用于二维半线性广义悬架-反应-扩散方程的线性化紧致θ方法

《Mathematics and Computers in Simulation》:A linearized compact θ-method for 2D semi-linear generalized pantograph-reaction–diffusion equations

【字体: 大 中 小 】 时间:2026年02月05日 来源:Mathematics and Computers in Simulation 4.0

编辑推荐:

  金志祥|张成建 中国武汉华中科技大学数学与统计学院,邮编430074 摘要 本文研究了二维半线性广义潘托格拉斯反应-扩散方程初边值问题的数值解法。通过结合线性化紧凑方法、θ方法、复合梯形法则以及时间方向上的全几何网格,提出了一种新的数值求解方法。在适当条件下,该算法

  金志祥|张成建
中国武汉华中科技大学数学与统计学院,邮编430074

摘要
本文研究了二维半线性广义潘托格拉斯反应-扩散方程初边值问题的数值解法。通过结合线性化紧凑方法、θ方法、复合梯形法则以及时间方向上的全几何网格,提出了一种新的数值求解方法。在适当条件下,该算法被证明具有全局稳定性,当θ=12时时间收敛阶为二(或一),空间收敛阶为四;当θ≠12时时间收敛阶为一,空间收敛阶仍为四。最后通过一些数值实验验证了该方法的计算有效性及理论结果的正确性。

引言
考虑以下二维半线性广义PRDEs的初边值问题:
$$
u_t = \alpha \Delta u + f(x,y,t,u(x,y,t),u(x,y,qt)), \quad \int_0^t q(t,\gamma,u(x,y,\gamma)) d\gamma, \quad (x,y) \in \Omega, t \in (0,T], \quad u(x,y,0) = \phi(x,y), \quad (x,y) \in \Omega?;
$$
$$
u(x,y,t) = \psi(x,y,t), \quad (x,y) \in \partial \Omega, t \in (0,T].
$$
其中α>0为扩散系数,q∈(0,1)为给定参数,?Ω为域的边界,Ω?(0,L1)×(0,L2),Ω?=Ω∪?Ω,L1、L2、T>0为常数。函数f、g、φ、ψ均足够光滑,使得问题(1.1)存在唯一解u∈C6×3(Ω?×[0,T]),且满足:
$$
|f(x,y,t,\mu_1,\nu_1,\xi_1) - f(x,y,t,\mu_2,\nu_2,\xi_2)| \leq c_1|\mu_1-\mu_2| + c_2|\nu_1-\nu_2| + c_3|\xi_1-\xi_2|, \quad \forall (x,y) \in \Omega, t \in (0,T], \mu_1,\mu_2,\nu_1,\nu_2,\xi_1,\xi_2 \in \mathbb{R};
$$
$$
|g(t,\gamma,\zeta_1) - g(t,\gamma,\zeta_2)| \leq c_4|\zeta_1-\zeta_2|, \quad \forall t \in (0,T], \gamma \in D \equiv \{ \gamma: qt \leq \gamma \leq t, 0 < t \leq T \}, \zeta_1,\zeta_2 \in \mathbb{R}.
$$
其中c1、c2、c3、c4>0为给定常数。与问题(1.1)相关的延迟反应-扩散问题广泛存在于自动控制、神经网络、种群生态学等科学领域(参见[1]、[2]、[3])。然而,这类问题通常难以获得解析解,因此人们发展出了多种数值求解方法。对于具有一维延迟参数s的DRDPs:?τ≤s<0:
$$
u_t = \alpha \Delta u + f(x,t,u(x,t),u(x,t+s)), \quad x \in (0,L), t \in (0,T], \quad u(x,t) = \phi(x,t), \quad x \in [0,L], t \in [-\tau,0];
$$
$$
u(0,t) = u(L,t) = 0, \quad t \in (0,T],
$$
Pimenov和Lozhnikov分别在[4]、[5]中提出了线性化差分法和Richardson法,Lekomtsev和Pimenov则在[6]中提出了一种单参数方法。对于具有光滑系数矩阵A(x)、B(x)(x∈Ω?Rd)和延迟函数τ(t)>0(t∈(0,T))的d维DRDPs:
$$
u_t = \nabla \cdot (A(x)\nabla u(x,t)) + \nabla \cdot (B(x)\nabla u(x,t-\tau(t))) + f(x,t), \quad x \in \Omega, t \in (0,T], \quad u(x,t) = \phi(x,t), \quad x \in \Omega, t \in [-\inf_0^t \tau(t), 0];
$$
$$
u(x,t) = 0, \quad x \in \partial \Omega, t \in (0,T],
$$
Wang、Yi和Xiao在[7]中建立了全离散有限元方法。显然,问题(1.1)无法用DRDPs(1.4)、(1.5)来描述,因为后两者仅涉及形式为t?τ(t)的离散型延迟,而不包含积分形式的分布式延迟∫qttg(t,γ,u(x,y,γ))。此外,由于问题(1.1)中存在分布式延迟和比例延迟两种形式,其延迟微分方程及其初边值条件存在显著差异,这必然导致我们的数值离散化方法与参考文献[4]、[5]、[6]、[7]中的方法有所不同。具体而言,为对问题(1)中的时间变量进行离散化,我们需要使用所谓的全几何网格(参见[8]、[9]),以此节省计算存储空间并提高算法效率。据我们所知,目前仍缺乏针对问题(1.1)的数值求解方法。因此,本文旨在解决这一难题。鉴于线性化紧凑差分方法(参见[10]、[11])和θ方法(参见[12])已被分别用于求解某些带延迟的偏微分方程,我们计划采用四阶线性化紧凑差分方法对空间变量进行离散化,利用θ方法和全几何网格对时间变量进行离散化,再通过复合梯形法则处理分布式延迟。这样即可得到一种适用于问题(1.1)的线性化紧凑θ方法。

本文其余结构如下:第2节通过结合线性化紧凑方法、θ方法、复合梯形法则以及时间方向上的全几何网格,推导出求解二维问题(1.1)的新数值方法,并给出该方法的唯一可解性判据。第3节对所提方法进行误差分析,证明在适当条件下,该方法的计算精度可达O(|1/2?θ|τ^N + τ^N2 + hx^4 + hy^4),其中τ^N为最大时间步长,hx和hy分别为x方向和y方向的空间步长。第4节给出了该方法的全局稳定性判据。第5节通过数值实验进一步验证了该方法的计算有效性及理论结果的正确性。

片段内容
**线性化紧凑θ方法**
为获得用于求解问题(1.1)的时空数值格式,我们首先考虑使用全几何网格对问题(1.1)进行时间离散化(参见[8]、[9])。设m为给定的正整数,n0为满足qn0≤1?q^1/m的正整数,τ0=qn0T,N=(n0+1)m+2。引入如下全几何网格集合:
$$
\Omega_\tau \equiv \{ t_n : t_0=0, t_n = \tau_0q^{-n} - (m+2)m, 1 \leq n \leq N \},
$$
由此可知,时间步长可由下式确定:
$$
\tau_1 \equiv t_1 - t_0 = \tau_0q^1 + \frac{1}{m}, \quad \tau_{n+1} \equiv t_{n+1} - t_n = \tau_0q^{-n} - (m+1)m(1?q^1/m).
$$

**方法的误差分析**
本节将对方法(2.14)–(2.16)进行误差分析,进而得出该方法的误差估计。设M=(Mx?1)(My?1),则在RM上定义以下向量范数:
$$
\| \boldsymbol{\υ} \| = \sqrt{hx \cdot hy \sum_{i=1}^{Mx-1} \sum_{j=1}^{My-1} \υ_{i,j}^2}, \quad \| \boldsymbol{\υ} \|_2 = \sqrt{\sum_{i=1}^{Mx-1} \sum_{j=1}^{My-1} \υ_{i,j}^2},
$$
其中$\boldsymbol{\υ} = (\υ_{1,1}^n, \υ_{2,1}^n, \cdots, \υ_{Mx-1,1}^n, \υ_{1,2}^n, \υ_{2,2}^n, \cdots, \υ_{Mx-1,2}^n, \cdots, \υ_{1,My-1}^n, \υ_{2,My-1}^n, \cdots, \υ_{Mx-1,My-1}^n)^T \in RM$。此外,我们仍使用符号$\| \cdot \|$(或$\| \cdot \|_2$)表示由向量范数$\| \cdot \|$导出的矩阵范数。可以验证$\| M \| = \| M \|_2$.

**方法的稳定性分析**
对于一个有效的数值方法而言,除了计算精度外,其稳定性也极为重要,因为它决定了该方法在计算过程中能否稳定实现。为研究方法(2.14)–(2.16)的稳定性,我们引入以下带有不同初始函数φ?(x,y)的扰动问题:
$$
u_{\hat{t}} = \alpha \Delta u_{\hat{p}} + f(x,y,t,u_{\hat{p}}(x,y,t),u_{\hat{p}}(x,y,qt)), \quad \int_0^t q(t,\gamma,u_{\hat{p}}(x,y,\gamma)) d\gamma, \quad (x,y) \in \Omega, t \in (0,T], \quad u_{\hat{p}}(x,y,0) = \phi_{\hat{p}}(x,y), \quad (x,y) \in \Omega?;
$$
$$
u_{\hat{p}}(x,y,t) = \psi(x,y,t), \quad (x,y) \in \partial \Omega, t \in (0,T].
$$

**数值实验**
本节将通过数值实验验证方法(2.14)–(2.16)的计算有效性和理论精度。考虑以下具有函数g?(x,y,t)=sin(πx)cos(πy)(2π2e^?t?2e^?^(13/2)t)?sin(sin(πx)cos(πy)e^?t)的二维半线性广义PRDEs:
$$
u_t = \Delta u + \sin(u(x,y,t)) + u_{x,y,t}^3 + \int_t^3 tu(x,y,\gamma) d\gamma + g_{\hat{p}}(x,y,t), \quad (x,y) \in (0,1) \times (0,1), t \in (0,9], \quad u(x,y,0) = \sin(πx)cos(πy), \quad (x,y) \in [0,1] \times [0,1],
$$
$$
u(0,y,t) = u(1,y,t) = 0, \quad y \in [0,1], t \in (0,9], \quad u(x,0,t) = -u(x,1,t) = \sin(πx)e^?^t, \quad x \in [0,1], t \in (0,9].
$$
可以验证……

CRediT作者贡献声明
金志祥:写作——初稿撰写、可视化、验证、软件开发、资源准备、方法设计、研究实施、形式分析、数据整理、概念构建。张成建:写作——审稿与编辑、验证、监督、资源协调、项目管理、方法设计、研究实施、资金获取、形式分析、概念构建。

未引用参考文献
[10]、[11]
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号