一条方程,两种步进
设 ,已知 时的近似值 。显式 Euler 使用旧点的斜率:。隐式 Euler 则要求未知的新值满足
包含未知数的公式是一条要求解的方程,不是把新值换成旧值的指令。若 非线性,隐式步可能需要迭代求解;解的存在性、唯一性及停止误差须另行检查。
衰减测试
要比较两种更新,需要精确说明“数值解的行为像衰减的精确解”是什么意思。最简单的测试问题是 ,其中 为实数,精确解 趋向零。
定义 9.1.1
(衰减测试方程上的稳定性)
设某一步法应用于 、步长 时,形式为 ,其中乘数 只依赖乘积 。若 ,使得对任何初值 都有 ,就称该方法在步长 下(对此 )稳定。
显式 Euler 的乘数是 。隐式 Euler 给出 ,因此 。
定理 9.1.2
(两种 Euler 法的衰减)
设 为实数,。
- 对每个 都有 ,所以隐式 Euler 在任何步长下都稳定。
- 显式 Euler 稳定,当且仅当 。若 ,则 ,对所有 都有 ;若 且 ,则 。
证明
(乘数及其大小)
因 、,故 ,所以 ,。这就证明了第 1 部分。
至于第 2 部分,由 用归纳法得 。 即 ,也就是 ;结合 便是 。当 时,乘数 ,故 的幅值不变。当 时 ,所以 ,若 ,则 无限增长。若 ,两种方法均恒为零。
证明透视
每个假设在哪里起作用
这个证明只有一个结构性的步骤:把整条数值轨迹换成一个数,即 ,于是长期行为的问题就化为 的大小。 的符号用了两次:隐式情形中,它使分母 大于 ;显式情形中,它使 的右半自动成立,剩下左半 才是真正的步长限制。 是真正的边界情形,而不是平局:幅值既不衰减也不增长。一个看起来很小的单步数值(例如第一个值不大)说明不了什么,因为稳定性是关于 的每一个幂的陈述。这个结果针对标量测试方程,并不保证对任何微分方程都准确。
计算例子
例题 9.1.3
(大步长:稳定但不准确)
取 、、。精确解是 。显式 Euler 的 ,头两个值为 和 ,振荡且增长。隐式 Euler 的 ,头两个值为 和 。后者衰减,但第一步精确值为 ,与 相差甚远:稳定的数值比精确值大三倍以上。大步长下稳定并不保证准确。
例题 9.1.4
(变成二次方程的隐式步)
取 、、,精确解为 ,故 。隐式 Euler 要求 ,即 ,两根为 。取延续正解的那个根 ;另一根 只是代数方程的伪解。显式 Euler 则给出 。在这个大步长下两者都不好,但隐式的值像精确解一样保持为正,代价是要解一条方程。
例题 9.1.5
(边界步长)
当 ,显式的临界值是 。在 、 时,,显式的值为 ,既不衰减也不增长。同一步长下,隐式的 ,值为 。若改由 出发,两种方法每一步都是 ,所以稳定性只在非零数据下才看得出来。
常见错误
(把旧值放在隐式公式的右边)
若写成 并称之为隐式 Euler,在计算例子中便得到显式乘数 ,而不是 。隐式公式中未知的 在两边都出现;先把它合并,再除以 。
反例模式
去掉参数的符号,隐式乘数就失效
有人或许会把定理读成“隐式 Euler 永远给出有界而合理的一步”。没有 时这并不成立。取 、。若 ,隐式方程是 ,无解。若 ,方程是 ,得 ,,但精确解 增长而且永不变号。衰减测试的结论只在 、 的假设下成立。
可重现的实验
以下 MATLAB 程序由相同初值出发,以固定步数在相同时间点比较两种方法。此线性方程直接使用隐式代数公式,没有暗中使用非线性求解器。
lambda = -4; h = 0.6; N = 5;
t = (0:N)*h;
ye = zeros(1,N+1); yi = ye;
ye(1) = 1; yi(1) = 1;
for j = 1:N
ye(j+1) = (1+h*lambda)*ye(j);
yi(j+1) = yi(j)/(1-h*lambda);
end
exact = exp(lambda*t);
disp([t(:), ye(:), yi(:), exact(:)])
评估收敛时,固定终止时间,用较小 重做并选整数步数。记录时间区间、方法、步长及相对精确解所测的误差。表格本身不能证明一般稳定性定理。
练习与解答
快速检查
(设 且 ,求所有使显式 Euler 衰减的正步长。)
使用条件 。
解答 · 答案
即 。
快速检查
(设 、,非零显式迭代值如何变化?)
先算 。
解答 · 答案
,所以正负交替而幅值不变。
快速检查
(设 、、,求隐式第一步。)
使用 。
解答 · 答案
,所以 。
快速检查
(稳定的结果一定接近精确解吗?)
回想计算例子。
解答 · 答案
否。计算例子中隐式值 是稳定的,却与精确值 相差甚远。