1. 引言
Burgers方程由Bateman 1915年在研究流体运动时提出 [1]。浅水波以及一些物理系统中的波动过程可以归结为Burgers方程。一维Burgers方程精确解首先由Benton和Platzman得到 [2],因此,求解Burgers方程是科学或工程领域中的重要课题。一些作者用Chebyshev谱–Euler混合方法、高阶紧致有限体积、时空耦合谱元方法和迎风LDQ方法求解Burgers方程初边值问题 [3] [4] [5] [6]。由于时间和空间方向的误差阶不同,导致时间和空间方向的模数不平衡,这就会增加计算工作量,为克服这个局限性,有作者对发展型方程构造了时空谱方法 [7] [8]。最近,一些作者研究了以Legendre-Gauss-Lobatto节点为配置点的微分矩阵的一些性质 [9] [10],并用于求解常微分方程定解问题的数值解 [11] [12],特别有作者构造了KdV方程Cauchy问题的时空谱配置方法 [13] [14],基于这些工作,本文构造Burgers方程初边值问题的时空Legendre谱配置方法,具体地就是考虑如下Burgers方程初边值问题:
(1)
用Lagrange二元插值多项式逼近(1)的精确解,在时间和空间方向用Legendre谱配置方法,将(1)式化为非线性矩阵方程,然后转化为非线性代数方程组,利用通常的不动点迭代方法求得数值解,显然在函数关于时间和空间两个变量充分光滑时,两个方向的数值误差阶是相同的,都具有谱精度,并且大大地减少了计算工作量。
2. 基于Gauss节点的插值多项式及其微分矩阵
记
为N次Legendre多项式。
是
的根 [11]。以
为节点的Lagrange插值基函数为:
(2)
记
为次数不超过
的多项式集合,对
,其Lagrange插值多项式
对
关于
求
阶导数,并令
,得
相应于
的
阶微分矩阵和一阶微分矩阵分别记为:
引理 根据文献 [9] 中的(3.68)和(3.203)式,则有 [9] [10] [11]:
(3)
而且m阶微分矩阵是一阶微分矩阵的m次幂。
3. Burgers方程初边值问题的谱配置格式
对(1)式作变换
,问题转化为:
(4)
记
及
。式(4)的Legendre时空谱配置方法就是求
满足:
(5)
用
逼近(4)式的解,并将其带入到(5)式中,得:
(6)
记
,利用Lagrange插值多项式的性质,式(6)关于
、
展开,则(6)式可转化成矩阵形式为:
(7)
用
表示
阶单位矩阵,“
”表示Kronecker积,
是矩阵
按行向量拉长后的转置向量,
是矩阵
按行向量拉长后的转置向量,“
”表示对应元素相乘,则(7)式可化为如下的非线性方程组:
(8)
4. 数值结果
Burgers方程有精确孤波解及初边值 [15]:
(9)
这里
和
都是常数。
在(1)式中时间方向令
。用下面的
范数度量数值误差
图1是(1)式中时间方向
,(9)式中的参数
,时间方向插值多项式次数
时最大值误差
随空间插值多项式次数
的变化情况,可以看出误差随
的增大而快速减小,算法格式在空间方向有谱精度,而且空间方向和时间方向所用的模数相差不大,算法格式平衡了两个方向的代价,这是所提算法的一个优点。
图2的参数和图1相同,空间方向插值多项式次数
时最大值误差
随时间插值多项式次数
的变化情况,表明算法格式在时间方向有谱精度。
图3的参数和图1的参数相同,表明在迭代30次时CPU所耗费的时间秒数,表明算法格式的高效性。
图4是(1)式中时间方向
,(9)式中的参数
,时间方向插值多项式次数
时最大值误差
随空间插值多项式次数
的变化情况,可以看出算法格式对(1)式中时间方向
取较大值仍然得到很好的结果。
Figure 1.
error with
图1.
时的
误差
Figure 2.
error with
图2.
时的
误差
Figure 3. Costing seconds of CPU with
图3.
时CPU耗费时间秒数
Figure 4.
error with
图4.
时的
误差
5. 结论
本文针对Burgers方程初边值问题用时空Legendre-谱配置方法构造了问题的二元Lagrange插值逼近格式,利用已有的微分矩阵将Burgers方程转化为非线性矩阵方程,再转化为等价形式的非线性方程组,利用通常的不动点迭代求解。算法格式简单有效,数值实验表明在时间和空间方向所用节点数相差很小,总节点个数
,大大地减少了工作量,这是所提算法的主要优点。另外,本文所提算法格式也可以用来求解其他经典的数学物理问题。
基金项目
国家自然科学基金(批准号:11371123);河南科技大学srtp基金(批准号:202010464053);河南自然科学基金(批准号:202300410156)。