動機
空間導數比較相鄰位置的值。有限差分法用鄰近網格點的數值取代導數,從而得到有限個方程。不過,局部導數近似精確,並不保證整個方法不會放大誤差。邊界條件同樣重要:它們決定原來的數學問題,也決定離散方程組的各行。
本節考慮 0 < x < 1 0<x<1 0 < x < 1 上的兩個模型。熱方程 u t = κ u x x u_t=\kappa u_{xx} u t = κ u xx 、κ > 0 \kappa>0 κ > 0 描述隨時間的平滑化;穩態橢圓問題 − u ′ ′ = f -u''=f − u ′′ = f 從外力和邊界值決定空間分佈。兩者使用相同的中心二階差分,但前者要分析時間步的放大因子,後者要分析線性系統的可解性與誤差。
一維模型已足以展示由導數近似走到完整誤差界的論證。它也解釋為何不必把所有網格參數盲目地一同細化:以下顯式熱方程的最大範數保證要求時間步與空間步平方成比例。空間很細時,這個限制相當昂貴,因而引出隱式時間積分。
定義
設 J ≥ 2 J\ge2 J ≥ 2 、Δ x = 1 / J \Delta x=1/J Δ x = 1/ J ,並對 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 。對包含兩端邊界的網格向量 V = ( V 0 , … , V J ) V=(V_0,\dots,V_J) V = ( V 0 , … , V J ) 定義
( 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 是函數,D x x v D_{xx}v D xx v 表示算子作用在取樣值 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 ,則對每個 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.
記 h = Δ x h=\Delta x h = Δ x 。帶 Lagrange 餘項的 Taylor 定理給出 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 ± ) . 兩式相加時,一階與三階項因差分居中而抵消。減去 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 − ) ) . 每個餘項的絕對值不超過 M 4 h 2 / 24 M_4h^2/24 M 4 h 2 /24 ,故總和不超過 M 4 h 2 / 12 M_4h^2/12 M 4 h 2 /12 。由於 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 ] 內,靠近邊界的差分模板也必須包含在光滑性假設內。
對 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 採用零 Dirichlet 邊界 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 ,前向時間、中心空間格式為
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 . 並固定 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 ) 。網格最大範數為 ∥ V ∥ ∞ = max i ∣ V i ∣ \|V\|_\infty=\max\limits_i|V_i| ∥ V ∥ ∞ = i max ∣ V i ∣ 。若映射後兩組數值的距離不大於映射前的距離,稱映射在此範數下非擴張。非擴張是非嚴格的不等式,與每一步都嚴格縮小距離不同。
定義 3.1.4
(Dirichlet 有限差分橢圓系統)
對 0 < x < 1 0<x<1 0 < x < 1 上的 − u ′ ′ = f -u''=f − u ′′ = f ,並指定 u ( 0 ) = a u(0)=a u ( 0 ) = a 、u ( 1 ) = b u(1)=b u ( 1 ) = b ,離散問題是求網格值 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 .
內部矩陣的主對角為 2 / Δ x 2 2/\Delta x^2 2/Δ x 2 ,相鄰副對角為 − 1 / Δ x 2 -1/\Delta x^2 − 1/Δ x 2 。已知邊界移到右端:第一項加入 a / Δ x 2 a/\Delta x^2 a /Δ x 2 ,最後一項加入 b / Δ x 2 b/\Delta x^2 b /Δ x 2 。遺漏這些項便是在解另一個邊值問題,而非單純少了一點精度。
定理/命題
若 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,固定零邊界的顯式熱更新在網格最大範數下非擴張。再假設精確解在直到固定時間 T T T 的閉時空矩形上,有有界連續的 u t t u_{tt} u tt 、u x x x x u_{xxxx} u xxxx ,且初值及邊界網格值精確,則對所有 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 ) . 左端只比較網格點。於比例限制下令兩個步長趨零,即得網格上的收斂。
對任意 J ≥ 2 J\ge2 J ≥ 2 ,Dirichlet 差分系統有唯一解。若精確解屬於 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 ,則
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. 此處邊界值及外力取樣皆精確。這是離散誤差;線性系統若沒有精確求解,還要另加代數誤差。
證明思路
當 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,熱更新的三個權重 r r r 、1 − 2 r 1-2r 1 − 2 r 、r r r 非負且總和為一,所以新值是三個舊值的凸組合。對邊界值相同的兩個網格解之差使用此事實,便得非擴張。更新值也介乎舊值及邊界值的最小與最大值之間,並保持非負性。
把精確熱方程解代入格式,定義縮放殘差
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 . 時間 Taylor 展開把第一商與 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 ;相容性引理控制其餘部分為 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 。精確偏導數由 PDE 抵消。記 H H H 為零邊界更新映射。把數值格式從精確關係中減去,誤差 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 具有零邊界值,並滿足
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. 非擴張給出 ∥ 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 ∥ ∞ 。由精確初值求和,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 ∥ ∞ ,即熱方程估計。
先證明離散最大值原理:若內部 − D x x V ≤ 0 -D_{xx}V\le0 − D xx V ≤ 0 ,而兩端 V ≤ 0 V\le0 V ≤ 0 ,則全網格 V ≤ 0 V\le0 V ≤ 0 。假設 V V V 的最大值 M M M 為正,它必在某內部指標 m m m 達到,而兩個鄰值都不會更大。m m m 處的不等式寫作 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 ,因此兩鄰值必須同為 M M M 。反覆傳播至邊界,便與邊界值非正矛盾。這個論證也處理最大值形成平台的情形,不能只假設最大值是嚴格的。
兩個離散解之差具有零邊界,且 − D x x V = 0 -D_{xx}V=0 − D xx V = 0 。對 V V V 與 − V -V − V 各用一次原理,得 V = 0 V=0 V = 0 ,即唯一性。內部矩陣為方陣,零核便由有限維線性代數推出每個右端都有解。
令 e i = u ( x i ) − U i e_i=u(x_i)-U_i e i = u ( x i ) − U i 。誤差邊界為零,相容性引理給出 ∣ ( − 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 。取比較向量 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 。差分對二次多項式精確,x ( 1 − x ) x(1-x) x ( 1 − x ) 的二階差分恰為 − 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 。於是 − 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 ,兩者邊界值皆為零。最大值原理給出 ∣ e i ∣ ≤ B i ≤ ε / 8 |e_i|\le B_i\le\varepsilon/8 ∣ e i ∣ ≤ B i ≤ ε /8 ,證畢。
證明透視
障礙函數在哪裏起作用 橢圓證明按固定次序使用三個要素。算子的符號結構,即正的主對角與非正的鄰點權重,只透過內部最大值處的不等式 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 進入論證;正是這個不等式迫使鄰點同取最大值。
邊界方程令傳播終止。沒有邊界,原理便失效:在週期網格上,正常數滿足 − D x x V = 0 -D_{xx}V=0 − D xx V = 0 ,卻沒有任何邊界值可供矛盾。
不明顯的一步是障礙函數。誤差的符號未知,其殘差界 ∣ ( − D x x e ) i ∣ ≤ ε |(-D_{xx}e)_i|\le\varepsilon ∣ ( − D xx e ) i ∣ ≤ ε 是雙邊的,而最大值原理只接受單邊不等式。減去 B B B 把雙邊界化成一對不等式 − 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 ,兩者邊界值都是零。由於 B B B 是二次多項式,差分算子對它精確,論證收尾時不再引入任何誤差項。常數 1 / 96 1/96 1/96 是相容性的 1 / 12 1/12 1/12 與障礙函數的 1 / 8 = max x ( 1 − x ) / 2 1/8=\max x(1-x)/2 1/8 = max x ( 1 − x ) /2 之積;下面非零邊界的例題正好達到此界。
同一障礙函數還給出逆算子界:零邊界的 − D x x V = R -D_{xx}V=R − D xx V = R 滿足 ∥ V ∥ ∞ ≤ ∥ R ∥ ∞ / 8 \|V\|_\infty\le\|R\|_\infty/8 ∥ V ∥ ∞ ≤ ∥ R ∥ ∞ /8 。因此求解器殘差可以轉成解誤差,但必須保留矩陣的縮放約定;若全式乘上 Δ x 2 \Delta x^2 Δ x 2 ,殘差的數值尺度也隨之改變。
概念視角 結構
最大值原理即逆矩陣非負 記 A A A 為零邊界下 − D x x -D_{xx} − D xx 的 ( J − 1 ) × ( J − 1 ) (J-1)\times(J-1) ( J − 1 ) × ( J − 1 ) 內部矩陣。把離散最大值原理用於 − V -V − V ,它說:若 A V ≥ 0 AV\ge0 A V ≥ 0 (逐項),則 V ≥ 0 V\ge0 V ≥ 0 。這等價於矩陣命題「A − 1 A^{-1} A − 1 的元素全部非負」。若 A − 1 ≥ 0 A^{-1}\ge0 A − 1 ≥ 0 且 A V = R ≥ 0 AV=R\ge0 A V = R ≥ 0 ,則 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 列解 A V = e j AV=e_j A V = e j ,而 e j ≥ 0 e_j\ge0 e j ≥ 0 ,所以該列非負。
對元素非負的矩陣,最大範數下的算子範數等於最大行和,也就是 A − 1 1 A^{-1}\mathbf 1 A − 1 1 的最大分量。這個向量解零邊界的 − D x x V = 1 -D_{xx}V=1 − D xx V = 1 ,故恰為二次函數取樣 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 , 當 J J J 為偶數時取等號。障礙函數論證與逆算子界是同一事實:一次讀作向量之間的比較,一次讀作一個矩陣的性質。
例題詳解
取 κ = 1 \kappa=1 κ = 1 、J = 4 J=4 J = 4 、r = 1 / 4 r=1/4 r = 1/4 ,則 Δ t = 1 / 64 \Delta t=1/64 Δ t = 1/64 。初值為 g ( x ) = sin ( π x ) g(x)=\sin(\pi x) g ( x ) = sin ( π x ) 時,三個內部值為 ( 2 / 2 , 1 , 2 / 2 ) (\sqrt2/2,1,\sqrt2/2) ( 2 /2 , 1 , 2 /2 ) 。一步後有
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 ) . 精確解為 e − π 2 t sin ( π x ) e^{-\pi^2t}\sin(\pi x) e − π 2 t sin ( π x ) ,此時中點值約為 0.85708981 0.85708981 0.85708981 。首尾內部更新都要使用邊界零;若改成複製相鄰內部值,便改變了邊界條件。此計算同時包含空間與時間的離散誤差。
零邊界下,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 是更新矩陣的特徵向量,因子為
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 ) . 把左右兩個正弦值相加便能驗證此式。當 J = 4 J=4 J = 4 、k = 3 k=3 k = 3 、r = 0.6 r=0.6 r = 0.6 ,因子約為 − 1.04852814 -1.04852814 − 1.04852814 ,該模態會交替增長。可是 J = 2 J=2 J = 2 只有一個內部點,同樣 r = 0.6 r=0.6 r = 0.6 的因子為 1 − 2 r = − 0.2 1-2r=-0.2 1 − 2 r = − 0.2 ,反而衰減。
所以 r > 1 / 2 r>1/2 r > 1/2 並非表示每個固定小網格都不穩定。正確說法是:任意固定 r > 1 / 2 r>1/2 r > 1/2 ,足夠細的網格都有某個高頻模態的因子模大於一。二分之一門檻提供獨立於網格大小的最大範數與非負性保證。
考慮 − 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 ,精確解為 x 4 x^4 x 4 。取 J = 2 J=2 J = 2 ,唯一內部方程為 − ( 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 。
精確中點為 1 / 16 1/16 1/16 ,有號誤差為 − 1 / 16 -1/16 − 1/16 。此處 M 4 = 24 M_4=24 M 4 = 24 ,定理上界為 24 ( 1 / 4 ) / 96 = 1 / 16 24(1/4)/96=1/16 24 ( 1/4 ) /96 = 1/16 ,恰好達到。這同時檢查算子符號、邊界項位置及誤差常數。數值解大於精確解並不違反絕對誤差界。
非擴張與嚴格收縮
若至少有三個內部點的值都是一,其中左右鄰點都仍在內部的點,更新後依然是一。因此即使零邊界且 0 < r < 1 / 2 0<r<1/2 0 < r < 1/2 ,最大範數也未必在一步後嚴格下降。凸組合證明只能得出非嚴格的非擴張。
但對固定有限 Dirichlet 網格及 0 < r ≤ 1 / 2 0<r\le1/2 0 < r ≤ 1/2 ,上述每個正弦特徵因子的模都嚴格小於一,因為相關正弦平方嚴格介乎零與一之間。更新矩陣對稱,具有完備的正交正弦特徵基,所以反覆更新最終趨零。長期衰減與一步最大範數嚴格收縮是兩個不同命題;當 r = 0 r=0 r = 0 ,更新為恆等映射,完全沒有衰減。
這個區分對誤差證明也有實際意義。要累積局部殘差,只需要每一步不放大舊誤差,並不必保證它立即下降。若誤把非擴張說成有一個固定小於一的最大範數因子,便可能錯誤地得到與時間無關的誤差界。採用真正證明了的非嚴格不等式,才能讓常數的時間依賴保持可信。
線方法與隱式替代
固定空間網格而保留連續時間,內部向量滿足 V ′ = κ D x x V V'=\kappa D_{xx}V V ′ = κ D xx V ;非零邊界則作為外力加入。這稱為線方法。最大負特徵值的大小約按 Δ x − 2 \Delta x^{-2} Δ x − 2 增長,解釋了空間細化後出現的剛性。對此 ODE 系統使用前向 Euler,正好得到顯式熱格式。
後向 Euler 則解 ( 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 。由於 D x x D_{xx} D xx 的特徵值皆負,每個熱模態因子對任意正時間步都介乎零與一之間,但每步要解矩陣方程。解除顯式限制並不消除時間誤差;快速初始層仍可能要求小步長。
上述估計只比較節點值。若要近似整個連續函數,還要指定插值規則並加入插值誤差。對足夠光滑函數,分段線性空間插值有二階誤差。粗糙初值在時間零附近可能不滿足所需高階導數界;熱方程在正時間的平滑化,不能倒過來補足閉時空矩形上的假設。
細化實驗也要分清誤差來源。保持 r r r 而把空間步減半,時間步同時除以四,兩項誤差界都縮至四分之一。這是聯合時空實驗,無法單獨識別時間階數。若要量度時間階數,應先令空間誤差足夠小,再於穩定範圍內改變時間步,並說明實驗打算隔離哪個誤差來源。
常見錯誤
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 而把空間步減半,時間步要除以四。若兩個步長都只減半,r r r 便加倍:原本在 r = 0.4 r=0.4 r = 0.4 受保證的計算會變成 r = 0.8 r=0.8 r = 0.8 ,超出保證範圍。
把精確解代入差分方程所得的是相容性殘差,它控制離散誤差。線性求解器的小代數殘差只量度離散系統解得多準確,是另一種誤差。兩者分別估計,再以三角不等式相加。
離散最大值界並不表示每個網格值都下降。取 r = 1 / 4 r=1/4 r = 1/4 ,舊的左、中、右值為 3 , 1 , 3 3,1,3 3 , 1 , 3 ,中點變成 0.75 + 0.5 + 0.75 = 2 0.75+0.5+0.75=2 0.75 + 0.5 + 0.75 = 2 :熱流令較冷的點升高,同時令較熱的鄰點下降,而每個新值仍介乎舊值的極值之間。
橢圓矩陣若改變整體符號,仍可能可逆,但最大值原理的不等號也必須一致改變;整個證明要保持同一符號約定。
反例模式
中心權重一旦為負,非擴張即失效 有人會以為凸權重論證只是方便,而 r r r 略大於二分之一時格式仍然非擴張。取 J = 4 J=4 J = 4 、r = 0.6 r=0.6 r = 0.6 、零邊界及內部值 ( 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 。中心權重為 1 − 2 r = − 0.2 1-2r=-0.2 1 − 2 r = − 0.2 ,一步更新給出
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 , 由對稱性 V 3 n e w = 0.8 V_3^{\mathrm{new}}=0.8 V 3 new = 0.8 。與零解的距離一步之內由 1 1 1 增至 1.4 1.4 1.4 。只要 J ≥ 4 J\ge4 J ≥ 4 ,網格上便有左右鄰點都在內部的點;對任何 r > 1 / 2 r\gt1/2 r > 1/2 ,同一交替向量給出中心值 1 − 4 r 1-4r 1 − 4 r ,其絕對值大於一。修正正是假設 0 ≤ r ≤ 1 / 2 0\le r\le1/2 0 ≤ r ≤ 1/2 ,也就是令三個權重全部非負的條件。
總結
中心差分對光滑函數有二階空間相容性。非負熱權重控制殘差累積,給出 O ( Δ t + Δ x 2 ) O(\Delta t+\Delta x^2) O ( Δ t + Δ x 2 ) 網格誤差。橢圓問題的離散最大值原理則提供唯一性,並把殘差界轉成解誤差界。邊界、光滑性與所用範數都是結論的一部分。
練習
快速檢查
(設 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 ,並對舊左、中、右值 1 , 2 , 4 1,2,4 1 , 2 , 4 更新中點。最大範數保證是否適用?)
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 ,權重為 0.4 , 0.2 , 0.4 0.4,0.2,0.4 0.4 , 0.2 , 0.4 ,新值為 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 ,保證適用。中點雖升高,仍介乎舊最小值與最大值之間;穩定性不要求逐點隨時間遞減。
快速檢查
(對 − u ′ ′ = 2 -u''=2 − u ′′ = 2 、兩端零邊界,取 J = 4 J=4 J = 4 求離散解。為何它與 u = x ( 1 − x ) u=x(1-x) u = x ( 1 − x ) 的取樣完全相同?)
解答 · 答案 內部值為 ( 3 / 16 , 1 / 4 , 3 / 16 ) (3/16,1/4,3/16) ( 3/16 , 1/4 , 3/16 ) 。二次函數的四階導數為零,直接代入得 − D x x [ x ( 1 − x ) ] = 2 -D_{xx}[x(1-x)]=2 − D xx [ x ( 1 − x )] = 2 。取樣值滿足所有方程與邊界,唯一性便保證它就是離散解。這是該多項式的特殊精確性,不適用於任意光滑解。
快速檢查
(橢圓近似解的邊界精確,在算子 − D x x -D_{xx} − D xx 的縮放下殘差不超過 0.004 0.004 0.004 。求它與精確離散解之距離上界。空間步減半時,固定 M 4 M_4 M 4 的離散誤差界如何改變?)
解答 · 答案 兩個離散向量之差有零邊界及至多 0.004 0.004 0.004 的右端,障礙函數界給出 0.004 / 8 = 0.0005 0.004/8=0.0005 0.004/8 = 0.0005 。這是代數誤差。離散誤差界 M 4 Δ x 2 / 96 M_4\Delta x^2/96 M 4 Δ x 2 /96 在空間步減半後縮至四分之一。總誤差可用三角不等式把兩界相加;只細化空間不會減少固定求解殘差。