关键贡献在于证明了所得迭代序列无论离散化参数如何，均收敛于精确解，从而克服了经典离散化-线性化方法固有的精度限制。

ABSTRACT

We present a new method to solve nonlinear Hammerstein equations with weakly singular kernels. The process to approximate the solution, followed usually, consists in adapting the discretization scheme from the linear case in order to obtain a nonlinear system in a finite dimensional space and solve it by any linearization method. In this paper, we propose to first linearize, via Newton method, the nonlinear operator equation and only then to discretize the obtained linear equations by the product integration method. We prove that the iterates, issued from our method, tends to the exact solution of the nonlinear Hammerstein equation when the number of Newton iterations tends to infinity, whatever the discretization parameter can be. This is not the case when the discretization is done first: in this case, the accuracy of the approximation is limited by the mesh size discretization. A Numerical example is given to confirm the theorical result.

研究动机与目标

• 为解决经典乘积积分方法的局限性，即在离散化前线性化时，精度受网格尺寸限制的问题。
• 提高具有弱奇异核的非线性Hammerstein方程的数值解精度。
• 建立迭代近似解收敛于真实解的理论保证，即使在粗网格离散化下亦成立。
• 为一种新方法顺序（先线性化，后离散化）提供理论基础。
• 通过数值实验表明，新方法在迭代次数增加时，其收敛性优于经典方法。

提出的方法

• 直接对非线性算子方程 $\varphi - K(\varphi) = y$ 应用牛顿法，生成一系列线性化方程。
• 使用分段线性插值对每个线性化方程进行乘积积分法离散化。
• 采用乘积梯形法则进行数值积分，特别适用于弱奇异核。
• 在每次牛顿迭代中，使用标准迭代求解器求解所得线性系统。
• 确保离散化在完成线性化之后进行，从而保持收敛性可独立于网格尺寸进行细化。
• 采用奇点减去技术以准确计算包含对数奇点的积分。

实验结果

研究问题

• RQ1 在离散化之前对非线性Hammerstein方程进行线性化，是否能带来优于经典方法的收敛行为？
• RQ2 当离散化参数固定且较粗时，牛顿迭代是否仍能收敛到精确解？
• RQ3 所提出的线性化-离散化方法在弱奇异核情况下的理论收敛行为如何？
• RQ4 在新方法中，解的精度如何依赖于牛顿迭代次数与网格尺寸的关系？
• RQ5 新方法在迭代次数增加时，是否能在误差减少方面优于经典离散化-线性化方法？

主要发现

• 所提出的线性化-离散化方法可确保牛顿迭代序列在迭代次数趋于无穷时，无论离散化参数如何，均收敛于精确解。
• 相比之下，经典离散化-线性化方法仅收敛于近似解 $\psi_n$，其误差受网格尺寸 $n$ 限制，且不会趋近于真实解 $\varphi$。
• 数值实验结果证实，即使在粗网格上（例如 $n=50$），新方法的误差也显著低于经典方法。
• 随着离散化参数 $n$ 增大，达到给定精度所需的牛顿迭代次数减少，从而降低计算成本。
• 该方法在低阶乘积积分（梯形法则）下仍具有效性，表明采用更高阶求积规则可进一步提升效率。
• 理论收敛性通过算子的Fréchet可微性及迭代算子的谱半径分析得以建立。