A numerical Bernstein splines approach for nonlinear initial value problems with Hilfer fractional derivative

Resumo Técnico: Uma Abordagem Numérica de Splines de Bernstein para Problemas de Valor Inicial Fracionários de Hilfer Não Lineares

Enunciado do Problema
O artigo aborda a aproximação numérica de problemas de valor inicial fracionários (FIVPs) não lineares envolvendo a derivada de Hilfer. A derivada de Hilfer, parametrizada pela ordem $\alpha \in (0,1)$ e tipo $\beta \in [0,1]$, interpola entre as derivadas de Riemann-Liouville ($\beta=0$) e Caputo ($\beta=1$). Um desafio primário na resolução desses problemas é que, para $\beta \neq 1$ com condições iniciais não homogêneas, as soluções exibem comportamento singular conforme $t \downarrow 0$ (especificamente, são não contínuas e comportam-se como $t^{\gamma-1}$, onde $\gamma = \alpha + \beta(1-\alpha)$). Métodos numéricos existentes, como o amplamente utilizado esquema preditor-corretor de Adams–Bashforth–Moulton, são frequentemente adaptados para o caso de Caputo ou exigem que as soluções sejam continuamente diferenciáveis, limitando sua aplicabilidade aos casos de soluções singulares decorrentes do caso geral de Hilfer. Além além disso, a literatura carece de métodos eficientes com limites de erro teóricos capazes de lidar com toda a gama de soluções singulares para FIVPs de Hilfer não lineares.

Metodologia
Os autores propõem um método numérico baseado em splines de Bernstein para aproximar soluções de o FIVP não linear:
$$\begin{cases} {}_{0}D^{\alpha,\beta}_{t} y(t) = f(t, y(t)), & 0 < t \leq T \\ {}_{0}I^{1-\gamma}_{t} y(0) = \tilde{y}_0 \end{cases}$$
A metodologia envolve vários componentes principais:

1. Transformação de Espaço Ponderado: Para lidar com a singularidade em $t=0$, o problema é transformado em um espaço de funções contínuas ponderadas $C^{1-\gamma}[0, T]$. Adicionalmente, um deslocamento no domínio do tempo $\varepsilon > 0$ é introduzido, resolvendo o problema em $[\varepsilon, T]$ onde a solução é contínua, e então tomando o limite conforme $\varepsilon \downarrow 0$.
2. Aproximação por Splines de Bernstein: A solução é aproximada usando polinômios de Bernstein (splines) por partes definidos sobre uma coleção de nós. O método emprega uma estratégia de iteração local "nó por nó". Em cada subintervalo, a solução é construída via iterações de Picard aplicadas à equação integral equivalente derivada da definição da derivada de Hilfer.
3. Implementação de Matriz Operacional: Os autores derivam expressões de forma fechada para a integração fracionária de splines de Bernstein usando a função beta incompleta. Isso permite que o operador de integração fracionária seja aplicado analiticamente à base da spline, evitando erros de quadratura numérica associados ao histórico da solução.
4. Computação Vetorizada e Paralelizada: A implementação utiliza produtos tensoriais e vetorização (especificamente usando numpy.einsum em Python) para computar as integrais fracionárias de forma eficiente. Esta abordagem permite a paralelização em relação à ordem polinomial $q$, mitigando o custo computacional tipicamente associado ao "efeito de memória" das derivadas fracionárias.

Principais Contribuições

• Estrutura Teórica: O artigo estabelece resultados de existência e unicidade para as aproximações de spline sob suposições de convergência relaxadas (Teorema 3.1). Fornece taxas de convergência explícitas para o erro de aproximação em relação à ordem polinomial $q$ ($O(q^{-\alpha/2})$), ao tamanho do nó $h$ ($O(h^\alpha)$) e ao parâmetro de deslocamento de tempo $\varepsilon$ ($O(\varepsilon^\alpha)$) (Teorema 3.2).
• Tratamento de Singularidades: Ao contrário de trabalhos anteriores restritos a soluções contínuas ou ao caso de Caputo, este método é explicitamente desenhado para capturar o comportamento singular das soluções para $\beta \in [0, 1)$ utilizando a transformação de espaço ponderado e o deslocamento $\varepsilon$.
• Implementação Eficiente: Os autores apresentam um algoritmo vetorizado que desacopla a complexidade computacional do tamanho do nó em termos de avaliação da base polinomial, oferecendo uma via promissora para aceleração em comparação com métodos tradicionais passo a passo.
• Aplicação Não Linear: O método é aplicado com sucesso a um sistema não linear, o oscilador de Van der Pol fracionário, demonstrando sua capacidade de lidar com termos não lineares e variações de $\beta$.

Resultados Numéricos

• Validação de Convergência: Experimentos numéricos em um problema de teste polinomial confirmam as taxas de convergência teóricas. O erro diminui conforme o tamanho do nó $h$ e o deslocamento $\varepsilon$ diminuem, e conforme a ordem polinomial $q$ aumenta (até um ponto onde a estabilidade numérica limita ganhos adicionais).
• Comparação com Preditor-Corretor: Quando comparado ao método preditor-corretor de Adams–Bashforth–Moulton (Diethelm et al.) em um caso linear de Caputo ($\beta=1$), o método de spline de Bernstein demonstra significativamente maior precisão (erros médio e supremo menores) para os mesmos tamanhos de nó. O método preditor-corretor mostrou um viés persistente e não melhorou seu erro supremo com grades mais finas na configuração testada.
• Oscilador de Van der Pol: Simulações do oscilador de Van der Pol de Hilfer fracionário mostraram que o método converge para ciclos limites estáveis independentemente do tipo de Hilfer $\beta$. Os resultados indicaram que o sistema exibe uma forte atração para um ciclo limite único, consistente com achados semianalíticos para o caso de Caputo.

Significância e Alegações
O artigo alega fornecer o primeiro método numérico eficiente com limites de erro teóricos capaz de obter a gama completa de soluções (incluindo as singulares) para problemas de valor inicial fracionários de Hilfer não lineares. Os autores enfatizam que sua abordagem remove as restrições rigorosas sobre o tamanho do intervalo do domínio de tempo encontradas em outros métodos através do uso de iterações locais. Embora reconheçam que o método de spline é atualmente mais exigente computacionalmente do que o método preditor-corretor, os autores destacam sua precisão superior e sua capacidade de lidar com sistemas não lineares singulares onde métodos padrão falham ou carecem de garantias teóricas. O trabalho estabelece as bases para futuras extensões para problemas de valor de contorno e equações diferenciais parciais fracionárias (FPDEs).