常微分方程的初等压缩映射证明通常要求短区间:其积分算子的 Lipschitz 界为 ,在较长区间上可能不小于一。这个限制属于所选估计,不一定属于方程本身。当向量场关于状态全局 Lipschitz 时,有序的重复积分会产生阶乘,使 Picard 迭代在任意固定有限区间上一致收敛。
令 ,其中 ,并设 连续。假设存在同一个常数 ,使
上的范数固定;连续曲线配相应的上确界范数。从 到 的积分按有向积分理解,所以同一公式涵盖 两侧的时间。
Picard 映射及其幂
定义 3.3.1
(Picard 映射)
给定初值 ,在完备空间 上定义
被积函数连续使 是自映射。由微积分基本定理,其不动点是满足 、 的连续可微解;反过来,每个这样的解也是不动点。
直接估计为 ,它可能不是压缩。但重复积分对 的幂给出更精确的估计。
引理 3.3.2
(Picard 映射幂的阶乘估计)
对所有 、所有 及所有 ,
特别地,,所以一旦 , 就是压缩。
证明
(对嵌套积分作归纳)
时,Lipschitz 假设给出 。 时,归纳步骤把前一步的界从 积分到 : 的积分为 。 时交换积分限,从 到 积分 。阶乘来自这些嵌套区间。由于 ,充分大的 满足 ,所以即使 本身不是压缩,其某个迭代幂也是压缩。
逐次逼近给出存在性
令 、。上标表示迭代次数,不是导数。由连续性, 有限。
定理 3.3.3
(整个区间上的存在性与尾项界)
在全局 Lipschitz 假设下,Picard 迭代在 上一致收敛到 、 的一个解 。对每个 ,
其中因子 按 解释,包括 。这里不假设 。
证明
(用阶乘上界证明)
对 ,
时积分的范数至多为 ;其余估计由引理中同样的积分归纳得到。 时,从 起所有差分都为零,只有第一项可能非零;否则这些项的上确界有一个收敛的指数级数作为上界。因此差分的望远镜级数在完备函数空间中一致收敛。极限 满足 :即便 ,原估计 仍证明 连续。利用 ,把从指标 起的差分界相加,就得到尾项界。此界控制精确的 Picard 迭代;舍入或数值积分产生的误差没有包含在内。
证明透视
迭代之后可以出现压缩
长区间上的一步估计可能大于一。重复积分并不只是让该估计相乘:有序积分区域贡献 。阶乘上界直接证明一致收敛,也表明 Picard 映射的某个充分高次幂是压缩。两个结论都不需要假装一步映射本身是压缩。
边界情形 显示了完全没有状态依赖时,尾项界度量的是什么。
例题 3.3.4
(与状态无关的场:一次迭代已是精确解)
取 、,在 上令 ,其中 。任何 都适用;取 。则 ,而之后每个迭代都等于 ,因为 不依赖它的自变量。所以一步之后已得到 。
尾项界与此吻合。这里 。 时只剩 一项,给出 ;实际误差为 。 时每一项都含 的正次幂,所以界为 ,恰好正确。把 读作 ,正是 情形保持正确的原因。
唯一性与整体解
定理 3.3.5
(唯一性与整体存在性)
在 上,满足 的解至多一个;结合前一定理,初值问题在整个区间 上恰有一个解。若 在 上连续,并有同一个全局状态 Lipschitz 常数 ,则初值问题有一个对所有实数时间都有定义的唯一解。
证明
(由幂估计得唯一性,再作拼接)
若 都是不动点,幂估计给出
系数趋于零,故 。因此在整个所选有限区间上都有存在性和唯一性,无需假设 。同一论证适用于包含 的任意较小闭区间,所以嵌套区间上的解在交叠处一致。
至于整体结论,对每个 在 上应用构造。嵌套区间上的解由唯一性相同,因而可拼接成所有实数时间上的唯一解。解不一定在 时有界;结论是在每个有限时间都存在。
概念视角分析
加权范数使单步成为压缩
除了迭代,也可以改换范数。对 ,令 ;它与上确界范数等价,所以 仍然完备。由于 ,得到 。于是 Picard 映射本身在整个区间上就是压缩映射,指数权重起到了阶乘的作用。
例题 3.3.6
( 在 上的 Picard 迭代)
对 、,归纳给出 :把 从 积分得 。在 上,、一步界为 ,不能由它证明压缩。幂因子 在 时为 ,到 才首次小于一,等于 ;所以 在该区间上是压缩。
这里 ,尾项界为
在 处,实际误差 恰好等于这个和,所以此界可以取到。数值上, 时约为 , 时为 , 时为 ;因此要使一致误差小于 ,需要九次迭代。扩大区间会改变误差界,却不阻碍存在性。
下面的互动图在 上的 及另外三个预设方程中,比较一步因子 与幂因子 ,并比较显式尾项界与 Picard 迭代的实际上确界误差。
阶乘压过一步 Lipschitz 因子
取 u(0) = 1,区间 I = [−T, T]。一步因子 LT 可以不小于 1,但 (LT)ⁿ/n! 最终会小于 1,因此第 n 次 Picard 幂是压缩。比较显式尾项界与迭代的实际上确界误差。
u′ = u, u(0) = 1; u(t) = eᵗ; u⁽ⁿ⁾(t) = Σ_{j≤n} tʲ/j!.
实线为精确解 u,虚线为迭代 u⁽ⁿ⁾。超出绘图范围的迭代值会被截去。下表以数值给出相同数据。
| n | 幂因子 (LT)ⁿ/n! | Tⁿ 是压缩? | 尾项界 M Σ_{j≥n} Lʲ Tʲ⁺¹/(j+1)! | 网格点上的实际上确界误差 |
|---|---|---|---|---|
| 1 | 否 | 6.3891 | 6.3891 | |
| 2 | 否 | 4.3891 | 4.3891 | |
| 2 | 否 | 2.3891 | 2.3891 | |
| 4/3 ≈ 1.3333 | 否 | 1.0557 | 1.0557 | |
| 2/3 ≈ 0.6667 | 是 | 0.3891 | 0.3891 | |
| 4/15 ≈ 0.2667 | 是 | 0.1224 | 0.1224 | |
| 4/45 ≈ 0.0889 | 是 | 0.0335 | 0.0335 | |
| 8/315 ≈ 0.0254 | 是 | 0.0081 | 0.0081 | |
| 2/315 ≈ 0.0063 | 是 | 0.0018 | 0.0018 | |
| 4/2835 ≈ 0.0014 | 是 | 3.436e-4 | 3.436e-4 | |
| 4/14175 ≈ 2.822e-4 | 是 | 6.139e-5 | 6.139e-5 | |
| 8/155925 ≈ 5.131e-5 | 是 | 1.008e-5 | 1.008e-5 | |
| 4/467775 ≈ 8.551e-6 | 是 | 1.532e-6 | 1.532e-6 | |
| 8/6081075 ≈ 1.316e-6 | 是 | 2.165e-7 | 2.165e-7 | |
| 8/42567525 ≈ 1.879e-7 | 是 | 2.860e-8 | 2.860e-8 | |
| 16/638512875 ≈ 2.506e-8 | 是 | 3.547e-9 | 3.547e-9 |
- 状态 Lipschitz 常数 L
- 1
- M = I 上 |F(t, u₀)| 的最大值
- 1
- 一步因子 LT
- 2
- 首个使因子 < 1 的 n ≥ 1
- 4
- 幂因子 (LT)ⁿ/n!
- 4/15 ≈ 0.2667
- Tⁿ 是压缩?
- 是
- 尾项界 M Σ_{j≥n} Lʲ Tʲ⁺¹/(j+1)!
- 0.1224
- 网格点上的实际上确界误差
- 0.1224
- 误差最大处 t
- 2
- 误差界是否取等
- 相等
LT = 2 ≥ 1,所以一步估计不能证明 T 是压缩;从 n = 4 起 Tⁿ 是压缩,此时 (LT)ⁿ/n! = 2/3 ≈ 0.6667 < 1。 在 n = 5:因子 4/15 ≈ 0.2667,尾项界 0.1224,实际上确界误差 0.1224;误差界取等(等于误差)。
阶乘从何而来,数值说明什么
逐点估计 ‖Tⁿu(t) − Tⁿv(t)‖ ≤ Lⁿ|t − t₀|ⁿ/n! · ‖u − v‖∞ 给出 ‖Tⁿu − Tⁿv‖∞ ≤ (LT)ⁿ/n! · ‖u − v‖∞,所以只要 (LT)ⁿ/n! < 1,无论 LT 多大,Tⁿ 都是压缩。
因子在 n = 0 时等于 1,当 n < LT 时上升,之后下降。因此一旦小于 1 便一直小于 1,显示的 n 是估计首次能证明压缩的幂次。
对 u′ = λu,L = M = |λ|,尾项界化为 e^{LT} − Σ_{k≤n} (LT)ᵏ/k!。它在 λt = LT 的端点等于实际误差,所以在该处取等。对 [−T, T] 上的 u′ = tu,L = M = T,误差界用的是 (T²)ᵏ/k!,而真正的误差用的是 (t²/2)ᵏ/k!,所以误差界成立但并不精确。
LT ≥ 1 会阻碍 [−T, T] 上的存在性吗?
不会。LT ≥ 1 只表示一步估计失效。阶乘界仍给出迭代在整个有限区间上一致收敛,表中 [−2, 2] 上的 u′ = u 便是一例。
全程取初值 u(0) = 1、t₀ = 0。因子为精确有理数;尾项界与误差为显示时取近似的小数,误差是 I 上 401 个网格点(含两个端点)的最大值。这里使用精确的 Picard 迭代,不含求积或舍入误差。
稳定性与残差
命题 3.3.7
(稳定性与残差界)
若 在 上解同一方程,初值分别为 ,则
设 是满足 的解,并设 的积分残差满足
则 。
证明
(反复代入积分不等式)
反复代入 与 差值的积分不等式。令 ,经过 步得到
令 ,得 。用同样的有向积分论证可处理两个时间方向。
至于残差界,从 的定义减去 的积分方程: 。因此 满足 ,同样的反复代入给出 。因此小残差能以显式放大因子保证误差小。
例题 3.3.8
( 的两个解)
场 有全局 Lipschitz 常数 ,因为 。所以每个解都对所有实数时间存在。取 、。第一个解是 。对第二个解,,故
命题预测 。在 ,精确值 ,界为 ;在 ,精确值为 ,界为 ;在 ,精确值为 ,远小于 。 小时 ,此界几乎精确;但界无限增长,而 始终小于 。这个估计在每个时刻都成立,但它只是上界,不是实际距离的预测。
常见错误
(只在一个时刻残差小并不够)
残差界使用整个区间上的 ;只在某个时刻残差小并不够。对 上的 、,曲线 的残差为 ,在 处为零;但 ,正好等于 。
为什么全局假设重要
反例模式
局部 Lipschitz 方程也可能在有限时间逃逸
对 、,通过该初值的极大解在 上为 。当 时解趋于无穷,因此不能连续延拓通过时间 1。向量场 局部 Lipschitz,却在 上没有全局 Lipschitz 常数。局部存在唯一性并不蕴含整体存在性。
全局 Lipschitz 常数给出每个有限时间的存在性,却没有说明解在无限时间轴上的大小。
常见错误
(整体存在不等于有界)
整体解不一定在时间增长时趋于有限极限。对 , 在每个有限时间存在,但 时无界。每个有限区间都有解,与在无限时间轴上统一有界是不同的结论。
练习与解答
快速检查
(对 、,计算 和一般迭代式。)
解答 · 答案
三个迭代依次为 、 及 ;一般地 。
快速检查
(设 、。一步估计能否证明 是压缩?为什么迭代仍可能收敛?)
解答 · 答案
不能:界为 ,不小于一。但重复积分的阶乘界仍给出有限区间上的一致收敛;例如从 起 ,所以 是压缩。
快速检查
(两个解的初值距离至多为 ,且 。在 时估计它们的距离。)
解答 · 答案
界为 。
快速检查
(在 上,一个近似曲线的积分残差范数至多为 ,向量场满足 。给出误差界。)
解答 · 答案
残差估计给出 ,它适用于整个区间,而不只适用于端点。