从微分方程到序列
初值问题给出变化率和初始状态。除特殊情形外,其解无法用初等函数表示。数值方法以有限个时刻的数值代替曲线。评价所得序列时,必须区分两个尺度:在固定时间区间上细化步长时,它是否接近精确解;以及使用某个选定步长迭代许多次时,增长是否受到控制。
考虑
y ′ ( t ) = f ( t , y ( t ) ) , y ( 0 ) = y 0 , 0 ≤ t ≤ T , y'(t)=f(t,y(t)),\qquad y(0)=y_0,\qquad 0\le t\le T, y ′ ( t ) = f ( t , y ( t )) , y ( 0 ) = y 0 , 0 ≤ t ≤ T ,
其中 T > 0 T>0 T > 0 且 y y y 取值于 R d \mathbb R^d R d 。选取正整数 N N N ,令 h = T / N h=T/N h = T / N 、t n = n h t_n=nh t n = nh 。全文在 R d \mathbb R^d R d 上使用同一个范数。单步法形如 y n + 1 = Φ h ( t n , y n ) y_{n+1}=\Phi_h(t_n,y_n) y n + 1 = Φ h ( t n , y n ) ,且初值 y 0 y_0 y 0 与精确初值相同。每个 y n y_n y n 近似 y ( t n ) y(t_n) y ( t n ) ;若不另行定义插值,它并不是网格点之间的连续解。
Euler 方法与局部缺陷
切线近似 y ( t + h ) ≈ y ( t ) + h y ′ ( t ) y(t+h)\approx y(t)+hy'(t) y ( t + h ) ≈ y ( t ) + h y ′ ( t ) 给出显式 Euler 方法 :
y n + 1 = y n + h f ( t n , y n ) . y_{n+1}=y_n+h f(t_n,y_n). y n + 1 = y n + h f ( t n , y n ) .
斜率在已知状态处计算,所以每一步都是显式的。为了衡量单步的质量,让这一步从精确解出发。
对单步法 Φ h \Phi_h Φ h 和精确解 y y y ,从 t n t_n t n 到 t n + 1 t_{n+1} t n + 1 这一步的未除以步长的局部缺陷 为
d n + 1 = y ( t n + 1 ) − Φ h ( t n , y ( t n ) ) . d_{n+1}=y(t_{n+1})-\Phi_h(t_n,y(t_n)). d n + 1 = y ( t n + 1 ) − Φ h ( t n , y ( t n )) . 它是从精确值 y ( t n ) y(t_n) y ( t n ) 出发走一步 所产生的误差。
有些约定会把这个表达式除以 h h h ;这里不除。局部缺陷不同于全局误差 e n = y ( t n ) − y n e_n=y(t_n)-y_n e n = y ( t n ) − y n ,后者累积各步缺陷,并传播先前误差。
设 y ∈ C 2 ( [ 0 , T ] ) y\in C^2([0,T]) y ∈ C 2 ([ 0 , T ]) 且 ∥ y ′ ′ ( t ) ∥ ≤ M \|y''(t)\|\le M ∥ y ′′ ( t ) ∥ ≤ M 。向量积分余项 d n + 1 = ∫ 0 h ( h − s ) y ′ ′ ( t n + s ) d s d_{n+1}=\int_0^h(h-s)y''(t_n+s)\,ds d n + 1 = ∫ 0 h ( h − s ) y ′′ ( t n + s ) d s 给出
∥ d n + 1 ∥ ≤ M 2 h 2 . \|d_{n+1}\|\le\frac M2 h^2. ∥ d n + 1 ∥ ≤ 2 M h 2 .
因此局部缺陷为 O ( h 2 ) O(h^2) O ( h 2 ) ;若除以 h h h 则为 O ( h ) O(h) O ( h ) 。
当 h → 0 h\to0 h → 0 时,若方法未除以步长的缺陷在所讨论的精确解上一致地为 O ( h p + 1 ) O(h^{p+1}) O ( h p + 1 ) ,则称它为 p p p 阶 。若缺陷除以 h h h 后趋于零,则称方法一致 。
依此约定,Euler 是一阶方法。这些陈述涉及一族步长,而不是某一个固定的 h h h 。
对 y ′ = y y'=y y ′ = y 、y ( 0 ) = 1 y(0)=1 y ( 0 ) = 1 ,显式 Euler 给出 y n = ( 1 + h ) n y_n=(1+h)^n y n = ( 1 + h ) n 。当 h = 1 / 2 h=1/2 h = 1/2 时,到 t = 1 t=1 t = 1 的两个数值为 3 / 2 3/2 3/2 和 9 / 4 = 2.25 9/4=2.25 9/4 = 2.25 ,所以 t = 1 t=1 t = 1 处的误差是 e − 9 / 4 ≈ 0.4683 e-9/4\approx0.4683 e − 9/4 ≈ 0.4683 。当 h = 1 / 4 h=1/4 h = 1/4 时,四步给出 ( 5 / 4 ) 4 = 625 / 256 ≈ 2.4414 (5/4)^4=625/256\approx2.4414 ( 5/4 ) 4 = 625/256 ≈ 2.4414 ,误差约为 0.2769 0.2769 0.2769 。步长减半使误差乘以约 0.59 0.59 0.59 ,已向一阶方法预期的因子 1 / 2 1/2 1/2 靠近。当 h = 1 / N h=1/N h = 1/ N 时,( 1 + 1 / N ) N → e (1+1/N)^N\to e ( 1 + 1/ N ) N → e 。这说明该例中收敛,但尚未证明一般 f f f 的收敛性。
局部误差如何变成全局误差
定理 8.1.4
(显式 Euler 方法的全局误差)
假设精确解属于 C 2 C^2 C 2 ,在 [ 0 , T ] [0,T] [ 0 , T ] 上满足 ∥ y ′ ′ ∥ ≤ M \|y''\|\le M ∥ y ′′ ∥ ≤ M ;f f f 连续,并且在状态变量上全局 Lipschitz,其常数 L L L 对 t ∈ [ 0 , T ] t\in[0,T] t ∈ [ 0 , T ] 一致。从精确初值出发,Euler 方法满足
max 0 ≤ n ≤ N ∥ e n ∥ ≤ { M h 2 L ( e L T − 1 ) , L > 0 , M T 2 h , L = 0. \max_{0\le n\le N}\|e_n\|
\le\begin{cases}
\dfrac{Mh}{2L}(e^{LT}-1),&L>0,\\[5pt]
\dfrac{MT}{2}h,&L=0.
\end{cases} 0 ≤ n ≤ N max ∥ e n ∥ ≤ ⎩ ⎨ ⎧ 2 L M h ( e L T − 1 ) , 2 M T h , L > 0 , L = 0. 特别地,当 T T T 固定、h → 0 h\to0 h → 0 时,全局误差为 O ( h ) O(h) O ( h ) 。
从精确步减去数值步。局部缺陷界和 Lipschitz 条件给出
∥ e n + 1 ∥ ≤ ( 1 + h L ) ∥ e n ∥ + M 2 h 2 , e 0 = 0. \|e_{n+1}\|\le(1+hL)\|e_n\|+\frac M2h^2,
\qquad e_0=0. ∥ e n + 1 ∥ ≤ ( 1 + h L ) ∥ e n ∥ + 2 M h 2 , e 0 = 0. 当 L > 0 L>0 L > 0 时,反复应用该不等式并求几何级数,得到 ∥ e n ∥ ≤ ( M h / ( 2 L ) ) ( ( 1 + h L ) n − 1 ) \|e_n\|\le (Mh/(2L))((1+hL)^n-1) ∥ e n ∥ ≤ ( M h / ( 2 L )) (( 1 + h L ) n − 1 ) 。由 ( 1 + h L ) n ≤ e L n h ≤ e L T (1+hL)^n\le e^{Lnh}\le e^{LT} ( 1 + h L ) n ≤ e L nh ≤ e L T 得到所述界。当 L = 0 L=0 L = 0 时,直接将 n n n 个缺陷相加,并用 n h ≤ T nh\le T nh ≤ T 。
证明透视
两项任务与损失的一个 h 次幂 递推式把两项任务分开。y y y 的 C 2 C^2 C 2 界只用于每一步新增的缺陷 M 2 h 2 \tfrac M2h^2 2 M h 2 ;Lipschitz 常数只用于把先前误差带到下一步的因子 1 + h L 1+hL 1 + h L 。证明中不易察觉的一步是最后的计数:共有 N = T / h N=T/h N = T / h 步,每步新增 O ( h 2 ) O(h^2) O ( h 2 ) ,总和为 O ( h ) O(h) O ( h ) ,于是损失一个 h h h 的次幂。几何因子保持有界,因为 ( 1 + h L ) n ≤ e L T (1+hL)^n\le e^{LT} ( 1 + h L ) n ≤ e L T 不随 N N N 增大。没有 Lipschitz 条件,放大就不受控制;例如 y ′ = y 2 y'=y^2 y ′ = y 2 、y ( 0 ) = 1 y(0)=1 y ( 0 ) = 1 的精确解为 1 / ( 1 − t ) 1/(1-t) 1/ ( 1 − t ) ,当 T ≥ 1 T\ge1 T ≥ 1 时它在 [ 0 , T ] [0,T] [ 0 , T ] 上并不存在。
全局 Lipschitz 连续性是方便使用的充分条件。如果精确状态和数值状态都留在某个合适的共同区域内,也可证明局部版本;但必须证明这一包含关系,而不能不加说明地假定它成立。
Euler 方法的局部缺陷为 O ( h 2 ) O(h^2) O ( h 2 ) ,但全局误差只有 O ( h ) O(h) O ( h ) 。把“缺陷为二阶”读成“二阶方法”,就忽略了缺陷在 T / h T/h T / h 步中不断累积。依上述未除以步长的约定,p p p 阶方法的缺陷为 O ( h p + 1 ) O(h^{p+1}) O ( h p + 1 ) ,全局误差为 O ( h p ) O(h^p) O ( h p ) 。
一个两阶段 Runge–Kutta 方法
Euler 只使用一个斜率。把两个斜率取平均,可得更高阶的方法。
Heun 方法 又称显式梯形 Runge–Kutta 方法,将起点斜率与预测的终点斜率取平均:
k 1 = f ( t n , y n ) , k 2 = f ( t n + h , y n + h k 1 ) , y n + 1 = y n + h 2 ( k 1 + k 2 ) . k_1=f(t_n,y_n),\qquad
k_2=f(t_n+h,y_n+hk_1),\qquad
y_{n+1}=y_n+\frac h2(k_1+k_2). k 1 = f ( t n , y n ) , k 2 = f ( t n + h , y n + h k 1 ) , y n + 1 = y n + 2 h ( k 1 + k 2 ) .
k 2 k_2 k 2 中的终点是 Euler 预测值,而不是未知的精确终点。该方法仍然是显式的。
对 y ′ = y y'=y y ′ = y 、y ( 0 ) = 1 y(0)=1 y ( 0 ) = 1 ,有 k 1 = y n k_1=y_n k 1 = y n 、k 2 = y n + h y n k_2=y_n+hy_n k 2 = y n + h y n ,所以每一步乘以 1 + h 2 ( 2 + h ) = 1 + h + h 2 / 2 1+\tfrac h2(2+h)=1+h+h^2/2 1 + 2 h ( 2 + h ) = 1 + h + h 2 /2 。当 h = 1 / 2 h=1/2 h = 1/2 时此因子为 13 / 8 13/8 13/8 ,两步给出 ( 13 / 8 ) 2 = 169 / 64 = 2.640625 (13/8)^2=169/64=2.640625 ( 13/8 ) 2 = 169/64 = 2.640625 ,在 t = 1 t=1 t = 1 处误差约为 0.0776 0.0776 0.0776 ,而 Euler 为 0.4683 0.4683 0.4683 。较高阶是渐近性质,不保证在每个问题中使用粗步长时都得到更好近似。
除全局 Lipschitz 条件外,假设 f f f 在一个开集上具有二阶连续导数;对充分小的 h h h 和 t , t + h ∈ [ 0 , T ] t,t+h\in[0,T] t , t + h ∈ [ 0 , T ] ,该开集包含从 ( t , y ( t ) ) (t,y(t)) ( t , y ( t )) 到 ( t + h , y ( t ) + h f ( t , y ( t ) ) ) (t+h,y(t)+hf(t,y(t))) ( t + h , y ( t ) + h f ( t , y ( t ))) 的每条线段,而且直到二阶的导数在线段上一致有界。则 Heun 方法未除以步长的局部缺陷在 [ 0 , T ] [0,T] [ 0 , T ] 上一致为 O ( h 3 ) O(h^3) O ( h 3 ) ,在此固定区间上的全局误差为 O ( h 2 ) O(h^2) O ( h 2 ) 。
从精确值 y = y ( t ) y=y(t) y = y ( t ) 出发,简记 f = f ( t , y ) f=f(t,y) f = f ( t , y ) 。Taylor 展开给出
f ( t + h , y + h f ) = f + h ( f t + D y f f ) + O ( h 2 ) . f(t+h,y+hf)=f+h(f_t+D_yf\,f)+O(h^2). f ( t + h , y + h f ) = f + h ( f t + D y f f ) + O ( h 2 ) . 精确解满足 y ′ ′ = f t + D y f f y''=f_t+D_yf\,f y ′′ = f t + D y f f ,因此 y ( t + h ) y(t+h) y ( t + h ) 的 Taylor 展开与 Heun 步在 h 2 h^2 h 2 项之前及该项都一致。导数有界使余项一致,局部缺陷于是为 O ( h 3 ) O(h^3) O ( h 3 ) 。对于两个起始状态 u , v u,v u , v ,第一斜率之差至多为 L ∥ u − v ∥ L\|u-v\| L ∥ u − v ∥ ;预测终点之差至多为 ( 1 + h L ) ∥ u − v ∥ (1+hL)\|u-v\| ( 1 + h L ) ∥ u − v ∥ 。因此两个 Heun 输出之差至多为
( 1 + h L + h 2 L 2 2 ) ∥ u − v ∥ . \left(1+hL+\frac{h^2L^2}{2}\right)\|u-v\|. ( 1 + h L + 2 h 2 L 2 ) ∥ u − v ∥. 误差递推式具有此放大因子和一个 O ( h 3 ) O(h^3) O ( h 3 ) 加法缺陷。当 h ≤ T h\le T h ≤ T 时,该因子至多为 e K h e^{Kh} e K h ,其中 K = L + T L 2 / 2 K=L+TL^2/2 K = L + T L 2 /2 。至多 T / h T/h T / h 个传播后的缺陷相加,得到 [ 0 , T ] [0,T] [ 0 , T ] 上的 O ( h 2 ) O(h^2) O ( h 2 ) 全局误差。
定义 8.1.8
(经典四阶段 Runge–Kutta 方法)
经典 Runge–Kutta 方法 使用
k 1 = f ( t n , y n ) , k 2 = f ( t n + h / 2 , y n + h k 1 / 2 ) , k 3 = f ( t n + h / 2 , y n + h k 2 / 2 ) , k 4 = f ( t n + h , y n + h k 3 ) , y n + 1 = y n + h 6 ( k 1 + 2 k 2 + 2 k 3 + k 4 ) . \begin{aligned}
k_1&=f(t_n,y_n),\\
k_2&=f(t_n+h/2,y_n+hk_1/2),\\
k_3&=f(t_n+h/2,y_n+hk_2/2),\\
k_4&=f(t_n+h,y_n+hk_3),\\
y_{n+1}&=y_n+\frac h6(k_1+2k_2+2k_3+k_4).
\end{aligned} k 1 k 2 k 3 k 4 y n + 1 = f ( t n , y n ) , = f ( t n + h /2 , y n + h k 1 /2 ) , = f ( t n + h /2 , y n + h k 2 /2 ) , = f ( t n + h , y n + h k 3 ) , = y n + 6 h ( k 1 + 2 k 2 + 2 k 3 + k 4 ) .
在充分光滑且有适当一致界的条件下,它在固定区间上的全局阶数为四。完整的阶数证明需要匹配更多 Taylor 项,这里不作推导。对 y ′ = y y'=y y ′ = y ,直接代入得到乘子 1 + h + h 2 / 2 + h 3 / 6 + h 4 / 24 1+h+h^2/2+h^3/6+h^4/24 1 + h + h 2 /2 + h 3 /6 + h 4 /24 ,它与 e h e^h e h 一直到四次项都一致。这个单一测试只验证该方程的计算,不证明一般阶数定理。
概念视角 分析
把 Runge–Kutta 步看作求积公式 由于 y ( t n + 1 ) − y ( t n ) = ∫ t n t n + 1 f ( s , y ( s ) ) d s y(t_{n+1})-y(t_n)=\int_{t_n}^{t_{n+1}}f(s,y(s))\,ds y ( t n + 1 ) − y ( t n ) = ∫ t n t n + 1 f ( s , y ( s )) d s ,每一步都在近似一个积分。当 f f f 只依赖 t t t 时,Euler 法就是左矩形公式 h f ( t n ) hf(t_n) h f ( t n ) ,Heun 法是梯形公式 h 2 ( f ( t n ) + f ( t n + 1 ) ) \tfrac h2(f(t_n)+f(t_{n+1})) 2 h ( f ( t n ) + f ( t n + 1 )) ,而经典方法因为 k 2 = k 3 k_2=k_3 k 2 = k 3 ,就是 Simpson 公式 h 6 ( f ( t n ) + 4 f ( t n + h / 2 ) + f ( t n + 1 ) ) \tfrac h6(f(t_n)+4f(t_n+h/2)+f(t_{n+1})) 6 h ( f ( t n ) + 4 f ( t n + h /2 ) + f ( t n + 1 )) 。当 f f f 依赖 y y y 时,各阶段是被积函数的预测值。
稳定性取决于步长
当 h → 0 h\to0 h → 0 时的一致性和收敛性,并不能说明某个特定的粗步长表现良好。将方法应用于标量复数测试方程 y ′ = λ y y'=\lambda y y ′ = λ y 。
单步法应用于 y ′ = λ y y'=\lambda y y ′ = λ y 时,一步可写成 y n + 1 = R ( h λ ) y n y_{n+1}=R(h\lambda)y_n y n + 1 = R ( hλ ) y n ,其中 R R R 称为稳定函数 。绝对稳定域 是满足 ∣ R ( z ) ∣ ≤ 1 |R(z)|\le1 ∣ R ( z ) ∣ ≤ 1 的 z ∈ C z\in\mathbb C z ∈ C 的集合。严格不等式给出该数值模态的衰减,而等号给出模长有界但一般不衰减。
Euler 的 R ( z ) = 1 + z R(z)=1+z R ( z ) = 1 + z ,稳定域为闭圆盘 ∣ 1 + z ∣ ≤ 1 |1+z|\le1 ∣1 + z ∣ ≤ 1 。Heun 的 R ( z ) = 1 + z + z 2 / 2 R(z)=1+z+z^2/2 R ( z ) = 1 + z + z 2 /2 。若 λ < 0 \lambda<0 λ < 0 为实数,Euler 严格衰减当且仅当 0 < h ∣ λ ∣ < 2 0<h|\lambda|<2 0 < h ∣ λ ∣ < 2 。在 h ∣ λ ∣ = 2 h|\lambda|=2 h ∣ λ ∣ = 2 时乘子为 − 1 -1 − 1 ,产生有界交替值而不衰减。当 Re λ < 0 \operatorname{Re}\lambda<0 Re λ < 0 时,精确解 e λ t y 0 e^{\lambda t}y_0 e λ t y 0 衰减;若 z = h λ z=h\lambda z = hλ 在圆盘之外,对非零初值,数值解的模长却会增长。
例题 8.1.10
(Euler 方法用于 y ′ = − 4 y y'=-4y y ′ = − 4 y 的三个步长)
此时 R ( z ) = 1 + z R(z)=1+z R ( z ) = 1 + z ,z = − 4 h z=-4h z = − 4 h ,所以 y n = ( 1 − 4 h ) n y_n=(1-4h)^n y n = ( 1 − 4 h ) n 。当 h = 1 / 4 h=1/4 h = 1/4 时乘子为 0 0 0 :y 1 = 0 y_1=0 y 1 = 0 ,其后各值都是 0 0 0 ,这属于严格衰减(精确值 e − 4 t e^{-4t} e − 4 t 很小但不为零)。当 h = 1 / 2 h=1/2 h = 1/2 ,即端点 h ∣ λ ∣ = 2 h|\lambda|=2 h ∣ λ ∣ = 2 时,乘子为 − 1 -1 − 1 ,y n = ( − 1 ) n y_n=(-1)^n y n = ( − 1 ) n ,有界但不衰减。当 h = 0.6 h=0.6 h = 0.6 时乘子为 1 − 2.4 = − 1.4 1-2.4=-1.4 1 − 2.4 = − 1.4 ,∣ y n ∣ = 1.4 n |y_n|=1.4^n ∣ y n ∣ = 1. 4 n 增长,尽管精确解衰减。只有 0 < h < 1 / 2 0<h<1/2 0 < h < 1/2 给出严格衰减。
把稳定条件写成 ∣ R ( z ) ∣ ≤ 1 |R(z)|\le1 ∣ R ( z ) ∣ ≤ 1 会包括边界,但在边界上数值解不一定衰减。Euler 方法用于 y ′ = − 4 y y'=-4y y ′ = − 4 y 、h = 1 / 2 h=1/2 h = 1/2 时,乘子为 − 1 -1 − 1 ,永远产生 1 , − 1 , 1 , − 1 , … 1,-1,1,-1,\dots 1 , − 1 , 1 , − 1 , … ,而精确解趋于零。需要衰减时,应使用严格不等式。
反例模式
一致的方法使用了不合适的步长 命题:随 h → 0 h\to0 h → 0 收敛的方法,不论步长多大,对衰减的问题都给出衰减的数值解。取 y ′ = − 10 y y'=-10y y ′ = − 10 y 、y ( 0 ) = 1 y(0)=1 y ( 0 ) = 1 ,用 Euler 方法且 h = 0.3 h=0.3 h = 0.3 。此时 R ( − 3 ) = 1 − 3 = − 2 R(-3)=1-3=-2 R ( − 3 ) = 1 − 3 = − 2 ,故 y n + 1 = − 2 y n y_{n+1}=-2y_n y n + 1 = − 2 y n ,y n = ( − 2 ) n y_n=(-2)^n y n = ( − 2 ) n :数值 1 , − 2 , 4 , − 8 , … 1,-2,4,-8,\dots 1 , − 2 , 4 , − 8 , … 在 n = 10 n=10 n = 10 (即 t = 3 t=3 t = 3 )时达到 1024 1024 1024 ,而精确解为 e − 30 ≈ 10 − 13 e^{-30}\approx10^{-13} e − 30 ≈ 1 0 − 13 。Euler 仍是在每个固定区间上随 h → 0 h\to0 h → 0 一致且一阶收敛的方法,所以收敛性与稳定性是两个不同的性质。修正方法是限制步长:严格衰减要求 0 < h < 2 / 10 = 0.2 0<h<2/10=0.2 0 < h < 2/10 = 0.2 。对于含有快速衰减模态的系统,即使所需解变化缓慢,显式方法也可能为了稳定而被迫采用很小的步长;这是刚性的一种表现,完整理论需要依问题作更精确的定义。
练习与解答
快速检查
(对 y ′ = y y'=y y ′ = y 、y ( 0 ) = 1 y(0)=1 y ( 0 ) = 1 ,分别用 Euler 和 Heun 方法取 h = 1 / 2 h=1/2 h = 1/2 走两步,并与 e e e 比较。)
使用乘子 1 + h 1+h 1 + h 和 1 + h + h 2 / 2 1+h+h^2/2 1 + h + h 2 /2 。
解答 · 答案 Euler 给出 ( 3 / 2 ) 2 = 9 / 4 = 2.25 (3/2)^2=9/4=2.25 ( 3/2 ) 2 = 9/4 = 2.25 ;Heun 给出 ( 13 / 8 ) 2 = 169 / 64 = 2.640625 (13/8)^2=169/64=2.640625 ( 13/8 ) 2 = 169/64 = 2.640625 。在此例中二者都小于 e ≈ 2.71828 e\approx2.71828 e ≈ 2.71828 。
快速检查
(对 y ′ = − 4 y y'=-4y y ′ = − 4 y ,求 Euler 数值解严格衰减的正步长。在端点处会发生什么?)
写出乘子 R ( − 4 h ) R(-4h) R ( − 4 h ) ,并要求其模长小于一。
解答 · 答案 严格衰减要求 ∣ 1 − 4 h ∣ < 1 |1-4h|<1 ∣1 − 4 h ∣ < 1 ,即 0 < h < 1 / 2 0<h<1/2 0 < h < 1/2 。当 h = 1 / 2 h=1/2 h = 1/2 时,乘子为 − 1 -1 − 1 ,模长保持不变。
快速检查
(Heun 方法应用于实数 λ < 0 \lambda<0 λ < 0 的 y ′ = λ y y'=\lambda y y ′ = λ y 时,求严格衰减的正步长。)
令 q = h ∣ λ ∣ q=h|\lambda| q = h ∣ λ ∣ ,研究 1 − q + q 2 / 2 1-q+q^2/2 1 − q + q 2 /2 。
解答 · 答案 乘子 1 − q + q 2 / 2 1-q+q^2/2 1 − q + q 2 /2 对所有实数 q q q 都为正(判别式为 1 − 2 < 0 1-2<0 1 − 2 < 0 );它小于一当且仅当 q 2 / 2 < q q^2/2<q q 2 /2 < q ,即 0 < q < 2 0<q<2 0 < q < 2 ,所以 0 < h < 2 / ∣ λ ∣ 0<h<2/|\lambda| 0 < h < 2/∣ λ ∣ 。
快速检查
(若方法未除以步长的局部缺陷有界于 C h 3 Ch^3 C h 3 ,且固定区间上的单步 Lipschitz 因子至多为 1 + K h 1+Kh 1 + K h ,从精确初值出发能得到什么全局阶数?为什么?)
解答 · 答案 误差满足 E n + 1 ≤ ( 1 + K h ) E n + C h 3 E_{n+1}\le(1+Kh)E_n+Ch^3 E n + 1 ≤ ( 1 + K h ) E n + C h 3 、E 0 = 0 E_0=0 E 0 = 0 。当 K ≥ 0 K\ge0 K ≥ 0 时,至多 T / h T/h T / h 项各自的放大倍数不超过 e K T e^{KT} e K T ,故 E n ≤ C T e K T h 2 E_n\le CT e^{KT}h^2 E n ≤ C T e K T h 2 。因此固定区间上的全局误差为 O ( h 2 ) O(h^2) O ( h 2 ) 。