改善斜率的估计
考虑初值问题 y′=f(t,y)、y(0)=y0。显式欧拉(Euler)法用起点斜率 f(tn,yn) 走完整步;斜率若沿途改变,误差便会累积。即使不知道真解在步内的值,也可以先用欧拉法预测状态,再在预测状态计算另一个斜率。
给定步长 h>0,显式中点法由 yn 前进一步的公式为
k1=f(tn,yn),k2=f(tn+2h,yn+2hk1),yn+1=yn+hk2.
中间状态只是真正中点值的近似。此法仍是显式的:先算出 k1,再算 k2,无须求解以 yn+1 为未知数的方程。
另一个两阶段公式改为预测步末的状态。
Heun 方法也称显式梯形法,由 yn 前进一步的公式为
k1=f(tn,yn),k2=f(tn+h,yn+hk1),yn+1=yn+2h(k1+k2).
这里取起点斜率与预测终点斜率的平均。它不同于隐式梯形法;后者在未知的 yn+1 处计算终点斜率。两个显式公式也适用于向量状态,向量加法及数乘按分量理解。
为什么多算一次能提高阶数?
记 ft 为对时间的偏导数,fy 为对状态的导数。沿光滑标量真解微分,可得
y′′(t)=ft(t,y(t))+fy(t,y(t))f(t,y(t)).
若中点法从真值 y(t) 开始,在 (t,y(t)) 附近对 f 作泰勒(Taylor)展开,得到
k2=f+2h(ft+fyf)+O(h2),
其中没有标明取值点的量都在 (t,y(t)) 计算。故数值步进是 y+hf+21h2(ft+fyf)+O(h3),与真解的展开一直符合至 h2 项。对 Heun 方法,预测终点斜率为 k2=f+h(ft+fyf)+O(h2),与 k1 平均后也得到相同的前三项。所需导数有界时,两者的单步绝对缺陷都是 O(h3)。这个缺陷以真值为起点计算,并不是多步之后的总误差。
设 h>0,f 在包含真解、数值阶段及每一步从 y(tn) 出发所得中间阶段的区域内,对 y 满足 Lipschitz 条件,常数为 L。又设所用方法的单步绝对缺陷在 0≤tn≤T 一致地不超过 Ch3。若以真实初值开始,则 tn≤T 时
∥y(tn)−yn∥≤CTh2e(L+L2h/2)T.若细分网格时上述常数均一致适用,便得到二阶收敛。
证明
(一步的 Lipschitz 界,再用欧拉法的递推)
以 Φh(t,v) 表示任一方法的一步更新。对中点法,起点由 v 改为 w 时,k1 最多改变 L∥v−w∥,k2 最多改变 L(1+hL/2)∥v−w∥。对 Heun 方法,第二个斜率最多改变 L(1+hL)∥v−w∥;把两个斜率平均后得到相同的更新估计。因此两法均有
∥Φh(t,v)−Φh(t,w)∥≤(1+hL+2h2L2)∥v−w∥.真解的一步与 Φh(tn,y(tn)) 相差至多 Ch3。写 en=y(tn)−yn 及 q=1+hL+h2L2/2,便有 ∥en+1∥≤q∥en∥+Ch3。由 e0=0 反复代入,并把每个几何级数项上界设为 e(L+L2h/2)T,得 ∥en∥≤nCh3e(L+L2h/2)T≤CTh2e(L+L2h/2)T。区域假设不可省略:阶段若离开该区域,便不能直接使用局部的 Lipschitz 常数。
证明透视
阶数结论需要什么?
证明只抽出每个格式的一个性质:它作为起点的函数的 Lipschitz 常数。关键计算是这个常数为 1+hL+h2L2/2,而不是欧拉法的 1+hL。多出的一项来自第二阶段:它在一个本身通过 k1 依赖起点的位置计算 f,所以扰动两次经过 f。因此区域假设必须覆盖中间阶段,而不只是真解与数值值。
缺陷界 Ch3 只用于每一步从精确起点新产生的误差;两个格式的特定系数只在上面的泰勒计算中起作用。之后的论证与欧拉法相同:展开 ∥en+1∥≤q∥en∥+Ch3,用 e(L+L2h/2)T 界住 qn,再用 nh≤T,代价是失去一次 h 的幂。论证并不控制固定大步长下的误差;它讨论的是固定区间上加密网格的情形。
取 y′=y、y(0)=1、h=1/2。中点法给出 k1=yn、k2=(1+h/2)yn,故 yn+1=(1+h+h2/2)yn=813yn。两步后 y2=169/64≈2.6406,真值为 e≈2.7183。对此线性方程,Heun 方法的乘数相同;但这不代表它们对非线性问题相同。
取 h=1/4 走四步得 (41/32)4≈2.6949,误差约为 0.0234,而不是 0.0777。步长减半使误差约除以 3.3,接近二阶方法在 h→0 时预期的因子 4;同一测试中显式欧拉法的误差约为 0.468 与 0.277,只减少约 1.7 倍。
取 y′=y2、y(0)=1、h=1/2。中点法有 k1=1、k2=(5/4)2=25/16,故 y1=57/32。Heun 方法有 k2=(3/2)2=9/4,故 y1=29/16。真解在 t<1 时为 y(t)=1/(1−t),因此 y(1/2)=2。本例两个近似均低于真值,但两法的结果一般没有固定大小次序。
若 f(t,y)=g(t),各阶段不再涉及状态,两个方法的一步都是 ∫tntn+hg 的数值积分公式:中点法变成中点公式 hg(tn+h/2),Heun 方法变成梯形公式 2h[g(tn)+g(tn+h)]。对 y′=3t2、y(0)=0 只走一步 h=1,中点法给出 3(1/2)2=0.75,Heun 方法给出 21(0+3)=1.5,而 y(1)=1。误差 −0.25 与 +0.5 符号相反,中点法的误差只有一半。两个公式对线性 g 都精确,所以下面练习中 Heun 方法对 y′=2t 是精确的。
稳定性与阶数是两回事
对测试方程 y′=λy,令 z=hλ。两法的放大因子同为
R(z)=1+z+2z2.
在此标量问题中,反复步进会使扰动衰减的条件是 ∣R(z)∣<1。若 z=−a 为负实数,则 R(−a)=1−a+a2/2 为正,且恰好当 0<a<2 时小于一。因此,与显式欧拉法一样,负实模态需满足 0<h<2/∣λ∣ 才会衰减。提高阶数并没有消除这个刚性限制。
反例模式
高阶方法也可能放大衰减模态
对 y′=−10y 取 h=1/4,有 z=−5/2 及 R(z)=13/8。真解衰减,数值扰动却每步乘以 13/8 而增长。把 h 减至小于 1/5 可使这个测试模态衰减;单凭此仍不能断定误差已符合指定容许值。
比较之下,隐式梯形法满足 yn+1=yn+2h[f(tn,yn)+f(tn+1,yn+1)]。用于测试方程时,只要分母不为零,其因子为 (1+z/2)/(1−z/2)。若 Rez<0,分母的模大于分子的模,因此任何正步长都能使此模态衰减,但每一步须求解方程。此外,当 z 沿负实轴趋向负无穷时,因子趋向 −1:尽管绝对稳定,极快模态仍可能交替而衰减甚少。稳定、衰减和准确是不同问题。
概念视角代数
稳定函数作为指数函数的多项式逼近
在测试方程上,精确解每步乘以 ez,而 R(z)=1+z+z2/2 正是 ez 的二次 Taylor 多项式;两者相差 z3/6+O(z4),与二阶的一步缺陷相符。每个显式 Runge–Kutta 方法都给出多项式 R,次数不超过阶段数。非常数多项式在 z→−∞ 时无界,所以没有显式方法能抑制每个衰减模态。隐式梯形法的因子是有理函数,可以在左半平面上保持不超过一。
两者的权都是 21,21,但 Heun 方法在欧拉预测值处计算终点斜率,隐式法则在未知的 yn+1 处计算。两者的稳定性完全不同。对 y′=−4y 取 h=1,即 z=−4,Heun 方法每步把状态乘以 1−4+8=5,隐式梯形法则乘以 (1−2)/(1+2)=−1/3。
练习
快速检查
(对 y′=t+y、y(0)=0 用显式中点法,取 h=1,求 y1。)
解答 · 答案
k1=0+0=0,所以在时刻 1/2 的预测中点状态为 0+21⋅0=0,而 k2=21+0=21。因此 y1=0+1⋅21=1/2。真解 y=et−t−1 给出 y(1)≈0.718。
快速检查
(对 y′=2t、y(0)=0 用 Heun 方法,取 h=1/2 走两步,并与 t=1 处的真值比较。)
解答 · 答案
第一步的斜率是 0 和 1,得 y1=41(0+1)=1/4;第二步是 1 和 2,得 y2=41+41(1+2)=1。真解 y=t2 也给出 1,因为梯形公式对线性斜率 2t 精确。此例精确并不意味着对一般 f 都精确。
快速检查
(对 y′=−4y,求中点法使扰动衰减的正步长范围。非零端点处会发生什么?)
用 R(−a)=1−a+a2/2,其中 a=4h。
解答 · 答案
此时 a=4h,而 R(−a)<1 当且仅当 0<a<2,所以 0<h<1/2。在 h=1/2 时 R(−2)=1−2+2=1,扰动保持不变,不会衰减。
快速检查
(对 y′=iy 及 h>0,显式中点法使扰动的模衰减、保持还是增长?)
计算 ∣R(ih)∣2。
解答 · 答案
令 z=ih,则 R(ih)=1−h2/2+ih,∣R(ih)∣2=(1−h2/2)2+h2=1+h4/4>1。数值模增长,真解的模却保持不变。