[论文解读] Generalized Jacobi Functions and Their Applications to Fractional Differential Equations

Sheng Chen, Jie Shen+1 more|arXiv (Cornell University)|Jul 31, 2014

Fractional Differential Equations Solutions参考文献 16被引用 6

一句话总结

本文引入了具有可调参数的广义雅可比函数（GJFs），以解决分数阶微分方程（FDEs）中的奇点和非局部性问题。通过构建GJF-伽辽金谱方法，作者实现了稀疏且条件良好的线性系统，并获得了仅依赖于数据光滑度的谱收敛速率，即使在解存在边界奇点的情况下也能实现高精度。

ABSTRACT

In this paper, we consider spectral approximation of fractional differential equations (FDEs). A main ingredient of our approach is to define a new class of generalized Jacobi functions (GJFs), which is intrinsically related to fractional calculus, and can serve as natural basis functions for properly designed spectral methods for FDEs. We establish spectral approximation results for these GJFs in weighted Sobolev spaces involving fractional derivatives. We construct efficient GJF-Petrov-Galerkin methods for a class of prototypical fractional initial value problems (FIVPs) and fractional boundary value problems (FBVPs) of general order, and show that with an appropriate choice of the parameters in GJFs, the resulted linear systems can be sparse and well-conditioned. Moreover, we derive error estimates with convergence rate only depending on the smoothness of data, so truly spectral accuracy can be attained if the data are smooth enough. The idea and results presented in this paper will be useful to deal with more general FDEs associated with Riemann-Liouville or Caputo fractional derivatives.

研究动机与目标

• 解决FDE中奇异解和非局部分数阶导数带来的挑战，这些因素阻碍了传统数值方法的应用。
• 克服有限差分法和有限元法因非局部性导致的密集、病态矩阵的局限性。
• 开发一种谱框架，通过针对分数阶微积分量身定制的基函数，匹配FDE解的内在奇异性。
• 实现与解正则性无关的最优收敛速率，确保在数据光滑时达到谱精度。
• 将谱方法的适用范围扩展到一般阶次的FDE，包括此前尚未在数值上处理过的高阶初值和边值问题。

提出的方法

• 定义一类具有两个实参数的新型广义雅可比函数（GJFs），以捕捉FDE解中固有的边界奇点。
• 建立GJFs的分数阶微积分性质，包括黎曼-刘维尔导数和卡波托导数的导数公式。
• 利用涉及分数阶导数的加权Sobolev空间，构建GJF-伽辽金谱方法。
• 通过调节GJFs中的参数，确保所得线性系统具有稀疏性和良好条件性，从而实现高效求解。
• 推导出仅依赖于数据光滑度的加权Sobolev范数下的误差估计，而不依赖于解的正则性。
• 利用具有实参数的勒让德多项式的性质，包括导数规则和递推关系，以实现稳定计算。

实验结果

研究问题

• RQ1 能否构造一类新的基函数，使其自然匹配分数阶微分方程解的奇异行为？
• RQ2 如何设计谱方法，即使在非局部性存在的情况下，也能为FDE生成稀疏且条件良好的线性系统？
• RQ3 在涉及分数阶导数的加权Sobolev空间中，基于GJF的谱逼近可导出何种误差估计？
• RQ4 通过使用适当的基函数，能否在数据光滑但解存在奇异性的FDE中实现谱收敛？
• RQ5 所提出的GJF框架在多大程度上可扩展至一般阶次的FDE，包括高阶初值和边值问题？

主要发现

• 所提出的广义雅可比函数（GJFs）与分数阶微积分内在关联，并可通过参数调节以匹配解的奇异性。
• GJF-伽辽金方法生成稀疏且条件良好的线性系统，与传统谱方法或有限差分法相比，显著降低了计算成本。
• 误差估计显示收敛速率仅依赖于数据的光滑度，当数据为解析函数时可实现谱精度。
• 对于光滑数据，即使解具有奇异性质，也能实现指数收敛，证明了该方法的鲁棒性。
• 该框架成功处理了一般阶次的分数阶初值和边值问题，包括此前尚未在数值上处理过的高阶情形。
• 理论结果通过涉及分数阶导数的加权Sobolev空间中的逼近性质得到验证，确保了严格的收敛性分析。