[论文解读] Explicit Error Bounds for Carleman Linearization

Marcelo Forets, Amaury Pouly|arXiv (Cornell University)|Nov 7, 2017

Numerical methods for differential equations参考文献 6被引用 10

一句话总结

本文针对多项式常微分方程（ODE）的Carleman线性化提出了显式、可计算的误差界，采用两种策略：通过迭代向后积分截断系统（需预先估计解的范数）和利用生成函数的组合方法，推导出完全显式的、先验的误差界。关键贡献在于提出了一种随时间衰减的误差界，其随截断阶数呈指数衰减，适用于实际数值实现。

ABSTRACT

We revisit the method of Carleman linearization for systems of ordinary differential equations with polynomial right-hand sides. This transformation provides an approximate linearization in a higher-dimensional space through the exact embedding of polynomial nonlinearities into an infinite-dimensional linear system, which is then truncated to obtain a finite-dimensional representation with an additive error. To the best of our knowledge, no explicit calculation of the error bound has been studied. In this paper, we propose two strategies to obtain a time-dependent function that locally bounds the truncation error. In the first approach, we proceed by iterative backwards-integration of the truncated system. However, the resulting error bound requires an a priori estimate of the norm of the exact solution for the given time horizon. To overcome this difficulty, we construct a combinatorial approach and solve it using generating functions, obtaining a local error bound that can be computed effectively.

研究动机与目标

• 通过为Carleman线性化提供显式、可计算的误差界，弥合文献中的空白，此前缺乏定量的截断误差估计。
• 解决现有误差界依赖于精确解范数先验知识的局限性，特别是针对Carleman嵌入中出现的无界算子。
• 开发一种完全显式的误差界，仅依赖于系统系数和初始条件，从而在验证性数值积分和控制应用中实现实际应用。
• 通过提供严格、可计算的误差估计，将Carleman线性化的适用范围扩展至保证性积分和非线性控制理论。

提出的方法

• 通过使用单项基在高维空间中嵌入多项式非线性项，将Carleman线性化形式化为无限维双线性ODE系统。
• 通过截断Volterra级数的迭代向后积分推导首个误差界，其依赖于解范数的先验估计。
• 通过将误差项建模为幂级数并利用生成函数求解递推关系，构建第二个完全显式的误差界。
• 应用Egorychev方法通过复分析计算二项式系数和，推导出误差级数的闭式表达式。
• 将原始多项式ODE转化为二次形式，以简化分析并使生成函数技术得以应用。
• 在SageMath计算机代数系统中实现变换和误差公式，以供实际验证和数值使用。

实验结果

研究问题

• RQ1 能否在不依赖精确解先验知识的前提下，为多项式ODE的Carleman线性化截断误差推导出显式、可计算的误差界？
• RQ2 如何消除Carleman线性化误差界中对解范数先验估计的依赖？
• RQ3 随着截断阶数的增加，误差界的渐近行为如何？能否证明其呈指数衰减？
• RQ4 生成函数能否有效用于求解Carleman线性化中误差项产生的递推关系？
• RQ5 所推导误差界的收敛半径是多少？其与系统稳定性及数值可行性有何关联？

主要发现

• 首个误差界通过截断Volterra级数的向后积分推导得出，依赖于解范数的先验估计，限制了其实际应用价值。
• 第二个误差界为完全显式，不需任何关于解的先验知识，仅依赖于生成函数求解误差项的递推关系。
• 显式误差界以闭式表达为 $ R_N(t) = \frac{||x_0|| e^{||F_1||t}}{(1+\beta_0) - \beta_0 e^{||F_1||t}} \big[\beta_0(e^{||F_1||t}-1)\big]^N $，其中 $ \beta_0 = \frac{||x_0||~{}||F_2||}{||F_1||} $。
• 误差界随截断阶数 $ N $ 呈指数衰减，收敛半径为 $ T^* = \frac{1}{||F_1||} \ln\left(1 + \frac{1}{\beta_0}\right) $，超过该值后误差界发散。
• 该误差界适用于任意具有零平衡点的多项式ODE，且在SageMath实现中已证明其适用于数值实现。
• 所推导的误差界比第一种方法更为紧致，且呈指数级优势，为多项式ODE的保证性积分提供了实用且可验证的方法。