Спектральный метод

  • Спектральные методы — это класс техник, используемых в прикладной математике для численного решения некоторых дифференциальных уравнений, возможно, вовлекая Быстрое преобразование Фурье. Идея заключается в переписи решения дифференциальных уравнений как суммы некоторых «базисных функций» (например, как ряды Фурье являются суммой синусоид), а затем выбрать коэффициенты в сумме, чтобы удовлетворить дифференциальному уравнению, насколько это возможно.

    Спектральные методы и методы конечных элементов тесно связаны и построены на тех же идеях. Основное отличие заключается в том, что спектральные методы используют базисные функции, ненулевые над всей областью определения, в то время как методы конечных элементов используют базисные функции, которые не равны нулю только на маленьких подобластях. Другими словами, спектральные методы предпринимают глобальный подход, в то время как методы конечных элементов используют локальный подход. Отчасти по этой причине спектральные методы имеют превосходные свойства так называемой «экспоненциальной сходимости», которая наиболее быстрая из возможных, если решение является гладким. Однако не известно трёхмерного однообластного спектрального метода скозного счёта (ударная волна не гладкая). Метод конечных элементов, в котором степень элементов очень высока или возрастает при уменьшении параметра решётки h, иногда называется методом спектрального элемента.

    Спектральные методы могут быть использованы для решения обыкновенных дифференциальных уравнений (ОДУ), дифференциальных уравнений в частных производных и задач нахождения собственных значений, вовлекающих дифференциальные уравнения. Когда спектральные методы применяются к зависимым от времени дифференциальным уравнениям в частных производных, решение обычно записывается как сумма базисных функций с зависящими от времени коэффициентами. Подстановка такой суммы в дифференциальное уравнение в частных производных даёт систему обыкновенных дифференциальных уравнений от коэффициентов, которая может быть решена с помощью любого численного метода обыкновенных дифференциальных уравнений. Задача нахождения собственных значений для обыкновенных дифференциальных уравнений аналогичным образом сводится к задаче нахождения собственных значений матрицы.

    Спектральные методы были разработаны в длинной серии статей Стивеном Орсага, начиная с 1969 года для методов Фурье для периодических геометрических задач, полиномиальных спектральных методов для конечных и неограниченных геометрических задач, псевдоспектральных методов для сильно нелинейных задач, спектральных итерационных методов для решения задач стационарного состояния и других задач. Имплементация спектрального метода обычно завершается либо коллокацией, либо методом Галёркина, либо Тау-подходом.

    Спектральные методы вычислительно менее затратны, чем методы конечных элементов, но становятся менее точными для задач со сложными геометриями и прерывистыми коэффициентами. Это увеличение ошибки является следствием явления Гиббса.

Источник: Википедия

Связанные понятия

Метод конечных элементов (МКЭ) — это численный метод решения дифференциальных уравнений с частными производными, а также интегральных уравнений, возникающих при решении задач прикладной физики. Метод широко используется для решения задач механики деформируемого твёрдого тела, теплообмена, гидродинамики и электродинамики.
Метод спектрального элемента (МСЭ) для решения дифференциальных уравнений в частных производных — это метод конечных элементов, в котором используются кусочные многочлены высокой степени в качестве базисных функций. Метод спектрального элемента предложил в статье 1984 года Т. Патера.
Вариацио́нное исчисле́ние — раздел анализа, в котором изучаются вариации функционалов. Наиболее типичная задача — найти функцию, на которой заданный функционал достигает экстремального значения.
Вычислительные (численные) методы — методы решения математических задач в численном видеПредставление как исходных данных в задаче, так и её решения — в виде числа или набора чисел.
Ме́тоды Ру́нге — Ку́тты (в литературе встречаются названия: ме́тоды Ру́нге — Ку́тта или же ме́тоды Ру́нге — Кутта́) — большой класс численных методов решения задачи Коши для обыкновенных дифференциальных уравнений и их систем. Первые методы данного класса были предложены около 1900 года немецкими математиками К. Рунге и М. В. Куттой.

Упоминания в литературе

По стилистическим особенностям икону можно отнести к первой половине XIX в. С целью уточнения времени ее создания использовались оба описанных выше спектральных метода.
Проведен анализ современной литературы по проблемам нанотехнологий. В последнее время все большее значение приобретают инструментальные методы исследования in situ процессов формирования наноматериалов. Так методами дифракции на синхротронном излучении и малоугловой дифракции поляризованных нейтронов исследованы процессы образования пористой оксидной пленки анодированного алюминия, а также темплатированных мезопористых образцов диоксида кремния с упорядоченной системой ферромагнитных нитей, находящихся в порах. Большое значение имеют спектральные методы анализа, в частности спектроскопия комбинационного рассеяния, активно используемая для анализа углеродных и неуглеродных нанотрубок, сверхрешеток квантовых точек.

Связанные понятия (продолжение)

Метод Ньютона, алгоритм Ньютона (также известный как метод касательных) — это итерационный численный метод нахождения корня (нуля) заданной функции. Метод был впервые предложен английским физиком, математиком и астрономом Исааком Ньютоном (1643—1727). Поиск решения осуществляется путём построения последовательных приближений и основан на принципах простой итерации. Метод обладает квадратичной сходимостью. Модификацией метода является метод хорд и касательных. Также метод Ньютона может быть использован...
Математи́ческий ана́лиз (классический математический анализ) — совокупность разделов математики, соответствующих историческому разделу под наименованием «анализ бесконечно малых», объединяет дифференциальное и интегральное исчисления.
Метод наименьших квадратов (МНК) — математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных. Он может использоваться для «решения» переопределенных систем уравнений (когда количество уравнений превышает количество неизвестных), для поиска решения в случае обычных (не переопределенных) нелинейных систем уравнений, для аппроксимации точечных значений некоторой функции. МНК является одним из базовых методов...
Вычислительная математика — раздел математики, включающий круг вопросов, связанных с производством разнообразных вычислений. В более узком понимании вычислительная математика — теория численных методов решения типовых математических задач. Современная вычислительная математика включает в круг своих проблем изучение особенностей вычисления с применением компьютеров.
Метод главных компонент (англ. principal component analysis, PCA) — один из основных способов уменьшить размерность данных, потеряв наименьшее количество информации. Изобретён Карлом Пирсоном в 1901 году. Применяется во многих областях, в том числе, в эконометрике, биоинформатике, обработке изображений, для сжатия данных, в общественных науках.
Неотрицательное матричное разложение (НМР), а также неотрицательное приближение матрицы, это группа алгоритмов в мультивариантном анализе и линейной алгебре, в которых матрица V разлагается на (обычно) две матрицы W и H, со свойством, что все три матрицы имеют неотрицательные элементы. Эта неотрицательность делает получившиеся матрицы более простыми для исследования. В приложениях, таких как обработка спектрограмм аудиосигнала или данных мускульной активности, неотрицательность свойственна рассматриваемым...
Стохастическое дифференциальное уравнение (СДУ) — дифференциальное уравнение, в котором один член или более имеют стохастическую природу, то есть представляют собой стохастический процесс (другое название — случайный процесс). Таким образом, решения уравнения также оказываются стохастическими процессами. Наиболее известный и часто используемый пример СДУ — уравнение с членом, описывающим белый шум (который можно рассматривать как пример производной винеровского процесса). Однако, существуют и другие...
Гауссовский процесс назван так в честь Карла Фридриха Гаусса, поскольку в его основе лежит понятие гауссовского распределения (нормального распределения). Гауссовский процесс может рассматриваться как бесконечномерное обобщение многомерных нормальных распределений. Эти процессы применяются в статистическом моделировании; в частности используются свойства нормальности. Например, если случайный процесс моделируется как гауссовский, то распределения различных производных величин, такие как среднее значение...
Дифференциальное уравнение в частных производных (частные случаи также известны как уравнения математической физики, УМФ) — дифференциальное уравнение, содержащее неизвестные функции нескольких переменных и их частные производные.
Численное решение уравнений и их систем состоит в приближённом определении корней уравнения или системы уравнений и применяется в случаях, когда точный метод решения неизвестен или трудоёмок.
Атом Гука относится к искусственным атомам подобных атому гелия, в котором кулоновский электрон-ядерный потенциал взаимодействия...
В статистике, машинном обучении и теории информации снижение размерности — это преобразование данных, состоящее в уменьшении числа переменных путём получения главных переменных. Преобразование может быть разделено на отбор признаков и выделение признаков.

Подробнее: Снижение размерности
Ядерные методы в машинном обучении — это класс алгоритмов распознавания образов, наиболее известным представителем которого является метод опорных векторов (МОВ, англ. SVM). Общая задача распознавания образов — найти и изучить общие типы связей (например, кластеров, ранжирования, главных компонент, корреляций, классификаций) в наборах данных. Для многих алгоритмов, решающих эти задачи, данные, представленные в сыром виде, явным образом преобразуются в представление в виде вектора признаков посредством...

Подробнее: Ядерный метод
Метод разделения переменных — метод решения дифференциальных уравнений, основанный на алгебраическом преобразовании исходного уравнения к равенству двух выражений, зависящих от разных независимых переменных.
Предобуславливание (также предобусловливание) — процесс преобразования условий задачи для её более корректного численного решения. Предобуславливание обычно связано с уменьшением числа обусловленности задачи. Предобуславливаемая задача обычно затем решается итерационным методом.
Алгоритм Гаусса — Ньютона используется для решения задач нелинейным методом наименьших квадратов. Алгоритм является модификацией метода Ньютона для нахождения минимума функции. В отличие от метода Ньютона, алгоритм Гаусса — Ньютона может быть использован только для минимизации суммы квадратов, но его преимущество в том, что метод не требует вычисления вторых производных, что может оказаться существенной трудностью.
Полуопределённое программирование (en: Semidefinite programming, SDP) — это подраздел выпуклого программирования, которое занимается оптимизацией линейной целевой функции (целевая функция — это заданная пользователем функция, значение которой пользователь хочет минимизировать или максимизировать) на пересечении конусов положительно полуопределённых матриц с аффинным пространством.
Аппроксима́ция (от лат. proxima — ближайшая) или приближе́ние — научный метод, состоящий в замене одних объектов другими, в каком-то смысле близкими к исходным, но более простыми.
Квантовые методы Монте-Карло — большая семья методов, для исследования сложных квантовых систем. Одна из главных задач — обеспечить надёжное решение (или достаточно точное приближение) квантовой задачи многих тел. Различные варианты этого метода имеют общую особенность: они используют метод Монте-Карло для вычисления многомерных интегралов, возникающих в различных формулировках задачи многих тел. Квантовые методы Монте-Карло позволяют описывать сложные эффекты многих частиц, зашифрованные в волновой...
В теории дифференциальных уравнений, начальные и граничные условия — дополнение к основному дифференциальному уравнению (обыкновенному или в частных производных), задающее его поведение в начальный момент времени или на границе рассматриваемой области соответственно.
Метод ренормализационной группы (также часто называемый методом ренормгруппы, методом РГ) в квантовой теории поля — итеративный метод перенормировки, в котором переход от областей с меньшей энергией к областям с большей вызван изменением масштаба рассмотрения системы.

Подробнее: Ренормализационная группа
Ме́тод А́дамса — конечноразностный многошаговый метод численного интегрирования обыкновенных дифференциальных уравнений первого порядка. В отличие от метода Рунге-Кутты использует для вычисления очередного значения искомого решения не одно, а несколько значений, которые уже вычислены в предыдущих точках.
Метод конечных объёмов (в русскоязычной литературе метод контрольных объёмов) — численный метод интегрирования систем дифференциальных уравнений в частных производных.
В настоящее время отсутствует единое определение точно решаемой задачи для всех разделов математики. Это обусловлено особенностями самих задач и методов поиска их решения. Вместе с тем базовые теоремы, определяющие наличие и единственность решений, строятся на общих принципах, что будет показано ниже.

Подробнее: Точнорешаемая задача
Вариационный метод — метод решения математических задач с помощью минимизации определённого функционала, используя пробную функцию, которая зависит от небольшого количества параметров.
Обобщённая фу́нкция или распределе́ние — математическое понятие, обобщающее классическое понятие функции.
Обратная задача — тип задач, часто возникающий во многих разделах науки, когда значения параметров модели должны быть получены из наблюдаемых данных.
Множество больших тригонометрических сумм — понятие теории чисел — множество индексов, в которых преобразование Фурье характеристической функции заданного подмножества группы принимает достаточно большие значения.
В вычислительной математике вычислительная устойчивость является обычно желательным свойством численных алгоритмов.
Уравнение теплопроводности — дифференциальное уравнение в частных производных второго порядка, которое описывает распределение температуры в заданной области пространства и ее изменение во времени.
Теория среднего поля или теория самосогласованного поля — подход к изучению поведения больших и сложных стохастических систем в физике и теории вероятностей через исследование простых моделей. Такие модели рассматривают многочисленные малые компоненты, которые взаимодействуют между собой. Влияние других индивидуальных компонент на заданный объект аппроксимируется усредненным эффектом, благодаря чему задача многих тел сводится к одночастичной задаче.
Ме́тод моме́нтов — метод оценки неизвестных параметров распределений в математической статистике и эконометрике, основанный на предполагаемых свойствах моментов (Пирсон, 1894 г.). Идея метода заключается в замене истинных соотношений выборочными аналогами.
Уравнение ренормгруппы (уравнение Каллана — Симанчика) — дифференциальное уравнение для корреляционных функций (пропагаторов), показывающее их независимость от масштаба рассмотрения. Оно имеет место, например, при рассмотрении динамики системы вблизи критической точки.
Суммирующая функция делителей в теории чисел — функция, являющаяся суммой функции делителей.
В прикладной статистике метод наименьших полных квадратов (МНПК, TLS — англ. Total Least Squares) — это вид регрессии с ошибками в переменных, техника моделирования данных с помощью метода наименьших квадратов, в которой принимаются во внимание ошибки как в зависимых, так и в независимых переменных. Метод является обобщением регрессии Деминга и ортогональной регрессии и может быть применён как к линейным, так и нелинейным моделям.
Ме́тод обра́тной зада́чи рассе́яния — аналитический метод решения задачи Коши для нелинейных эволюционных уравнений. Основан на связи нелинейного уравнения с данными рассеяния семейства вспомогательных линейных дифференциальных операторов, дающей возможность по эволюции данных рассеяния восстановить эволюцию решения нелинейного уравнения.
Дифференциальное исчисление — раздел математического анализа, в котором изучаются понятия производной и дифференциала и способы их применения к исследованию функций. Формирование дифференциального исчисления связано с именами Исаака Ньютона и Готфрида Лейбница. Именно они чётко сформировали основные положения и указали на взаимообратный характер дифференцирования и интегрирования. Создание дифференциального исчисления (вместе с интегральным) открыло новую эпоху в развитии математики. С этим связаны...
Метод граничного элемента (Метод потенциала, Метод граничных интегральных уравнений) — метод решения краевой задачи, в котором благодаря использованию формул Грина, она сводится...
Вне́шне несвя́занные уравне́ния (англ. Seemingly Unrelated Regressions (SUR)) — система эконометрических уравнений, каждое из которых является самостоятельным уравнением со своей зависимой и объясняющими экзогенными переменными. Модель предложена Зельнером в 1968 году. Важной особенностью данных уравнений является то, что несмотря на кажущуюся несвязанность уравнений их случайные ошибки предполагаются коррелированными между собой.
Вычислительная гидродинамика (также CFD от англ. computational fluid dynamics) — подраздел механики сплошных сред, включающий совокупность физических, математических и численных методов, предназначенных для вычисления характеристик потоковых процессов.
Фу́нкция Гри́на — функция, используемая для решения неоднородных дифференциальных уравнений с граничными условиями (неоднородной краевой задачи). Названа в честь английского математика Джорджа Грина, который первым развил соответствующую теорию в 1830-е годы.
Винеровская теория нелинейных систем — подход к решению задач анализа и синтеза нелинейных систем с постоянными параметрами, при котором в качестве математической модели нелинейной системы рассматривается функционал, который ставит в соответствие каждой функции (входному сигналу системы за рассматриваемое время) число (мгновенный выходной сигнал системы).
Логистическая регрессия или логит-регрессия (англ. logit model) — это статистическая модель, используемая для прогнозирования вероятности возникновения некоторого события путём подгонки данных к логистической кривой.
Разностная схема — это конечная система алгебраических уравнений, поставленная в соответствие какой-либо дифференциальной задаче, содержащей дифференциальное уравнение и дополнительные условия (например краевые условия и/или начальное распределение). Таким образом, разностные схемы применяются для сведения дифференциальной задачи, имеющей континуальный характер, к конечной системе уравнений, численное решение которых принципиально возможно на вычислительных машинах. Алгебраические уравнения, поставленные...
Операционное исчисление — один из методов математического анализа, позволяющий в ряде случаев с помощью простых средств решать сложные математические задачи.
а б в г д е ё ж з и й к л м н о п р с т у ф х ц ч ш щ э ю я