谱方法(Spectral Method)基础知识

谱方法(Spectral Method)是配点法(Collocation Method)的一种。一般来说，配点法包括有限元方法(Finite Element)和谱方法(Spectral Method)。配点法的一般思路是：选取合适的函数基底，这些函数基底的导数都是已知的，求得叠加系数，将这些函数基底的组合作为边界条件下常微分方程的近似解。其中，有限元方法选用的函数基底是局域的(localized support)，即这些基底往往只在局部几个点处非零，比如B-样条；而谱方法选用的函数基底是全域的(global support)，即这些基底在整个实数域上大部分非零，比如多项式和三角函数。

对于一个线性常系数的常微分方程，一般都可以求得解析解的；但是对于线性但非常系数的情形，解析解不容易求。有的可以用特殊的换元方法（比如欧拉方程），有的必须用泰勒级数或者洛朗级数展开的方法求解，这种解一般也不会是初等函数，而是特殊函数/无穷级数这一类。不过只要是线性方程，使用谱方法求解总能化成线性方程组，因此特别简单。具体地说：

1. 线性常微分方程边值问题+以多项式为基底的谱方法

常微分方程：$f(y^{(m)},y^{(m-1)},...,y^{(3)},y^{\prime \prime },y^{\prime },y,t)=0$ ，其中 $f$ 关于 $y$ 的任意阶的导数都是线性的，即所有导数（包括零阶的原函数）的幂次都是1，所有项的次数也都是1。像这样的线性形式，我们或者也可以写成：$A_m(t)y^{(m)}+A_{m-1}(t)y^{(m-1)}+...+A_2(t)y^{\prime \prime }+A_1(t)y^{\prime }+A_0(t)y+A(t)=0$ 。

如果选择在两个上下界之中插入k个点进行配点，则总计配点个数为k+2=n，我们预计用这n个点的信息产生n个方程，此时可以确定含有n个未定参数的解析式，因此设：$\hat{y}(t)=x_0+x_{1}t+x_2{t}^2+...+x_{n-1}{t}^{n-1}$ ，并用它作为 $y(t)$ 的估计值。这样一来，$\hat{y}(t)$ 的任意阶导数总是很容易求得的，它就是： $${\hat{y}}^{(k)}(t)=\sum _{i\ge k}^{n-1}{P}_i^k{x}_i{t}^{i-k}=\sum _{i\ge k}^{n-1}\frac{i!}{(i-k)!}{x}_i{t}^{i-k}$$　　以上仅仅是一个最一般的表达式，事实上在使用过程中非常高阶的导数是很罕见的（至少在绝大多数物理问题中），最高阶为2是最为常见的，这些情形下 $y(t)$ 的导数的表达式都很简单。

现在，我们拥有了可以求任意阶导数的估计值 $\hat{y}(t)$ 的表达式，其中有n个未定参数 $x_i$ ，我们设上下界分别是 $t_1$ 和 $t_n$ ，然后可以在区间内选取n-2个点 $t_2,t_3,...,t_{n-1}$ 。我们将用这n个点（配点）和 估计值$\hat{y}(t)$ 的表达式，将线性的微分方程写成一个线性的代数方程。我们记：

$$f(y^{(m)},...y^{\prime \prime },y^{\prime },y,t)=0\Rightarrow A_m(t){\hat{y}}^{(m)}(t)+...A_2(t){\hat{y}}^{\prime \prime }(t)+A_1(t){\hat{y}}^{\prime }(t)+A_0(t)\hat{y}(t)+A(t)=\sum _{k=0}^m{A}_k(t){\hat{y}}^{(k)}(t)+A(t)=0$$　　只需要在n个配点上分别把 $t=t_i$ 和 ${\hat{y}}^{(m)}(t)$ 的导数形式带入方程就可以了。我们得到：

$$\sum _{k=0}^m{A}_k(t){\hat{y}}^{(k)}(t)+A(t)=\sum _{k=0}^m{A}_k(t)\sum _{j\ge k}^{n-1}{P}_j^k{x}_j{t}^{j-k}=\sum _{k=0}^m\sum _{j\ge k}^{n-1}{x}_j{A}_k(t)P_j^k{t}^{j-k}=0$$　　代入n个配点$t_i$ 就得到了关于 $x_j$ 的线性方程组：$$\sum _{k=0}^m\sum _{j\ge k}^{n-1}{A}_k(t_i)P_j^k{t}_i^{j-k}{x}_j=0$$　　这里除了 $x_j$ 以外，其他所有数据都是已知量（或者可以直接求出）；同时关于 $x_j$ 均为一次关系，为关于 $x_j$ 的线性方程组。利用解线性方程组的方法求得 $x_j$ 后，就可以得到关于t的微分方程解的估计值表达式：$$\hat{y}(t)=\sum _{k=0}^n{x}_k{t}^k$$

当然，谱方法主要用于求解偏微分方程
#“Acoustic Perturbation Equations” (APE) 和 “Linearized Euler Equations” (LEE) 的区别
“Acoustic Perturbation Equations” (APE) 和 “Linearized Euler Equations” (LEE) 都是流体动力学中用于描述声波传播和小扰动的方程组，但它们的形式和假设不同。以下是这两组方程的基本形式：

1. Acoustic Perturbation Equations (APE)

APE方程通常具有以下形式，但可能根据具体的物理假设和简化而有所变化：

1. 连续性方程（描述质量守恒）:
   $$\frac{\partial {\rho }^{\prime }}{\partial t}+\nabla \cdot (\rho {\mathbf{u}}^{\prime })+\nabla \cdot ({\rho }^{\prime }\mathbf{U})=0$$
   其中，$({\rho }^{\prime })$ 是密度扰动，${\mathbf{u}}^{\prime }$是速度扰动，$\mathbf{U}$ 是基础流体速度。

2. 动量方程（描述动量守恒）:
   $$\rho \frac{\partial {\mathbf{u}}^{\prime }}{\partial t}+\rho (\mathbf{U}\cdot \nabla ){\mathbf{u}}^{\prime }+\rho ({\mathbf{u}}^{\prime }\cdot \nabla )\mathbf{U}+\nabla p^{\prime }={\mathbf{f}}^{\prime }$$
   其中，$p^{\prime }$ 是压力扰动，(\mathbf{f}') 是外部扰动力（如果有的话）。

3. 状态方程（描述物质的状态，如理想气体状态方程）:
   $$\frac{p^{\prime }}{p_0}=\gamma \frac{{\rho }^{\prime }}{{\rho }_0}$$
   其中，$p_0$ 和${\rho }_0$ 分别是基础流体的压力和密度，$\gamma$是比热容比。

2. Linearized Euler Equations (LEE)

LEE方程是对不可压缩、无粘性Euler方程的线性化形式，通常具有以下形式：

1. 连续性方程（描述质量守恒）:
   $$\frac{\partial {\rho }^{\prime }}{\partial t}+{\rho }_0\nabla \cdot {\mathbf{u}}^{\prime }+{\mathbf{u}}^{\prime }\cdot \nabla {\rho }_0=0$$
   其中，${\rho }_0$ 是未扰动的流体密度，${\rho }^{\prime }$ 是密度扰动，${\mathbf{u}}^{\prime }$ 是速度扰动。

2. 动量方程（描述动量守恒）:
   $${\rho }_0\frac{\partial {\mathbf{u}}^{\prime }}{\partial t}+\nabla p^{\prime }=0$$
   其中，$p^{\prime }$是压力扰动。

3. 状态方程（描述物质的状态，通常假设为理想气体）:
   $$\frac{\partial p^{\prime }}{\partial t}+\gamma p_0\nabla \cdot {\mathbf{u}}^{\prime }=0$$
   其中，$p_0$ 是未扰动的流体压力。

LEE方程假设流体是不可压缩且无粘性的，因此比APE更简单，但适用性有限。两者的主要区别在于所包含的物理效应和适用范围。APE更一般化，能够描述包括基础流体运动在内的更复杂情况，而LEE则专注于理想流体中的小扰动。