跳转至

第 2 章 耦合系统一般原理（General Principle for Coupled Systems）

作者

本章由 Juergen Geiser 独立撰写, 沿用 Ch 1 的研究纲领。本章是"理论部分"的第一块: 在 PDE 离散化为线性 / 弱非线性矩阵系统之后, 作者给出"耦合可分解性"的系统分类与误差分析。这是 Geiser 自己在 2009–2012 年间一系列分解方法论文 (Geiser 2006/2009/2012, 见 §7) 的体系化整合, 也是 Ch 3 数值方法的理论前导。读者需要的预备: Banach 空间上的矩阵-算子范数、Lie-Trotter/Strang 分裂的局部截断误差, 以及对输运-反应 (transport-reaction)、Navier-Stokes、SDE 的一阶 PDE 经验。

内容概述

本章目标是把"耦合系统如何分解"这一工程直觉形式化为可判别的数学分类。核心论断 (按 §2.1) 是: 一个弱耦合线性系统 $$ \partial_t u = A u + B u, \quad u(0) = u_0, \quad u \in X, \quad A, B \in \mathcal{L}(X) $$ 当且仅当 \(\| [A, B] \| = \| AB - BA \| \le \mathrm{err}\) 时, 才能以算子分裂顺序求解两个子方程 \(\partial_t u_1 = A u_1\), \(u_2(0) = u_1(T)\), \(\partial_t u_2 = B u_2\) 而不损失精度。按此判据, 本章把耦合系统分成三类: (i) 可分解 (\([A, B] = 0\), 严格可交换, Lie-Trotter 一阶分裂精确); (ii) 弱可分解 (\([A, B]\) 小但非零, 需二阶 Strang 分裂或迭代分裂); (iii) 不可分解 (\([A, B]\) 大, 算子分裂失效, 必须先做多尺度分析把模型改造成弱耦合系统, 然后再分裂)。这三分法贯穿 Ch 3-4。

§2.2 进一步给出多尺度分析的两类标准工具: 多尺度平均 (averaging, 把快尺度嵌入慢尺度, \(\epsilon \to 0\) 极限) 与 多尺度展开 (homogenization, \(\tau = t/\epsilon\) 双时间展开)。前者用于快-慢动力学解耦 (例: 微秒级化学反应 + 秒级流体输运), 后者用于带 \(\epsilon\) 小参数的刚性系统 (例: 矩阵刚性比 \(\kappa_A \gg 1\) 的反应算子)。§2.2.3 给出第三种嵌入方式 — 自相似尺度 (self-similar scaling), 即通过对 \(u(x, t) = \lambda^\alpha u(\lambda x, \lambda^\beta t)\) 寻找不变量, 把多尺度 PDE 降为单一 ODE。三种嵌入方式共同构成 Ch 4 案例 (transport-reaction, plasma, mechatronics, bio) 的理论工具箱。

核心方程与概念

§2.1.1 可分解演化方程的范数判据

弱耦合线性系统的基准形式 $$ \partial_t u = A u + B u, \quad u(0) = u_0, \quad u \in X, \quad A, B \in \mathcal{L}(X) \quad (2.1) $$ 其中 \(X\) 是 Banach 空间, \(\|\cdot\|\) 是其诱导的算子范数。可分解性判据: $$ |[A, B]| = |AB - BA| \le \mathrm{err}. \quad (2.3) $$ 当 \(\mathrm{err} = 0\) 时称"严格可分解", 此时两个子方程 $$ \partial_t u_1 = A u_1, \quad \partial_t u_2 = B u_2, \quad u_2(0) = u_1(T) $$ 的串行求解给出原方程的精确解。当 \(\mathrm{err} > 0\) 时, 这是 §2.1.1.2 "弱可分解"的基础。

Lie-Trotter 转移矩阵的乘法分解 (2.7): 对 (2.1) 的解, 转移矩阵是 \(\phi((A+B)t) = e^{(A+B)t}\)。Lie-Trotter 分解的形式是 $$ \phi((A+B)t) = \phi(A_2, t) \phi(A_1, t) + O(t |[A_1, A_2]|), \quad (2.7) $$ 其中 \(O(\cdot)\) 是一阶局部截断误差; 严格可分时是精确等式。Strang 对称分裂 $$ e^{(A+B)\Delta t} = e^{A \Delta t/2} e^{B \Delta t} e^{A \Delta t/2} + O(\Delta t^3) $$ 是它的二阶推广, 把 \(O(t^2)\) 误差降到 \(O(t^3)\), 但要求 \(A, B\) 各能生成可精确求解的半群。

条件数 / 刚性比 (2.21)–(2.23): 算子 \(A\) 离散化后形成矩阵, 定义谱半径 $$ \lambda_{\max}(A) = |A|2, \quad \lambda|}(A) = 1 / |A^{-12, \quad \kappa(A) = \lambda(A). $$ }(A) / \lambda_{\min刚性判据: 若 \(\kappa_A \gg 1\) 而 \(\kappa_B \approx 1\), 则 \(A\) 是刚性算子, 需用小时间步 + 隐式方法; \(B\) 是非刚性算子, 可用大时间步 + 显式方法。这是把"对时间步长的不同敏感性"翻译为"对应不同子算子, 用不同方法"的算子语言。

Example 2.1 (各向异性热方程) (2.11): 在 \(x_1\) 方向导热系数远小于其他方向时 $$ \partial_t c = \sum_{i=1}^{3} D_i(x) \partial_{x_i^2} c, \quad \max_{x \in \Omega} |D_1(x)| \ll \max_{x \in \Omega} |D_2(x)| \ll \max_{x \in \Omega} |D_3(x)| $$ 作者按物理各向异性直接分解 \(L = L_1 + L_2 + L_3\) (1D-1D-1D 解耦), 这是 "物理/工程分解" 的最简单例子。

Example 2.2 (CFL 条件判据) (2.14)–(2.19): 对流-扩散-反应方程 $$ \partial_t c = \mathbf{v} \cdot \nabla c - \nabla \cdot (D \nabla c) + \lambda c, \quad c(0) = c_0 $$ 各物理过程有自己的 CFL 约束: \(\mathrm{CFL}_{\mathrm{flow},x_i} = |v_{x_i} \tau_{\mathrm{flow}} / \Delta x_i| \le 1\), \(\mathrm{CFL}_{\mathrm{diff},x_i} = |D_{x_i} \tau_{\mathrm{diff}} / \Delta x_i^2| \le 1/2\), \(\mathrm{CFL}_{\mathrm{react}} = |\lambda \tau_{\mathrm{react}}| \le 1\)。当 \(\tau_{\mathrm{flow},x_i} \approx \tau_{\mathrm{react}} \ll \tau_{\mathrm{diff},x_i}\) 时, 可把 flow+reaction 合并为一个子算子, diffusion 单独一个子算子。这是 "CFL 群组化" (grouping by similar CFL) 的方法。

§2.1.1.2 弱可分解的误差分析

Lie-Trotter 局部截断误差 (2.27): $$ \mathrm{err}_{\mathrm{local}}(t) = \left| e^{t(A_1 + A_2)} - e^{t A_2} e^{t A_1} \right| = \frac{t^2}{2} |[A_1, A_2]| + O(t^3). $$ 即误差的一阶项正比于对易子 \(\| [A_1, A_2] \|\), 这就是把"可分解性"和"误差阶"联系起来的核心公式。

迭代分裂格式 (2.28)–(2.31): 定义迭代 $$ \partial_t u_i = A u_i + B u_{i-1}, \quad u_i(0) = u(0), \quad u_0(t) = 0, $$ 则 $$ \mathrm{err}{\mathrm{local}} = | e^{(A_1+A_2)t} - e^{A_1 t} u(0) - \int_0^t e^{A_1(t-s)} A_2 u ds | = O(t^i). $$ 迭代 \(i\) 步给出 \(i\) 阶精度。本质是修正子 (Defect Correction) + Picard 迭代的耦合, 与 Marchuk 的分裂算子理论一致。

§2.2 多尺度分析工具

§2.2.1 多尺度平均 (averaging, 2.32–2.45): 标准快-慢尺度耦合 PDE $$ \partial_t c_1 = A_{x,y} c_1 + f(c_1, c_2), \quad \partial_t c_2 = \frac{1}{\epsilon} (A_{x,y} c_2 + g(c_1, c_2)), \quad \epsilon \ll 1. $$ 离散化后得 ODE $$ \partial_t c_1 = F(c_1, c_2), \quad \partial_t c_2 = \frac{1}{\epsilon} G(c_1, c_2). $$ 定义快动力学的解算子 \(\tilde{G}^t_\xi(c_2)\): 固定慢变量 \(\xi\), 解 $$ \partial_t \tilde{G}^t_\xi(c_2) = G(\xi, \tilde{G}^t_\xi(c_2)), \quad \tilde{G}^0_\xi(c_2) = c_2. $$ 极限 \(\lim_{t \to \infty} \tilde{G}^t_\xi(c_2) = c_{2,\mathrm{average}}(\xi)\) 给出快变量的"统计平衡值"。代入慢方程得降阶模型 $$ \partial_t c_{1,\mathrm{approx}} = F_0(c_{1,\mathrm{approx}}) = F(c_{1,\mathrm{approx}}, c_{2,\mathrm{average}}(c_{1,\mathrm{approx}})). $$ 这是把快尺度平均化后嵌入慢尺度的标准做法。

Example 2.5 (Navier-Stokes + 分子动力学) (2.46–2.53): 宏观 Navier-Stokes $$ \rho \partial_t \mathbf{v} + \rho (\mathbf{v} \cdot \nabla) \mathbf{v} - \mu \Delta \mathbf{v} + \nabla p = \mathbf{f}, \quad \nabla \cdot \mathbf{v} = 0 $$ 的粘性应力项 \(\mu \Delta \mathbf{v}\) 用分子动力学计算"上采"得到 $$ \mu_{\mathrm{approx}} = \text{MD average of } \frac{\partial \sigma_{ij}}{\partial x_j}. $$ 即用微观方法 (Lennard-Jones 势, \(U_{LJ}(r_{ij}) = 4 \epsilon_{ij} [(\sigma_{ij}/r_{ij})^{12} - (\sigma_{ij}/r_{ij})^6]\)) 给出宏观粘性参数。这与 Hadjiconstantinou 1999 的 hybrid MD-continuum 思路一致, 但作者强调把它作为一个"多尺度平均"案例。

§2.2.1.3 SDE 多尺度平均 (2.63–2.76): 当快方程含白噪声时 $$ \partial_t c_2 = \frac{1}{\epsilon} G(\xi, c_2) + \frac{1}{\sqrt{\epsilon}} \tilde{G}(\xi, c_2) \frac{dW}{dt}, $$ 平衡态用密度函数 \(\rho(c_2; c_1)\) 而非点值 \(c_2(\xi)\) 描述。Example 2.6 给出 Ornstein-Uhlenbeck 过程的精确闭式 $$ \rho(c_2; c_1) = \frac{1}{\sqrt{\pi}} e^{-(c_2 - c_1)^2}, $$ 由此 \(c_{1,\mathrm{approx}}\) 满足 $$ \partial_t c_{1,\mathrm{approx}} = \int_{\mathbb{R}} (-c_2) \frac{1}{\sqrt{\pi}} e^{-(c_2 - c_{1,\mathrm{approx}})^2} dc_2 = -\frac{c_{1,\mathrm{approx}}}{2} - \frac{1}{4}. $$ 这是 Itô-SDE 的多尺度闭式结果, 极少见, 应被读者重点标记。

§2.2.2 多尺度展开 (homogenization, 2.92–2.108): 把解按 \(\epsilon\) 幂次展开 $$ y(t) \approx y_0(t, \tau) + \frac{1}{\epsilon} y_1(t, \tau) + \frac{1}{\epsilon^2} y_2(t, \tau) + \dots + \frac{1}{\epsilon^I} y_I(t, \tau), \quad \tau = \frac{t}{\epsilon}. $$ 代入多尺度方程 \(dy/dt = -\Lambda_1 y + (1/\epsilon) \Lambda_2 y\) (2.92), 按 \(O(1)\) 和 \(O(1/\epsilon)\) 截断, 得 $$ \partial_t y^0 = -\Lambda_1 y^0 \quad (O(1)), \quad \partial_t y^1 = -\Lambda_1 y^1 + \Lambda_2 y^0 \quad (O(1/\epsilon)). $$ 静止条件 (quasi-stationary) \(\partial_\tau y^0 \approx 0\) 把快-慢分离。Second-Order Perturbation (2.100–2.108) 处理 \(1/\epsilon^2\) 层级, 给出更精细的修正公式。

§2.2.3 自相似尺度 (2.111–2.130): 通过 \(u(x, t) = \lambda^\alpha u(\lambda x, \lambda^\beta t)\) 寻找 PDE 的不变量, 把 PDE 降为 ODE。Example 2.8 (Burgers 方程): \(t\) 小时扩散主导, 标度 \(\beta = 2\), \(u = U(x/\sqrt{t})\); \(t\) 大时对流主导, 标度 \(\beta = 1\), \(u = U(x/t)\); 中间态是 $$ u(x, t) \approx \frac{1}{t^{1/(2m-2)}} U\left(\frac{x}{t^{1/2}}\right), $$ 对应的 ODE 是 $$ U'' = U^m U' - \frac{1}{2m-2} U - \frac{1}{2} y U'. $$ 这是经典的 Barenblatt-Pattle 自相似分析。

关键定义总结

# 概念 严格定义 关键来源
1 可分解 (decomposable) \([A, B] = 0\) 算子严格可交换 §2.1.1.1
2 弱可分解 (weakly decomposable) \(\|[A, B]\| \le \mathrm{err}\) 小但非零 §2.1.1.2
3 不可分解 (non-decomposable) \(\|[A, B]\| = O(1)\), 必须先用多尺度分析改造模型 §2.1.1.3
4 算子分裂 (operator splitting) \(\mathcal{A} = \mathcal{A}_1 + \dots + \mathcal{A}_m\) 顺序 / 并行求解 (2.7), 2.27
5 迭代分裂 (iterative splitting) \(\partial_t u_i = A u_i + B u_{i-1}\), \(i\) 步给出 \(i\) 阶 (2.28), 2.31
6 CFL 群组化 (CFL grouping) 把相同时间步量级的算子并入同一子方程 Example 2.2
7 多尺度平均 (averaging) 快变量取 \(\lim_{t \to \infty}\) 极限 §2.2.1
8 多尺度展开 (homogenization) \(y = y_0 + \epsilon^{-1} y_1 + \epsilon^{-2} y_2 + \dots\) §2.2.2
9 自相似标度 (self-similar) \(u(x, t) = \lambda^\alpha u(\lambda x, \lambda^\beta t)\) §2.2.3
10 区域分解 (DDM) 算子作用在不同空间子域, 算子按空间切分 §2.1.1.1 引用 [289]

关键结论

  • 可分解性的范数判据 (式 2.3): 一个弱耦合线性系统是否可被算子分裂精确求解, 取决于 \(\|[A, B]\|\) 而非物理直觉。零对易子精确解, 小对易子按 \(\|[A, B]\|\) 阶一阶分裂, 大对易子必须先改造模型 (多尺度分析)。
  • 三分法 (decomposable / weakly decomposable / non-decomposable) 是 Ch 3-4 的判别基础。Ch 3 的迭代分裂法处理第二类, Ch 4 的多尺度案例处理第三类。
  • CFL 群组化 (Example 2.2): 当各物理过程的时间步长差异显著 (输运 \(\tau \sim 10^{-2}\), 反应 \(\tau \sim 10^{-4}\), 扩散 \(\tau \sim 1\)), 按 \(\tau\) 量级并组后, 各子方程在物理上自然解耦, 这是从离散稳定性到算子分裂的桥梁。
  • 多尺度平均 vs 多尺度展开: 前者通过 \(\lim_{t \to \infty}\) 平衡态压缩快变量, 适用于"快动力学有稳态"的场景; 后者通过 \(\epsilon\) 幂级数展开保留快尺度, 适用于"快动力学没有稳态, 但有结构化小参数"的场景。两者互补, 作者明确给出选择依据。
  • SDE 多尺度平均的闭式结果 (Example 2.6): Ornstein-Uhlenbeck 过程的精确平衡密度使慢方程化为线性 ODE, 给出 \(-c_1/2 - 1/4\) 的负反馈。这是少见的"随机多尺度系统有解析闭式"的例子。
  • 自相似标度是降维工具: 扩散主导时 \(\beta = 2\) (抛物线特征), 对流主导时 \(\beta = 1\) (双曲线特征), 两者之间的过渡由 \(m\) (对流非线性阶) 控制。这个标度律在 Ch 4 的输运-反应案例中会反复出现。
  • 多尺度展开的"静止假设": \(\partial_\tau y^0 \approx 0\) (2.97 旁注) 是对快变量的准稳态假设, 与 "averaging 极限" 的物理意义相同, 但数学形式不同 (averaging 取 \(t \to \infty\), homogenization 假设 \(\partial_\tau = 0\))。两者在 \(\epsilon \to 0\) 极限下等价, 但工程实现中通常用 averaging 而非 homogenization, 因为后者需要解 cell problem (2.86), 计算成本高。

挑战和开放性问题

  • 对易子 \(\| [A, B] \|\) 的实际估计: §2.1.1.1 给判据, 但如何在工程 PDE 离散化之前估计 \(\| [A, B] \|\) 作者没说。一种可行路径是把 \(A, B\) 看作矩阵, 用 \(\|[A, B]\|_F / \|A\|_F \|B\|_F\) 作为相对量; 但对无穷维算子, 这是开放问题。
  • 不可分解系统判定: §2.1.1.3 说"大对易子 + 算子分裂失效, 必须做多尺度分析", 但什么算"大"没有给阈值。是 \(\|[A, B]\| / \|A\| \|B\| > 0.1\) 还是 \(> 0.5\)? 工程上没有公认判据。
  • averaging 与 homogenization 的选择: 两者在 \(\epsilon \to 0\) 极限下等价, 但何时用哪个? averaging 需要快动力学有稳态 (耗散), homogenization 需要小参数结构 (双尺度或周期)。在 \(\epsilon\) 中等 (例如 \(\epsilon \sim 0.1\)) 时, 两者都会失效, 没有任何退路。
  • SDE 多尺度平均的有限性: Example 2.6 给出 OU 闭式, 但对一般的 SDE (Itô drift + diffusion 不对称), 平衡密度 \(\rho(c_2; c_1)\) 没有闭式, 必须用 Fokker-Planck 数值解。这是 Ch 3 必须解决的一个算法问题。
  • 多尺度展开的 cell problem (2.86) 的可解性: \(\nabla_{c_2} \phi \cdot G(c_1, c_2) = F(c_1, c_2)\) 的可解性要求 \(G \ne 0\), 即"算子不能退化"。当 \(G\) 在某些区域消失 (例如 boundary layer), cell problem 失效, 整段展开失效, 必须回到 averaging。
  • CFL 群组化的"时间步边界"判定: Example 2.2 的 \(\tau_{\mathrm{flow}} \approx \tau_{\mathrm{react}} \ll \tau_{\mathrm{diff}}\) 是定性的, "约"和"远小于"的数值阈值 没有给出。Ch 3 应当给一个量化判据 (例如 5 倍以上算"远小于")。
  • 迭代分裂的收敛性: §2.1.1.2 给出误差 \(O(t^i)\), 但迭代 \(i\) 次的全局代价 没说。\(i\) 阶精度意味着 \(i\) 步内层迭代, 每次内层迭代是 \(A\)-子方程求解, 总代价是 \(i \cdot T_{\mathrm{sub}}\)。\(i\) 步的累积误差 vs. 一步的 Strang 二阶分裂, 哪个更优? Ch 3 必须给算术比较。
  • 自相似解的奇点: Example 2.8 给出 \(u(0) = 0\) for \(x \le 0\), \(u(0) = 1\) for \(x > 0\) 这样的 Heaviside 初始条件, ODE 解在 \(y = 0\) 不可微, 必须用弱解 / 黏性解理论。Ch 3 应给数值方法建议 (如添加小粘性正则化)。
  • 与 quarteroni DDM 理论的整合缺失: §2.1.1.1 引用 [289] (Quarteroni 关于 DDM), 但作者只把 DDM 视为一种分解, 没有吸收其重叠 Schwarz 收敛理论、非匹配网格 (mortar) 方法、Feti/Neumann-Dirichlet 等成熟理论。Ch 4 的多物理-多尺度案例 (如流-固耦合) 是 DDM 的传统强项, 应交叉引用。

个人反思与批判性分析

本章是 Geiser 本人"耦合可分解性"理论纲领的体系化呈现, 有显著贡献也有显著缺口。

三点贡献

(1) "可分解性三分类" 的形式化: 这是 Geiser 区别于传统算子分裂教科书 (Hundsdorfer-Verwer, Holden-Risebro) 的关键创新。Hundsdorfer-Verwer 只讨论"算子分裂"和"误差分析", 不做"系统是否可分解"的判别。Geiser 的三分法 — 可分解 / 弱可分解 / 不可分解 — 给读者一个事前判定: 在动手做算子分裂前, 先估对易子, 决定用一阶 Lie-Trotter、二阶 Strang, 还是必须先做多尺度分析。这个判别流程是工程上非常有用的。

(2) 多尺度分析工具箱的整合: §2.2 把 averaging, homogenization, self-similar 整合到一个 "可分解性" 框架下, 这是 Geiser 自己的研究强项 (Geiser 2012, Multiscale splitting methods for coupled equations)。averaging 给出 Example 2.5 (NS-MD 桥接) 和 2.6 (OU 闭式), homogenization 给出 First/Second-Order Perturbation, self-similar 给出 Example 2.8 (Burgers 标度)。三者在不同 \(\epsilon\) 区间互补。

(3) Example 2.6 OU 闭式: 极少数 SDE 多尺度平均有解析闭式, Geiser 给出 OU 平衡态积分得 \(-c_1/2 - 1/4\), 这是少见的"用分析方法解决随机多尺度问题"的案例, 适合做入门 benchmark。

三个缺口

(1) 算子分裂与 DDM 的概念错位: §2.1.1.1 同时引用 Lie-Trotter (operator splitting) 和 [289] (Quarteroni DDM), 但没有澄清两者的本质差异。算子分裂按时间/物理切分算子, DDM 按空间切分算子, 两者数学结构不同 (前者是半群乘法分解, 后者是子域边界条件交换)。Geiser 把两者都装入 "decomposition" 篮子是工程便利, 但读者必须意识到 Ch 3 的算法选择因此变得宽泛。

(2) 对易子 \(\|[A, B]\|\) 的实际可估性问题: 判据 (2.3) 在数学上无可挑剔, 但工程中 \(A, B\) 是连续算子 (而非矩阵), \(\|[A, B]\|\) 通常需要谱分析 (e.g., \([A, B]\) 在 Fourier 域下对应乘子 \(\hat A(k) \hat B(k) - \hat B(k) \hat A(k)\), 对非对角算子为 0, 对一阶微分算子非零且正比于 \(k\)) 才能估计。作者跳过了这一步, 直接进入算法层, 留下了"工程估计方法"的空缺。

(3) 多尺度方法与算子分裂的边界: §2.1.1.3 说"不可分解系统必须先用多尺度分析改造模型, 然后再分裂", 但改造后的模型究竟和原模型差多少? \(\epsilon \to 0\) 极限下两者一致, 但 \(\epsilon\) 中等 (0.01-0.1) 时改造引入的误差与算子分裂本身的误差同量级, 此时 Ch 3 的算法选哪个都可能失败。这个"中尺度灾难"是 Geiser 框架最大的盲点。

与同类书的对照

  • Hundsdorfer & Verwer (2003): 标准算子分裂 + ADR 方程, 严谨但偏 PDE 理论, 不涉及多尺度。Geiser 站在 Hundsdorfer-Verwer 的算法基础上, 但把它工程化了。
  • Quarteroni & Valli (1999): DDM 经典, 偏数学理论。Geiser 仅在 §2.1.1.1 简略引用, 没有吸收其收敛理论。
  • E & Engquist (2003) Heterogeneous Multiscale Methods (HMM): 多尺度方法的标准综述, 与 Geiser 的 homogenization 部分重叠, 但更数学化。Geiser 没用 HMM 框架, 而是直接用 averaging + 1st/2nd order perturbation。
  • Weinan E (2011) Principles of Multiscale Modeling: 偏数学综述, 与 Geiser §2.2 平行但更全面。
  • Strang (1968): 算子分裂的原始论文, Geiser 引用了 [313], 但实际 Strang 的核心是"对易子的二阶估计", Geiser 在 (2.27) 给出的是一阶估计, 实质上是 Lie-Trotter 的高阶推广。

适合做哪些后续工作

  • 重读 Ch 3 看作者实际怎么用 §2 的判据: Ch 3 应当把"判别三分法"转化为可执行的"算法选择表"。如果 Ch 3 没有这一步, 则是 Geiser 框架的工程落地失败。
  • 比较 Ch 4 案例与 §2.2 多尺度工具: Ch 4 的 transport-reaction, plasma, mechatronics 案例, 应当明确标注"这个案例用 averaging"还是"用 homogenization", 把 §2.2 工具箱具体化。
  • 尝试把 Geiser 框架与 HMM 结合: HMM 框架能更系统地处理 \(\epsilon\) 中等的多尺度, 是 Geiser §2.2.2 的补强。

重要参考文献

[X1] Geiser, J. Coupled Systems: Theory, Models, and Applications in Engineering. Chapman & Hall/CRC, Boca Raton, FL, 2014. ISBN 978-1-4665-7802-9 (eBook - PDF). (本书 Ch 2 本身, §2.1 判据, §2.2 多尺度工具.) [X2] Hundsdorfer, W.; Verwer, J. G. Numerical Solution of Time-Dependent Advection-Diffusion-Reaction Equations. Springer Series in Computational Mathematics, vol. 33, 2003. DOI: 10.1007/978-3-662-09017-6. (算子分裂在 ADR 方程上的标准参考.) [X3] Quarteroni, A.; Valli, A. Domain Decomposition Methods for Partial Differential Equations. Oxford University Press, 1999. (DDM 经典.) [X4] Strang, G. On the construction and comparison of difference schemes. SIAM Journal on Numerical Analysis 1968, 5(3), 506-517. DOI: 10.1137/0705031. (Lie-Trotter / Strang 分裂原文.) [X5] Marchuk, G. I. Splitting and Alternating Direction Methods. In: Handbook of Numerical Analysis (eds. Ciarlet, P. G.; Lions, J. L.), vol. 1, North-Holland, 1990, pp. 197-462. (Marchuk 分裂综述.) [X6] E, W.; Engquist, B. The heterogeneous multiscale methods. Communications in Mathematical Sciences 2003, 1(1), 87-132. DOI: 10.4310/CMS.2003.v1.n1.a8. (HMM 框架原文.) [X7] E, W. Principles of Multiscale Modeling. Cambridge University Press, 2011. ISBN 978-1-107-00848-3. (多尺度建模综述专著.) [X8] Geiser, J. Iterative operator-splitting methods with higher-order time-integration methods and applications for parabolic equations. Journal of Computational and Applied Mathematics 2009, 217(1), 70-85. DOI: 10.1016/j.cam.2007.06.024. (作者本人对高阶时间积分 + 算子分裂的工作, 是 §2.1.1.2 迭代分裂的来源.) [X9] Geiser, J. Discretization methods for systems of coupled nonlinear parabolic equations. Journal of Computational and Applied Mathematics 2006, 196(2), 407-422. DOI: 10.1016/j.cam.2005.09.014. (作者本人对耦合非线性抛物系统离散的工作, 是 §2.1.1.1 直接分解的来源.) [X10] Geiser, J. Multiscale splitting methods for coupled equations. Computational Methods in Applied Mathematics 2012, 12(3), 317-337. DOI: 10.1515/cmam-2012-0011. (作者本人对多尺度分裂的工作, 是 §2.2 工具箱的来源.) [X11] Hadjiconstantinou, N. G. Hybrid atomistic-continuum formulations and the moving contact-line problem. Journal of Computational Physics 1999, 154(2), 245-265. DOI: 10.1006/jcph.1999.6297. (Hybrid MD-continuum 经典, Example 2.5 思想来源.) [X12] Lions, J. L.; Magenes, E. Non-Homogeneous Boundary Value Problems and Applications. Springer, 1972. (Banach 空间算子分解的泛函基础, 本章 \(X\), \(\| \cdot \|\) 记号来源.) [X13] Barenblatt, G. I. Scaling, Self-Similarity, and Intermediate Asymptotics. Cambridge University Press, 1996. ISBN 978-0-521-43522-2. (自相似解 / 中间渐近的经典专著, §2.2.3 思想来源.) [X14] Pattle, R. E. Diffusion from an instantaneous point source with a concentration-dependent coefficient. Quarterly Journal of Mechanics and Applied Mathematics 1959, 12(4), 407-409. DOI: 10.1093/qjmam/12.4.407. (Barenblatt-Pattle 自相似解的原始文献.) [X15] Hairer, E.; Wanner, G. Solving Ordinary Differential Equations II: Stiff and Differential-Algebraic Problems. Springer Series in Computational Mathematics, vol. 14, 2nd ed., 1996. (刚性 ODE 的标准参考, 条件数 \(\kappa\) 概念的来源.)