Об алгебраических свойствах разностных приближений гамильтоновых систем

Обложка

Цитировать

Полный текст

Аннотация

В этой работе мы рассмотрим разностные аппроксимации динамических систем с полиномиальными гамильтонианами, в частности, сосредоточив внимание на случаях, когда эти аппроксимации устанавливают бирациональные соответствия между начальным и конечным состояниями системы. Разностные аппроксимации обычно используются численными методами для моделирования эволюции сложных систем, и при применении к гамильтоновой динамике они обладают уникальными алгебраическими свойствами, обсулолвленными полиномиальной структуры гамильтона. Наш подход включает анализ условий, при которых эти аппроксимации сохраняют ключевые черты гамильтоновой системы, такие как сохранение энергии и сохранение фазово-пространственного объёма. Исследуя алгебраическую структуру бирациональных отображений, вызванных этими приближениями, мы стремимся дать представление об устойчивости и точности численного моделирования в сравнении с поведением исходных гамильтоновых систем. Представленные результаты направлены на разработку эффективных и точных числовых схем, которые сохраняют существенные свойства полиномиальных гамильтоновых систем с течением времени.

Об авторах

Л. О. Лапшенкова

Российский университет дружбы народов

Email: lapshenkova_lo@pfur.ru
ORCID iD: 0000-0002-1053-4925

PhD student of the chair of Mathematical Modeling and Artificial Intelligence

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

М. Д. Малых

Российский университет дружбы народов; Объединённый институт ядерных исследований

Автор, ответственный за переписку.
Email: malykh_md@pfur.ru
ORCID iD: 0000-0001-6541-6603
Scopus Author ID: 6602318510
ResearcherId: P-8123-2016

Doctor of Physical and Mathematical Sciences, Head of the department of Mathematical Modeling and Artificial Intelligence of RUDN University and research fellow of LIT JINR

ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация; ул. Жолио-Кюри, д. 6, Дубна, 141980, Российская Федерация

Е. Н. Матюхина

Российский университет дружбы народов

Email: matykhina_en@pfur.ru
Senior lecturer of the chair of Mathematical Modeling and Artificial Intelligence ул. Миклухо-Маклая, д. 6, Москва, 117198, Российская Федерация

Список литературы

  1. Butcher, J. C. Numerical Methods for Ordinary Differential Equations (Wiley, 2008).
  2. Sanz-Serna, J. & Abia, L. Order conditions for canonical Runge-Kutta schemes. SIAM Journal on Numerical Analysis 28, 1081-1096 (1991).
  3. Wisdom, J. & Holman, M. Symplectic maps for the N-body problem. The Astronomical Journal 102, 152-164. doi: 10.1086/117903 (1996).
  4. Leimkuhler, B. & Reich, S. Simulating Hamiltonian dynamics 14th ed. (Cambridge University Press, 2004).
  5. Hairer, E., Lubich, C. & Wanner, G. Geometric Numerical Integration: Structure-Preserving Algorithms for Ordinary Differential Equations (Springer, 2006).
  6. Berzins, M. Symplectic Time Integration Methods for the Material Point Method, Experiments, Analysis and Order Reduction. 14th WCCM-ECCOMAS Congress (2021).
  7. Hairer, E., Lubich, C. & Wanner, G. Symplectic Runge-Kutta methods. Acta Numerica, 211-266. doi: 10.1017/S096249290500008X (2006).
  8. Neishtadt, A. I. On the behavior of Hamiltonian systems under small perturbations. English. Russian Academy of Sciences. Izvestiya Mathematics 40, 547-556. doi: 10.1070/IM1991v040n03ABEH002018 (1991).
  9. Candy, J. & Cary, J. R. Symplectic Particle-in-Cell Algorithms. Journal of Computational Physics 174, 118-143. doi: 10.1006/jcph.2001.6771 (2001).
  10. Severi, F. Lezioni di geometria algebrica (Angelo Graghi, Padova, 1908).
  11. Dattani, N. Quadratization in discrete optimization and quantum mechanics 2019. ArXiv: 1901.04405.
  12. Malykh, M., Gambaryan, M., Kroytor, O. & Zorin, A. Finite Difference Models of Dynamical Systems with Quadratic Right-Hand Side. Mathematics 12, 167 (2024).
  13. Feynman, R. P. Feynman lectures on computation Expanded edition (ed Hey, A. J.) trans. by Hey, T. (CRC Press, Boca Raton, FL, 2018).
  14. Quispel, G. R. W., McLaren, D. & Evripidou, C. Deducing properties of ODEs from their discretization 2021. ArXiv: 2104.05951.
  15. Petrera, M. & Suris, Y. New results on integrability of the Kahan-Hirota-Kimura discretizations 2018.
  16. Bogfjellmo, G., Celledoni, E., Robert, I. M., O., B. & Reinout, Q. Using aromas to search for preserved measures and integrals in Kahan’s method. Math. Comput. 93, 1633-1653 (2022).
  17. Petrera, M., Smirin, J. & Suris, Y. Geometry of the Kahan discretizations of planar quadratic Hamiltonian systems. Proceedings of the Royal Society A 475 (2018).
  18. Kahan, W. Pracniques: further remarks on reducing truncation errors. Communications of the ACM 8, 40 (1965).
  19. Bychkov, A. & Pogudin, G. Optimal Monomial Quadratization for ODE Systems in Combinatorial Algorithms (eds Flocchini, P. & Moura, L.) 122-136 (Springer International Publishing, Cham, 2021). doi: 10.1007/978-3-030-85550-5_8.
  20. Bychkov, A. Qbee https://github.com/AndreyBychkov/QBee. 2021.
  21. Celledoni, E., D I McLaren, D., Owren, B. & Quispel, G. R. W. Integrability properties of Kahans method. Journal of Physics A: Mathematical and Theoretical 47 (2014).
  22. Malykh, M., Ayryan, E., Lapshenkova, L. & Sevastianov, L. Difference Schemes for Differential Equations with a Polynomial Right-Hand Side, Defining Birational Correspondences. Mathematics 12, 2725. doi: 10.3390/math12172725 (2024).
  23. McLachlan, R. & Quispel, G. R. W. A Survey of Symplectic Integrators. Acta Numerica 11, 341- 387. doi: 10.1017/S0962492902000075 (2002).
  24. Iserles, A. & Nørsett, S. P. Symplectic Integrators for Hamiltonian Systems. SIAM Journal on Numerical Analysis 39, 1-20. doi: 10.1137/S0036142900366583 (2001).
  25. Leimkuhler, D. & Reich, S. Numerical Methods for Hamiltonian Systems. Acta Numerica 13, 1- 50. doi: 10.1017/S0962492904000010 (2004).
  26. Rerikh, K. V. General Approach to Integrating Invertible Dynamical Systems Defined by Transformations from the Cremona group Cr (P kn) of Birational Transformations. Mathematical Notes 68, 594-601 (2000).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».