动机
空间导数比较相邻位置的值。有限差分法用邻近网格点的数值取代导数,从而得到有限个方程。不过,局部导数近似精确,并不保证整个方法不会放大误差。边界条件同样重要:它们决定原来的数学问题,也决定离散方程组的各行。
本节考虑 0 < x < 1 0<x<1 0 < x < 1 上的两个模型。热方程 u t = κ u x x u_t=\kappa u_{xx} u t = κ u xx 、κ > 0 \kappa>0 κ > 0 描述随时间的平滑化;稳态椭圆问题 − u ′ ′ = f -u''=f − u ′′ = f 从外力和边界值决定空间分布。两者使用相同的中心二阶差分,但前者要分析时间步的放大因子,后者要分析线性系统的可解性与误差。
一维模型已足以展示由导数近似走到完整误差界的论证。它也解释为何不必把所有网格参数盲目地一同细化:以下显式热方程的最大范数保证要求时间步与空间步平方成比例。空间很细时,这个限制相当昂贵,因而引出隐式时间积分。
定义
设 J ≥ 2 J\ge2 J ≥ 2 、Δ x = 1 / J \Delta x=1/J Δ x = 1/ J ,并对 0 ≤ i ≤ J 0\le i\le J 0 ≤ i ≤ J 令 x i = i Δ x x_i=i\Delta x x i = i Δ x 。对包含两端边界的网格向量 V = ( V 0 , … , V J ) V=(V_0,\dots,V_J) V = ( V 0 , … , V J ) 定义
( D x x V ) i = V i − 1 − 2 V i + V i + 1 Δ x 2 , 1 ≤ i ≤ J − 1. (D_{xx}V)_i=\frac{V_{i-1}-2V_i+V_{i+1}}{\Delta x^2},\qquad 1\le i\le J-1. ( D xx V ) i = Δ x 2 V i − 1 − 2 V i + V i + 1 , 1 ≤ i ≤ J − 1. 若 v v v 是函数,D x x v D_{xx}v D xx v 表示算子作用在取样值 v ( x i ) v(x_i) v ( x i ) 上。
若 v ∈ C 4 ( [ 0 , 1 ] ) v\in C^4([0,1]) v ∈ C 4 ([ 0 , 1 ]) 且在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 上 ∣ v ( 4 ) ∣ ≤ M 4 |v^{(4)}|\le M_4 ∣ v ( 4 ) ∣ ≤ M 4 ,则对每个 1 ≤ i ≤ J − 1 1\le i\le J-1 1 ≤ i ≤ J − 1 ,
∣ ( D x x v ) i − v ′ ′ ( x i ) ∣ ≤ M 4 Δ x 2 / 12. |(D_{xx}v)_i-v''(x_i)|\le M_4\Delta x^2/12. ∣ ( D xx v ) i − v ′′ ( x i ) ∣ ≤ M 4 Δ x 2 /12.
记 h = Δ x h=\Delta x h = Δ x 。带 Lagrange 余项的 Taylor 定理给出 ξ + ∈ ( x i , x i + 1 ) \xi_+\in(x_i,x_{i+1}) ξ + ∈ ( x i , x i + 1 ) 及 ξ − ∈ ( x i − 1 , x i ) \xi_-\in(x_{i-1},x_i) ξ − ∈ ( x i − 1 , x i ) ,使
v ( x i ± h ) = v ( x i ) ± h v ′ ( x i ) + h 2 2 v ′ ′ ( x i ) ± h 3 6 v ′ ′ ′ ( x i ) + h 4 24 v ( 4 ) ( ξ ± ) . v(x_i\pm h)=v(x_i)\pm hv'(x_i)+\frac{h^2}{2}v''(x_i)\pm\frac{h^3}{6}v'''(x_i)+\frac{h^4}{24}v^{(4)}(\xi_\pm). v ( x i ± h ) = v ( x i ) ± h v ′ ( x i ) + 2 h 2 v ′′ ( x i ) ± 6 h 3 v ′′′ ( x i ) + 24 h 4 v ( 4 ) ( ξ ± ) . 两式相加时,一阶与三阶项因差分居中而抵消。减去 2 v ( x i ) 2v(x_i) 2 v ( x i ) 再除以 h 2 h^2 h 2 ,得
( D x x v ) i − v ′ ′ ( x i ) = h 2 24 ( v ( 4 ) ( ξ + ) + v ( 4 ) ( ξ − ) ) . (D_{xx}v)_i-v''(x_i)=\frac{h^2}{24}\bigl(v^{(4)}(\xi_+)+v^{(4)}(\xi_-)\bigr). ( D xx v ) i − v ′′ ( x i ) = 24 h 2 ( v ( 4 ) ( ξ + ) + v ( 4 ) ( ξ − ) ) . 每个余项的绝对值不超过 M 4 h 2 / 24 M_4h^2/24 M 4 h 2 /24 ,故总和不超过 M 4 h 2 / 12 M_4h^2/12 M 4 h 2 /12 。由于 ξ ± \xi_\pm ξ ± 落在模板 [ x i − 1 , x i + 1 ] [x_{i-1},x_{i+1}] [ x i − 1 , x i + 1 ] 内,靠近边界的差分模板也必须包含在光滑性假设内。
对 0 < x < 1 0<x<1 0 < x < 1 上的 u t = κ u x x u_t=\kappa u_{xx} u t = κ u xx 采用零 Dirichlet 边界 u ( 0 , t ) = u ( 1 , t ) = 0 u(0,t)=u(1,t)=0 u ( 0 , t ) = u ( 1 , t ) = 0 ,以及相容初值 u ( x , 0 ) = g ( x ) u(x,0)=g(x) u ( x , 0 ) = g ( x ) 。令 t n = n Δ t t_n=n\Delta t t n = n Δ t ,前向时间、中心空间格式为
U i n + 1 = r U i − 1 n + ( 1 − 2 r ) U i n + r U i + 1 n , r = κ Δ t Δ x 2 . U_i^{n+1}=rU_{i-1}^n+(1-2r)U_i^n+rU_{i+1}^n,
\qquad r=\frac{\kappa\Delta t}{\Delta x^2}. U i n + 1 = r U i − 1 n + ( 1 − 2 r ) U i n + r U i + 1 n , r = Δ x 2 κ Δ t . 并固定 U 0 n = U J n = 0 U_0^n=U_J^n=0 U 0 n = U J n = 0 、U i 0 = g ( x i ) U_i^0=g(x_i) U i 0 = g ( x i ) 。网格最大范数为 ∥ V ∥ ∞ = max i ∣ V i ∣ \|V\|_\infty=\max\limits_i|V_i| ∥ V ∥ ∞ = i max ∣ V i ∣ 。若映射后两组数值的距离不大于映射前的距离,称映射在此范数下非扩张。非扩张是非严格的不等式,与每一步都严格缩小距离不同。
定义 3.1.4
(Dirichlet 有限差分椭圆系统)
对 0 < x < 1 0<x<1 0 < x < 1 上的 − u ′ ′ = f -u''=f − u ′′ = f ,并指定 u ( 0 ) = a u(0)=a u ( 0 ) = a 、u ( 1 ) = b u(1)=b u ( 1 ) = b ,离散问题是求网格值 U 0 , … , U J U_0,\dots,U_J U 0 , … , U J ,使
− ( D x x U ) i = f ( x i ) ( 1 ≤ i ≤ J − 1 ) , U 0 = a , U J = b . -(D_{xx}U)_i=f(x_i)\quad(1\le i\le J-1),\qquad U_0=a,\quad U_J=b. − ( D xx U ) i = f ( x i ) ( 1 ≤ i ≤ J − 1 ) , U 0 = a , U J = b .
内部矩阵的主对角为 2 / Δ x 2 2/\Delta x^2 2/Δ x 2 ,相邻副对角为 − 1 / Δ x 2 -1/\Delta x^2 − 1/Δ x 2 。已知边界移到右端:第一项加入 a / Δ x 2 a/\Delta x^2 a /Δ x 2 ,最后一项加入 b / Δ x 2 b/\Delta x^2 b /Δ x 2 。遗漏这些项便是在解另一个边值问题,而非单纯少了一点精度。
定理/命题
若 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,固定零边界的显式热更新在网格最大范数下非扩张。再假设精确解在直到固定时间 T T T 的闭时空矩形上,有有界连续的 u t t u_{tt} u tt 、u x x x x u_{xxxx} u xxxx ,且初值及边界网格值精确,则对所有 t n ≤ T t_n\le T t n ≤ T ,
∥ u ( ⋅ , t n ) − U n ∥ ∞ ≤ T ( ∥ u t t ∥ ∞ 2 Δ t + κ ∥ u x x x x ∥ ∞ 12 Δ x 2 ) . \|u(\cdot,t_n)-U^n\|_\infty
\le T\left(\frac{\|u_{tt}\|_\infty}{2}\Delta t
+\frac{\kappa\|u_{xxxx}\|_\infty}{12}\Delta x^2\right). ∥ u ( ⋅ , t n ) − U n ∥ ∞ ≤ T ( 2 ∥ u tt ∥ ∞ Δ t + 12 κ ∥ u xxxx ∥ ∞ Δ x 2 ) . 左端只比较网格点。于比例限制下令两个步长趋零,即得网格上的收敛。
对任意 J ≥ 2 J\ge2 J ≥ 2 ,Dirichlet 差分系统有唯一解。若精确解属于 C 4 ( [ 0 , 1 ] ) C^4([0,1]) C 4 ([ 0 , 1 ]) 且 ∣ u ( 4 ) ∣ ≤ M 4 |u^{(4)}|\le M_4 ∣ u ( 4 ) ∣ ≤ M 4 ,则
max 0 ≤ i ≤ J ∣ u ( x i ) − U i ∣ ≤ M 4 Δ x 2 / 96. \max_{0\le i\le J}|u(x_i)-U_i|\le M_4\Delta x^2/96. 0 ≤ i ≤ J max ∣ u ( x i ) − U i ∣ ≤ M 4 Δ x 2 /96. 此处边界值及外力取样皆精确。这是离散误差;线性系统若没有精确求解,还要另加代数误差。
证明思路
当 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,热更新的三个权重 r r r 、1 − 2 r 1-2r 1 − 2 r 、r r r 非负且总和为一,所以新值是三个旧值的凸组合。对边界值相同的两个网格解之差使用此事实,便得非扩张。更新值也介于旧值及边界值的最小与最大值之间,并保持非负性。
把精确热方程解代入格式,定义缩放残差
τ i n = u ( x i , t n + 1 ) − u ( x i , t n ) Δ t − κ ( D x x u ( ⋅ , t n ) ) i . \tau_i^n=\frac{u(x_i,t_{n+1})-u(x_i,t_n)}{\Delta t}
-\kappa(D_{xx}u(\cdot,t_n))_i. τ i n = Δ t u ( x i , t n + 1 ) − u ( x i , t n ) − κ ( D xx u ( ⋅ , t n ) ) i . 时间 Taylor 展开把第一商与 u t u_t u t 的差控制在 Δ t ∥ u t t ∥ ∞ / 2 \Delta t\|u_{tt}\|_\infty/2 Δ t ∥ u tt ∥ ∞ /2 ;相容性引理控制其余部分为 κ Δ x 2 ∥ u x x x x ∥ ∞ / 12 \kappa\Delta x^2\|u_{xxxx}\|_\infty/12 κ Δ x 2 ∥ u xxxx ∥ ∞ /12 。精确偏导数由 PDE 抵消。记 H H H 为零边界更新映射。把数值格式从精确关系中减去,误差 e i n = u ( x i , t n ) − U i n e^n_i=u(x_i,t_n)-U^n_i e i n = u ( x i , t n ) − U i n 具有零边界值,并满足
e n + 1 = H e n + Δ t τ n , e 0 = 0. e^{n+1}=He^n+\Delta t\,\tau^n,\qquad e^0=0. e n + 1 = H e n + Δ t τ n , e 0 = 0. 非扩张给出 ∥ e n + 1 ∥ ∞ ≤ ∥ e n ∥ ∞ + Δ t ∥ τ n ∥ ∞ \|e^{n+1}\|_\infty\le\|e^n\|_\infty+\Delta t\|\tau^n\|_\infty ∥ e n + 1 ∥ ∞ ≤ ∥ e n ∥ ∞ + Δ t ∥ τ n ∥ ∞ 。由精确初值求和,得 ∥ e n ∥ ∞ ≤ t n max k ∥ τ k ∥ ∞ ≤ T max k ∥ τ k ∥ ∞ \|e^n\|_\infty\le t_n\max\limits_k\|\tau^k\|_\infty\le T\max\limits_k\|\tau^k\|_\infty ∥ e n ∥ ∞ ≤ t n k max ∥ τ k ∥ ∞ ≤ T k max ∥ τ k ∥ ∞ ,即热方程估计。
先证明离散最大值原理:若内部 − D x x V ≤ 0 -D_{xx}V\le0 − D xx V ≤ 0 ,而两端 V ≤ 0 V\le0 V ≤ 0 ,则全网格 V ≤ 0 V\le0 V ≤ 0 。假设 V V V 的最大值 M M M 为正,它必在某个内部指标 m m m 处取得,而两个邻值都不会更大。m m m 处的不等式写作 V m − 1 + V m + 1 ≥ 2 V m = 2 M V_{m-1}+V_{m+1}\ge2V_m=2M V m − 1 + V m + 1 ≥ 2 V m = 2 M ,因此两邻值必须同为 M M M 。反复传播至边界,便与边界值非正矛盾。这个论证也处理最大值形成平台的情形,不能只假设最大值是严格的。
两个离散解之差具有零边界,且 − D x x V = 0 -D_{xx}V=0 − D xx V = 0 。对 V V V 与 − V -V − V 各用一次原理,得 V = 0 V=0 V = 0 ,即唯一性。内部矩阵为方阵,零核便由有限维线性代数推出每个右端都有解。
令 e i = u ( x i ) − U i e_i=u(x_i)-U_i e i = u ( x i ) − U i 。误差边界为零,相容性引理给出 ∣ ( − D x x e ) i ∣ ≤ ε = M 4 Δ x 2 / 12 |(-D_{xx}e)_i|\le\varepsilon=M_4\Delta x^2/12 ∣ ( − D xx e ) i ∣ ≤ ε = M 4 Δ x 2 /12 。取比较向量 B i = ε x i ( 1 − x i ) / 2 B_i=\varepsilon x_i(1-x_i)/2 B i = ε x i ( 1 − x i ) /2 。差分对二次多项式精确,x ( 1 − x ) x(1-x) x ( 1 − x ) 的二阶差分恰为 − 2 -2 − 2 ,故 − D x x B = ε -D_{xx}B=\varepsilon − D xx B = ε ,且 B 0 = B J = 0 B_0=B_J=0 B 0 = B J = 0 。于是 − D x x ( e − B ) ≤ 0 -D_{xx}(e-B)\le0 − D xx ( e − B ) ≤ 0 、− D x x ( − e − B ) ≤ 0 -D_{xx}(-e-B)\le0 − D xx ( − e − B ) ≤ 0 ,两者边界值都为零。最大值原理给出 ∣ e i ∣ ≤ B i ≤ ε / 8 |e_i|\le B_i\le\varepsilon/8 ∣ e i ∣ ≤ B i ≤ ε /8 ,证毕。
证明透视
障碍函数在哪里起作用 椭圆证明按固定次序使用三个要素。算子的符号结构,即正的主对角与非正的邻点权重,只通过内部最大值处的不等式 V m − 1 + V m + 1 ≥ 2 V m V_{m-1}+V_{m+1}\ge2V_m V m − 1 + V m + 1 ≥ 2 V m 进入论证;正是这个不等式迫使邻点同取最大值。
边界方程令传播终止。没有边界,原理便失效:在周期网格上,正常数满足 − D x x V = 0 -D_{xx}V=0 − D xx V = 0 ,却没有任何边界值可供导出矛盾。
不明显的一步是障碍函数。误差的符号未知,其残差界 ∣ ( − D x x e ) i ∣ ≤ ε |(-D_{xx}e)_i|\le\varepsilon ∣ ( − D xx e ) i ∣ ≤ ε 是双边的,而最大值原理只接受单边不等式。减去 B B B 把双边界化成一对不等式 − D x x ( ± e − B ) = ± ( − D x x e ) − ε ≤ 0 -D_{xx}(\pm e-B)=\pm(-D_{xx}e)-\varepsilon\le0 − D xx ( ± e − B ) = ± ( − D xx e ) − ε ≤ 0 ,两者边界值都是零。由于 B B B 是二次多项式,差分算子对它精确,论证收尾时不再引入任何误差项。常数 1 / 96 1/96 1/96 是相容性的 1 / 12 1/12 1/12 与障碍函数的 1 / 8 = max x ( 1 − x ) / 2 1/8=\max x(1-x)/2 1/8 = max x ( 1 − x ) /2 之积;下面非零边界的例题恰好达到此界。
同一障碍函数还给出逆算子界:零边界的 − D x x V = R -D_{xx}V=R − D xx V = R 满足 ∥ V ∥ ∞ ≤ ∥ R ∥ ∞ / 8 \|V\|_\infty\le\|R\|_\infty/8 ∥ V ∥ ∞ ≤ ∥ R ∥ ∞ /8 。因此求解器残差可以转成解误差,但必须保留矩阵的缩放约定;若全式乘上 Δ x 2 \Delta x^2 Δ x 2 ,残差的数值尺度也随之改变。
概念视角 结构
最大值原理即逆矩阵非负 记 A A A 为零边界下 − D x x -D_{xx} − D xx 的 ( J − 1 ) × ( J − 1 ) (J-1)\times(J-1) ( J − 1 ) × ( J − 1 ) 内部矩阵。把离散最大值原理用于 − V -V − V ,它说:若 A V ≥ 0 AV\ge0 A V ≥ 0 (逐项),则 V ≥ 0 V\ge0 V ≥ 0 。这等价于矩阵命题“A − 1 A^{-1} A − 1 的元素全部非负”。若 A − 1 ≥ 0 A^{-1}\ge0 A − 1 ≥ 0 且 A V = R ≥ 0 AV=R\ge0 A V = R ≥ 0 ,则 V = A − 1 R ≥ 0 V=A^{-1}R\ge0 V = A − 1 R ≥ 0 。反之,A − 1 A^{-1} A − 1 的第 j j j 列满足 A V = e j AV=e_j A V = e j ,而 e j ≥ 0 e_j\ge0 e j ≥ 0 ,所以该列非负。
对元素非负的矩阵,最大范数下的算子范数等于最大行和,也就是 A − 1 1 A^{-1}\mathbf 1 A − 1 1 的最大分量。这个向量是零边界问题 − D x x V = 1 -D_{xx}V=1 − D xx V = 1 的解,故恰为二次函数取样 x i ( 1 − x i ) / 2 x_i(1-x_i)/2 x i ( 1 − x i ) /2 。因此
∥ A − 1 ∥ ∞ = max 1 ≤ i ≤ J − 1 x i ( 1 − x i ) 2 ≤ 1 8 , \|A^{-1}\|_\infty=\max_{1\le i\le J-1}\frac{x_i(1-x_i)}{2}\le\frac18, ∥ A − 1 ∥ ∞ = 1 ≤ i ≤ J − 1 max 2 x i ( 1 − x i ) ≤ 8 1 , 当 J J J 为偶数时取等号。障碍函数论证与逆算子界是同一事实:一次读作向量之间的比较,一次读作一个矩阵的性质。
例题详解
取 κ = 1 \kappa=1 κ = 1 、J = 4 J=4 J = 4 、r = 1 / 4 r=1/4 r = 1/4 ,则 Δ t = 1 / 64 \Delta t=1/64 Δ t = 1/64 。初值为 g ( x ) = sin ( π x ) g(x)=\sin(\pi x) g ( x ) = sin ( π x ) 时,三个内部值为 ( 2 / 2 , 1 , 2 / 2 ) (\sqrt2/2,1,\sqrt2/2) ( 2 /2 , 1 , 2 /2 ) 。一步后有
U 1 = ( 1 + 2 4 , 2 + 2 4 , 1 + 2 4 ) ≈ ( 0.60355339 , 0.85355339 , 0.60355339 ) . U^1=\left(\frac{1+\sqrt2}{4},\frac{2+\sqrt2}{4},\frac{1+\sqrt2}{4}\right)
\approx(0.60355339,0.85355339,0.60355339). U 1 = ( 4 1 + 2 , 4 2 + 2 , 4 1 + 2 ) ≈ ( 0.60355339 , 0.85355339 , 0.60355339 ) . 精确解为 e − π 2 t sin ( π x ) e^{-\pi^2t}\sin(\pi x) e − π 2 t sin ( π x ) ,此时中点值约为 0.85708981 0.85708981 0.85708981 。首尾内部更新都要使用边界零;若改成复制相邻内部值,便改变了边界条件。此计算同时包含空间与时间的离散误差。
零边界下,向量 V i = sin ( k π i / J ) V_i=\sin(k\pi i/J) V i = sin ( k π i / J ) 、1 ≤ k < J 1\le k<J 1 ≤ k < J 是更新矩阵的特征向量,因子为
G k = 1 − 4 r sin 2 ( k π 2 J ) . G_k=1-4r\sin^2\left(\frac{k\pi}{2J}\right). G k = 1 − 4 r sin 2 ( 2 J k π ) . 把左右两个正弦值相加便能验证此式。当 J = 4 J=4 J = 4 、k = 3 k=3 k = 3 、r = 0.6 r=0.6 r = 0.6 ,因子约为 − 1.04852814 -1.04852814 − 1.04852814 ,该模态会交替增长。可是 J = 2 J=2 J = 2 只有一个内部点,同样 r = 0.6 r=0.6 r = 0.6 的因子为 1 − 2 r = − 0.2 1-2r=-0.2 1 − 2 r = − 0.2 ,反而衰减。
所以 r > 1 / 2 r>1/2 r > 1/2 并非表示每个固定小网格都不稳定。正确说法是:任意固定 r > 1 / 2 r>1/2 r > 1/2 ,足够细的网格都有某个高频模态的因子模大于一。二分之一门槛提供独立于网格大小的最大范数与非负性保证。
考虑 − u ′ ′ = − 12 x 2 -u''=-12x^2 − u ′′ = − 12 x 2 、u ( 0 ) = 0 u(0)=0 u ( 0 ) = 0 、u ( 1 ) = 1 u(1)=1 u ( 1 ) = 1 ,精确解为 x 4 x^4 x 4 。取 J = 2 J=2 J = 2 ,唯一内部方程为 − ( 0 − 2 U 1 + 1 ) / ( 1 / 4 ) = − 3 -(0-2U_1+1)/(1/4)=-3 − ( 0 − 2 U 1 + 1 ) / ( 1/4 ) = − 3 ,即 8 U 1 − 4 = − 3 8U_1-4=-3 8 U 1 − 4 = − 3 ,故 U 1 = 1 / 8 U_1=1/8 U 1 = 1/8 。
精确中点为 1 / 16 1/16 1/16 ,有号误差为 − 1 / 16 -1/16 − 1/16 。此处 M 4 = 24 M_4=24 M 4 = 24 ,定理上界为 24 ( 1 / 4 ) / 96 = 1 / 16 24(1/4)/96=1/16 24 ( 1/4 ) /96 = 1/16 ,恰好达到。这同时检查算子符号、边界项位置及误差常数。数值解大于精确解并不违反绝对误差界。
非扩张与严格收缩
若至少有三个内部点的值都是一,其中左右邻点都仍在内部的点,更新后依然是一。因此即使零边界且 0 < r < 1 / 2 0<r<1/2 0 < r < 1/2 ,最大范数也未必在一步后严格下降。凸组合证明只能得出非严格的非扩张。
但对固定有限 Dirichlet 网格及 0 < r ≤ 1 / 2 0<r\le1/2 0 < r ≤ 1/2 ,上述每个正弦特征因子的模都严格小于一,因为相关正弦平方严格介于零与一之间。更新矩阵对称,具有完备的正交正弦特征基,所以反复更新最终趋零。长期衰减与一步最大范数严格收缩是两个不同命题;当 r = 0 r=0 r = 0 ,更新为恒等映射,完全没有衰减。
这个区分对误差证明也有实际意义。要累积局部残差,只需要每一步不放大旧误差,并不必保证它立即下降。若误把非扩张说成有一个固定小于一的最大范数因子,便可能错误地得到与时间无关的误差界。采用真正证明了的非严格不等式,才能让常数的时间依赖保持可信。
线方法与隐式替代
固定空间网格而保留连续时间,内部向量满足 V ′ = κ D x x V V'=\kappa D_{xx}V V ′ = κ D xx V ;非零边界则作为外力加入。这称为线方法。最大负特征值的大小约按 Δ x − 2 \Delta x^{-2} Δ x − 2 增长,解释了空间细化后出现的刚性。对此 ODE 系统使用前向 Euler,正好得到显式热格式。
后向 Euler 则解 ( I − κ Δ t D x x ) U n + 1 = U n (I-\kappa\Delta tD_{xx})U^{n+1}=U^n ( I − κ Δ t D xx ) U n + 1 = U n 。由于 D x x D_{xx} D xx 的特征值皆负,每个热模态因子对任意正时间步都介于零与一之间,但每步要解矩阵方程。解除显式限制并不消除时间误差;快速初始层仍可能要求小步长。
上述估计只比较节点值。若要近似整个连续函数,还要指定插值规则并加入插值误差。对足够光滑函数,分段线性空间插值有二阶误差。粗糙初值在时间零附近可能不满足所需高阶导数界;热方程在正时间的平滑化,不能倒过来补足闭时空矩形上的假设。
细化实验也要分清误差来源。保持 r r r 而把空间步减半,时间步同时除以四,两项误差界都缩至四分之一。这是联合时空实验,无法单独识别时间阶数。若要量度时间阶数,应先令空间误差足够小,再于稳定范围内改变时间步,并说明实验打算隔离哪个误差来源。
常见错误
比例 r = κ Δ t / Δ x 2 r=\kappa\Delta t/\Delta x^2 r = κ Δ t /Δ x 2 的分母是 Δ x 2 \Delta x^2 Δ x 2 ,不是 Δ x \Delta x Δ x 。保持 r r r 而把空间步减半,时间步要除以四。若两个步长都只减半,r r r 便加倍:原本在 r = 0.4 r=0.4 r = 0.4 时受保证的计算会变成 r = 0.8 r=0.8 r = 0.8 ,超出保证范围。
把精确解代入差分方程所得的是相容性残差,它控制离散误差。线性求解器的小代数残差只衡量离散系统解得多准确,是另一种误差。两者分别估计,再用三角不等式相加。
离散最大值界并不表示每个网格值都下降。取 r = 1 / 4 r=1/4 r = 1/4 ,旧的左、中、右值为 3 , 1 , 3 3,1,3 3 , 1 , 3 ,中点变成 0.75 + 0.5 + 0.75 = 2 0.75+0.5+0.75=2 0.75 + 0.5 + 0.75 = 2 :热流使较冷的点升高,同时使较热的邻点下降,而每个新值仍介于旧值的极值之间。
椭圆矩阵若改变整体符号,仍可能可逆,但最大值原理的不等号也必须一致改变;整个证明要保持同一符号约定。
反例模式
中心权重一旦为负,非扩张即失效 有人会以为凸权重论证只是方便,而 r r r 略大于二分之一时格式仍然非扩张。取 J = 4 J=4 J = 4 、r = 0.6 r=0.6 r = 0.6 、零边界及内部值 ( V 1 , V 2 , V 3 ) = ( − 1 , 1 , − 1 ) (V_1,V_2,V_3)=(-1,1,-1) ( V 1 , V 2 , V 3 ) = ( − 1 , 1 , − 1 ) ,故 ∥ V ∥ ∞ = 1 \|V\|_\infty=1 ∥ V ∥ ∞ = 1 。中心权重为 1 − 2 r = − 0.2 1-2r=-0.2 1 − 2 r = − 0.2 ,一步更新给出
V 1 n e w = 0.6 ⋅ 0 + ( − 0.2 ) ( − 1 ) + 0.6 ⋅ 1 = 0.8 , V 2 n e w = 0.6 ( − 1 ) + ( − 0.2 ) ( 1 ) + 0.6 ( − 1 ) = − 1.4 , V_1^{\mathrm{new}}=0.6\cdot0+(-0.2)(-1)+0.6\cdot1=0.8,\qquad
V_2^{\mathrm{new}}=0.6(-1)+(-0.2)(1)+0.6(-1)=-1.4, V 1 new = 0.6 ⋅ 0 + ( − 0.2 ) ( − 1 ) + 0.6 ⋅ 1 = 0.8 , V 2 new = 0.6 ( − 1 ) + ( − 0.2 ) ( 1 ) + 0.6 ( − 1 ) = − 1.4 , 由对称性 V 3 n e w = 0.8 V_3^{\mathrm{new}}=0.8 V 3 new = 0.8 。与零解的距离一步之内由 1 1 1 增至 1.4 1.4 1.4 。只要 J ≥ 4 J\ge4 J ≥ 4 ,网格上便有左右邻点都在内部的点;对任何 r > 1 / 2 r\gt1/2 r > 1/2 ,同一交替向量给出中心值 1 − 4 r 1-4r 1 − 4 r ,其绝对值大于一。修正正是假设 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,也就是使三个权重全部非负的条件。
总结
中心差分对光滑函数有二阶空间相容性。非负热权重控制残差累积,给出 O ( Δ t + Δ x 2 ) O(\Delta t+\Delta x^2) O ( Δ t + Δ x 2 ) 网格误差。椭圆问题的离散最大值原理则提供唯一性,并把残差界转成解误差界。边界、光滑性与所用范数都是结论的一部分。
练习
快速检查
(设 κ = 2 \kappa=2 κ = 2 、Δ x = 0.1 \Delta x=0.1 Δ x = 0.1 、Δ t = 0.002 \Delta t=0.002 Δ t = 0.002 。求 r r r ,并对旧左、中、右值 1 , 2 , 4 1,2,4 1 , 2 , 4 更新中点。最大范数保证是否适用?)
解答 · 答案 r = 2 ( 0.002 ) / ( 0.1 ) 2 = 0.4 r=2(0.002)/(0.1)^2=0.4 r = 2 ( 0.002 ) / ( 0.1 ) 2 = 0.4 ,权重为 0.4 , 0.2 , 0.4 0.4,0.2,0.4 0.4 , 0.2 , 0.4 ,新值为 0.4 + 0.4 + 1.6 = 2.4 0.4+0.4+1.6=2.4 0.4 + 0.4 + 1.6 = 2.4 。因 r ≤ 1 / 2 r\le1/2 r ≤ 1/2 ,保证适用。中点虽升高,仍介于旧最小值与最大值之间;稳定性不要求逐点随时间递减。
快速检查
(对 − u ′ ′ = 2 -u''=2 − u ′′ = 2 、两端零边界,取 J = 4 J=4 J = 4 求离散解。为何它与 u = x ( 1 − x ) u=x(1-x) u = x ( 1 − x ) 的取样完全相同?)
解答 · 答案 内部值为 ( 3 / 16 , 1 / 4 , 3 / 16 ) (3/16,1/4,3/16) ( 3/16 , 1/4 , 3/16 ) 。二次函数的四阶导数为零,直接代入得 − D x x [ x ( 1 − x ) ] = 2 -D_{xx}[x(1-x)]=2 − D xx [ x ( 1 − x )] = 2 。取样值满足所有方程与边界,唯一性便保证它就是离散解。这是该多项式的特殊精确性,不适用于任意光滑解。
快速检查
(椭圆近似解的边界精确,在算子 − D x x -D_{xx} − D xx 的缩放下残差不超过 0.004 0.004 0.004 。求它与精确离散解之距离上界。空间步减半时,固定 M 4 M_4 M 4 的离散误差界如何改变?)
解答 · 答案 两个离散向量之差有零边界及至多 0.004 0.004 0.004 的右端,障碍函数界给出 0.004 / 8 = 0.0005 0.004/8=0.0005 0.004/8 = 0.0005 。这是代数误差。离散误差界 M 4 Δ x 2 / 96 M_4\Delta x^2/96 M 4 Δ x 2 /96 在空间步减半后缩至四分之一。总误差可用三角不等式把两界相加;只细化空间不会减少固定求解残差。