ScholarGate
Ассистент

Численное решение обыкновенных дифференциальных уравнений

Эта область разрабатывает и анализирует методы пошагового интегрирования, которые аппроксимируют решение обыкновенных дифференциальных уравнений, продвигая начальное состояние шаг за шагом, контролируя при этом точность и устойчивость.

Найти тему в PaperMindСкороFind papers & topics
Tools & resources
Скачать слайды
Learn & explore
ВидеоСкоро

Definition

Численное решение обыкновенных дифференциальных уравнений — это построение и анализ алгоритмов, которые дают приближенные решения дифференциальных уравнений с заданными начальными (или граничными) условиями путем дискретизации независимой переменной.

Scope

Она охватывает задачи Коши для систем ОДУ, решаемые одношаговыми (Рунге-Кутта) и многошаговыми методами, понятия согласованности, устойчивости и сходимости (теория Дальквиста), контроль ошибок посредством адаптивного выбора размера шага и специальную обработку, необходимую для жестких задач; краевые задачи и геометрические интеграторы рассматриваются как расширения.

Sub-topics

Core questions

  • Как непрерывное дифференциальное уравнение дискретизируется в устойчивую, сходящуюся схему пошагового интегрирования?
  • Какова взаимосвязь между согласованностью, устойчивостью и сходимостью для этих методов?
  • Как адаптивно выбирается размер шага для эффективного удовлетворения требований к точности?
  • Почему жесткие задачи требуют неявных методов и как характеризуется жесткость?

Key theories

Согласованность, устойчивость и сходимость
Метод сходится к истинному решению при стремлении размера шага к нулю тогда и только тогда, когда он согласован (точен до ведущего порядка) и устойчив (не усиливает ошибки неконтролируемо); эта эквивалентность типа Лакса, уточненная для многошаговых методов Дальквистом, является организующим принципом данной области.
Одношаговые против многошаговых методов
Одношаговые методы (Рунге-Кутты) используют только текущее состояние, но несколько внутренних стадий, тогда как многошаговые методы повторно используют несколько прошлых значений; каждое семейство по-разному обменивает сложность реализации, память и устойчивость.
Адаптивный контроль ошибок
Встроенные пары методов обеспечивают оценку локальной ошибки усечения на каждом шаге, которая используется для принятия или отклонения шага и для корректировки размера шага таким образом, чтобы заданный допуск был достигнут с минимальными затратами.

Clinical relevance

Решатели ОДУ являются фундаментальными инструментами моделирования в науке и технике: они интегрируют уравнения движения в механике и астрономии, кинетику реакций в химии и системной биологии, динамику схем и систем управления, а также популяционные и эпидемиологические модели; надежность таких симуляций напрямую зависит от точности и устойчивости выбранного метода интегрирования по времени.

History

Классические одношаговые методы были разработаны Рунге и Куттой около 1900 года, а многошаговые методы — Адамсом, Бэшфортом и Молтоном; современная теория была унифицирована результатами Гермунда Дальквиста середины двадцатого века по барьерам устойчивости и порядка и алгебраической теорией методов Рунге-Кутты Джона Бутчера, а решатели жестких задач появились в 1960-х и 1970-х годах.

Key figures

  • Carl Runge
  • Wilhelm Kutta
  • Germund Dahlquist
  • John C. Butcher

Related topics

Seminal works

  • hairer1993
  • iserles2008
  • butcher2016

Frequently asked questions

Что означает, что метод является сходящимся?
Метод является сходящимся, если его вычисленное решение приближается к точному решению при стремлении размера шага к нулю. Согласно фундаментальной теореме эквивалентности, это происходит именно тогда, когда метод одновременно согласован (локально точен) и устойчив (ошибки не нарастают).
Почему существует так много различных методов решения ОДУ?
Различные задачи отдают приоритет разным вещам: высокой точности, низкой стоимости за шаг, малой памяти или устойчивости к жесткости. Семейства Рунге-Кутты, многошаговые, явные и неявные методы занимают разные точки в этих компромиссах, поэтому ни один метод не является лучшим для всех задач.

Methods for this concept

Related concepts