偏微分方程数值解

本页保存数值 PDE 的理论与方法主线；可运行实验拆分为独立页面。工业计算专题中的插值、弱形式、装配、误差和线性求解内容在这里按“怎样得到可信数值解”重新串联。

阅读入口

路线	关注问题	页面
双曲方程实验	迎风方向、入流边界、CFL、显式/隐式耗散	一维输运方程迎风格式实验
抛物方程实验	显式稳定区、隐式与 Crank-Nicolson、ADI/LOD 分裂	抛物型方程差分格式实验
有限元	弱形式、Galerkin、Céa 引理、参考单元和装配	有限元方法：从插值到装配
工业求解链	几何、网格、稀疏系统、预条件和并行	工业计算专题

从 PDE 到数值解的统一链条

不同方法虽然形式不同，但都要回答四个问题：

1. 连续问题是否适定？ 真解是否存在、唯一，并连续依赖数据；
2. 怎样离散？ 选择网格、试探空间、时间步和数值通量；
3. 离散问题是否稳定？ 小扰动是否会被时间推进或线性求解放大；
4. 误差怎样分解？ 区分截断/逼近误差、代数误差和几何误差。

有限差分直接在网格点近似导数；有限元则先把强形式转成弱形式。例如 Poisson 方程

\[ -\nabla\cdot(a\nabla u)=f \]

在齐次 Dirichlet 条件下对应：求 \(u\in H_0^1(\Omega)\)，使

\[ \int_\Omega a\nabla u\cdot\nabla v\,dx =\int_\Omega fv\,dx, \qquad \forall v\in H_0^1(\Omega). \]

选择有限维空间 \(V_h\) 后得到 Galerkin 系统 \(A\mathbf u=\mathbf b\)。若双线性形式连续且强制，Céa 引理给出

\[ \|u-u_h\|_V \le\frac{M}{\alpha} \inf_{v_h\in V_h}\|u-v_h\|_V. \]

这条式子把 PDE 数值误差转化为有限维空间的最佳逼近问题；随后还要考虑参考单元求积、矩阵装配、条件数和迭代求解误差。对应的插值、Gauss 求积与误差链见数值分析。

1. 椭圆型 PDE 的有限差分法

2. PDE 初值问题的解析与数值解

考虑一阶常微分方程（ODE，作为 PDE 特例）：

u′=1−2tu,u(0)=0

• 解析解：通过积分因子法求解，方程变形为 u′+2tu=1，积分因子为 e∫2tdt=et2，两边乘积分因子得：

  (uet2)′=et2⟹uet2=∫0tes2ds⟹u(t)=e−t2∫0tes2ds.

• 数值解（中心差分）：对 u′(ti)，用中心差分格式近似（步长 h）：

  u′(ti)≈2hui+1−ui−1+O(h2)

  （O(h2) 为截断误差，中心差分具有二阶精度）；更高阶导数（如 u′′(ti)）可通过类似差分格式近似。

考虑椭圆型偏微分方程（以一维为例）：

−dx2d2u+g(x)u=f(x)

通过有限差分法离散化（步长 h，网格点 ui≈u(xi)），二阶导数用中心差分近似：

h2ui+1−2ui+ui−1+giui=fi

（推广到高维椭圆方程 −∇⋅(p∇u)+r⋅∇u+gu=f 时，需用梯度与散度的差分近似，核心是通过离散化将 PDE 转化为代数方程组 Lhu=f）。

---

3. 逼近解的存在性定理（抛物型 PDE）

定理1（逼近解的存在性）

对每个 \( \varepsilon \in (0,1) \)，存在唯一的解 \( u^\varepsilon \)，且满足：

\[ u^\varepsilon \in L^\infty(0,T; H^1(\mathbb{R}^n; \mathbb{R}^m)), \quad u^{\varepsilon\prime} \in L^2(0,T; L^2(\mathbb{R}^n; \mathbb{R}^m)) \]

证明步骤

1. 定义解映射与线性方程

   设空间 \( X = L^\infty(0,T; H^1(\mathbb{R}^n; \mathbb{R}^m)) \)。对任意 \( v \in X \)，考虑线性抛物型方程组：

   \[ \begin{cases} u_t - \varepsilon \Delta u = f - \sum_{j=1}^n B_j v_{x_j}, & \text{在 } \mathbb{R}^n \times (0,T] \text{ 中}, \\ u = g^\varepsilon, & \text{在 } \mathbb{R}^n \times \{t=0\} \text{ 上}. \end{cases} \]

   由热传导方程的基本解（§2.3.1），该方程存在唯一解 \( u \)，且 \( u \in L^\infty(0,T; H^1) \)、\( u^\prime \in L^2(0,T; L^2) \)，故可定义映射 \( \mathcal{F}: X \to X \)，即 \( \mathcal{F}\,(v) = u \)。

2. 作差与估计式推导

   取 \( \tilde{v} \in X \)，设 \( \tilde{u} = \mathcal{F}\,(\tilde{v}) \)，令 \( \tilde{u} = u - \tilde{u} \)，则 \( \tilde{u} \) 满足：

   \[ \begin{cases} \tilde{u}_t - \varepsilon \Delta \tilde{u} = - \sum_{j=1}^n B_j \tilde{v}_{x_j}, & \text{在 } \mathbb{R}^n \times (0,T] \text{ 中}, \\ \tilde{u} = 0, & \text{在 } \mathbb{R}^n \times \{t=0\} \text{ 上}. \end{cases} \]

   结合热传导基本解与Sobolev空间估计，得范数估计：

   \[ \text{ess sup}_{0 \leq t \leq T} \|\tilde{u}(t)\|_{H^1(\mathbb{R}^n)} \leq C(\varepsilon) T^{1/2} \|\tilde{v}\|_{L^\infty(0,T; H^1)} \]

3. Banach不动点定理的应用

   取 \( T > 0 \) 足够小，使 \( C(\varepsilon) T^{1/2} \leq 1/2 \)，则映射 \( \mathcal{F}: X \to X \) 满足压缩性：

   \[ \|\mathcal{F}\,(v) - \mathcal{F}\,(\tilde{v})\|_X \leq \frac{1}{2} \|v - \tilde{v}\|_X \]

   由Banach不动点定理，\( \mathcal{F} \) 存在唯一不动点 \( u^\varepsilon \in X \)，即 \( u^\varepsilon = \mathcal{F}\,(u^\varepsilon) \)，故 \( u^\varepsilon \) 是原方程的解。

关键要点

• 空间选择：\( X = L^\infty(0,T; H^1(\mathbb{R}^n; \mathbb{R}^m)) \) 为合适的函数空间
• 线性化技巧：将非线性问题转化为线性抛物型方程求解
• 压缩映射：通过时间区间 \( T \) 的适当选取获得压缩性
• 存在唯一性：Banach不动点定理保证逼近解的存在唯一性

---

4. Lax等价定理与差分格式

微分方程与差分格式

考虑二阶常微分方程：

\[ -\frac{d^2 u}{dx^2} + g u = f \]

用中心差分近似二阶导数，构造差分格式：

\[ u_{i+1} - 2u_i + u_{i-1} \quad (\text{对应 } -\frac{d^2 u}{dx^2} \text{ 的差分近似，步长隐含为 } h) \]

Lax等价定理的核心性质

Lax等价定理关联"适定性、收敛性、稳定性"： - 适定性：若初值 \( \| u^0 - v^0 \| < \varepsilon \)，则终态数值解满足 \( \| u^m - v^m \| < \varepsilon \)（初值小扰动下终解扰动小）； - 收敛性：数值解 \( u^m \) 与真解 \( u \) 满足 \( \| u^m - u \| < \varepsilon \)（数值解逼近真解）； - 稳定性：若初值 \( \| u^0 - v^0 \| < \varepsilon \)，则数值解满足 \( \| u^m - v^m \| < K \varepsilon \)（初值小扰动下数值解扰动可控）。

截断误差与收敛条件

对差分格式，截断误差收敛需满足： 当初值充分光滑时，存在常数 \( K \)，使

\[ T \sum_{\ell=0}^{m-1} \| T^\ell \| \to 0 \quad (\text{其中 } T(h) \to 0 \text{ 当步长 } h \to 0, \forall m \leq t_{\text{max}}) \]

（\( T \) 为差分算子，\( T^\ell \) 表示算子的 \( \ell \) 次复合，和式刻画累积误差的衰减）。

若初值非光滑，需通过"函数替换"将问题转化为光滑情形分析。

---

5. 差分格式的稳定性与矩阵范数估计

差分格式的稳定性设定

考虑有限维向量下的差分格式，形式为：

\[ B_1 V^{m+1} = B_0 V^m + F^m \]

（\( B_0, B_1 \) 为系数矩阵，\( V^m \) 为第 \( m \) 步数值解，\( F^m \) 为右端项）。

稳定性定义：若存在常数 \( K \)，对任意初值 \( V^0, W^0 \)，有

\[ \| V^m - W^m \| \leq K \| V^0 - W^0 \| \]

（初值小扰动下，数值解的扰动被控制）。

矩阵逆与递推范数估计

由差分格式解出 \( V^{m+1} = B_1^{-1} B_0 V^m + B_1^{-1} F^m \)，作差得：

\[ V^{m+1} - W^{m+1} = B_1^{-1} B_0 (V^m - W^m) \]

递推得 \( \| V^m - W^m \| \leq \| (B_1^{-1} B_0)^m \| \| V^0 - W^0 \| \)，故需估计 \( \| (B_1^{-1} B_0)^m \| \) 的增长性。

矩阵范数的指数估计

引入误差项 \( E(t) \)（如截断误差对应的矩阵），考虑含扰动的矩阵 \( B_1^{-1} B_0 + T E(t) \)，利用二项式展开估计其 \( m \) 次幂的范数：

\[ \begin{align*} \| (B_1^{-1} B_0 + T E(t))^m \| &\leq \sum_{j=0}^m \binom{m}{j} \| (B_1^{-1} B_0)^j \| \| (T E(t))^{m-j} \| \\ &\leq K_1 \sum_{j=0}^m \binom{m}{j} K_1^j (T K_2)^{m-j} \quad (\text{设 } \| (B_1^{-1} B_0)^j \| \leq K_1^j, \| E(t) \| \leq K_2) \\ &= K_1 (1 + T K_1 K_2)^m \end{align*} \]

再由指数函数的单调性（\( 1 + x \leq e^x \) 对 \( x \geq 0 \)），得：

\[ K_1 (1 + T K_1 K_2)^m \leq K_1 e^{T m K_1 K_2} \]

与偏微分方程的关联

上述差分格式对应抛物型偏微分方程的半离散化形式：

\[ \frac{\partial u}{\partial t} = L(u(x,t)) + f \]

（\( L \) 为微分算子，差分格式通过时间离散、空间差分近似 \( L \)）。数值解 \( U^m \) 与真解 \( u^m \) 的误差满足：

\[ \| U^m - u^m \| \leq K K_1 T \sum_{\ell=0}^{m-1} \| (B_1^{-1} B_0)^\ell \| \| T^\ell \| \]

（\( T^\ell \) 为截断误差项，和式刻画累积误差的传播）。

---

6. 双曲型方程与CFL条件

二阶双曲方程的一阶拆分

对二阶线性双曲方程，通过变量替换转化为一阶双曲方程组： 令 \( v_0 = u_t \)，\( v_1 = u_x \)，则原方程可化为形式：

\[ v_t + \sum_{i} A_i v_{x_i} + B v = \psi \]

（\( A_i, B \) 为系数矩阵/函数，\( \psi \) 为非齐次项，实现"二阶→一阶"的降阶）。

特征线与CFL条件的核心思想

考虑一阶线性双曲方程 \( \frac{\partial u}{\partial t} + a \frac{\partial u}{\partial x} = 0 \)，其特征线满足常微分方程：

\[ \frac{dx}{dt} = a(x,t) \]

沿特征线，解满足 \( \frac{du}{dt} = \frac{\partial u}{\partial t} + a \frac{\partial u}{\partial x} = 0 \)（即 \( u \) 沿特征线为常数）。

CFL条件（Courant-Friedrichs-Lewy条件）：数值解的依赖区域需包含真解的依赖区域（保证数值格式能"捕捉"真解的传播特性）。

迎风格式与CFL条件的验证

以迎风格式为例，格式形式为：

\[ u_j^{m+1} - u_j^m = \frac{a \tau}{h} (u_j^m - u_{j-1}^m) \]

（\( \tau \) 为时间步长，\( h \) 为空间步长，\( u_j^m \) 为第 \( m \) 步 \( x_j \) 处的数值解）。

分析依赖区域：\( u_j^{m+1} \) 依赖 \( u_j^m, u_{j-1}^m \)（当 \( a > 0 \) 时，特征线向右传播，迎风取左侧节点）。为满足CFL条件，需保证"真解依赖的区域被数值依赖区域包含"，即：

\[ \left| \frac{a \tau}{h} \right| \leq 1 \]

（控制时间步长与空间步长的比例，使数值格式稳定）。

---

7. 双曲型方程的数值格式与截断误差

特征线与数值格式的关联

考虑双曲型方程的特征线满足：

\[ \frac{dx}{dt} = a(u), \quad \frac{du}{dt} = u \]

（\( a(u) \) 为特征速度，反映解的传播方向）。

经典数值格式如 Lax-Wendroff格式、Beam-Warming格式，需结合CFL条件（\( \left| a \frac{\tau}{h} \right| \leq 1 \)，\( \tau \) 为时间步长，\( h \) 为空间步长）保证稳定性。

格式的离散与插值展开

以某差分格式为例，形式为：

\[ u_j^{m+1} = -\frac{u_j^{m+1} - 2u_j^m}{2h} + \text{高阶修正项} \]

（含一阶差分项，刻画时间/空间的变化率）。

通过二次函数插值细化展开，利用节点 \( x_{j-1}, x_j, x_{j+1} \) 构造插值多项式：

\[ u_j^m + \frac{1}{2}(u_j^{m+1} - u_j^m) \cdot \frac{(x - x_{j-1})(x - x_j)}{(x_{j+1} - x_j)(x_{j+1} - x_{j-1})} + \dots \]

（通过插值近似解的光滑性，推导格式的截断误差）。

截断误差的系数展开

引入参数 \( \nu = \frac{a\tau}{h} \)（CFL数），展开截断误差的系数项：

\[ \frac{(h - a\tau)a\tau}{h \cdot 2h}, \quad \frac{a\tau (h + a\tau)}{2h^2} \]

（分别对应不同传播方向或高阶导数的贡献）。

格式的离散项可进一步表示为：

\[ \frac{(1 - \nu)\nu}{2} u_j^{m+1} + \frac{\nu(1 + \nu)}{2}(u_j^{m+1} - u_j^m) \]

（通过 \( \nu \) 统一刻画时间-空间步长的比例，简化误差分析）。

---

8. 微分方程数值解与Fourier方法

微分不等式与初值估计

考虑微分不等式：

\[ \frac{d}{dt} \left( u e^{-ct} \right) \leq F(t) e^{-ct} \]

两边积分并结合初值 \( u(0) \)，可得 \( u(t) \) 的上界估计（用于分析解的增长性或稳定性）。

有限差分法的"三性"

有限差分法需满足相容性、稳定性、收敛性： - 相容性：差分格式与原微分方程的截断误差趋于0； - 稳定性：初值小扰动下，数值解的扰动被控制（范数估计如 \( \| B_0 \| \leq K \)，\( \| u_m - v_m \| \leq \| B_0^m \| K \)，其中 \( B_0, B_1 \) 为差分格式的系数矩阵）； - 收敛性：数值解逼近真解。

典型差分格式形式：

\[ B_0 u^{m+1} = B_1 u^m + F^m \]

（\( u^m \) 为第 \( m \) 步数值解，\( F^m \) 为右端项）。

Fourier方法分析对流扩散方程

以对流扩散方程 \( \frac{\partial u}{\partial t} + a \frac{\partial u}{\partial x} = 0 \)（初值 \( u(x,0) = g(x) \)）为例，用Fourier方法分析数值格式：

• 数值格式近似：构造差分格式近似时间与空间导数，如

  \[ u(x, t_{m+1}) \approx u(x, t_m) - a\lambda \left[ u(x, t_m) - u(x - h, t_m) \right] \]

  （\( \lambda = \frac{\tau}{h} \)，\( \tau \) 为时间步长，\( h \) 为空间步长）。

• 局部近似与Fourier变换：将数值解 \( u_j^{m+1} \) 局部近似为 \( u(x, t_{m+1}) \) 在区间 \( [x_j - \frac{h}{2}, x_j + \frac{h}{2}] \) 上的代表值，再通过Fourier变换分析格式的频率特性（如增长因子、稳定性条件），Fourier变换形式为：

  \[ \frac{1}{\sqrt{m}} \int \hat{u}(x, t_m) e^{itx} dx \]

---

9. Sobolev嵌入与一阶双曲型方程组

Sobolev空间的嵌入算子

考虑算子 \( T \)：\( W^{k,p}(U) \to L^q(\Omega) \)（\( U \) 为定义域，\( \Omega \) 为目标区域），若 \( u \in W^{k,p}(U) \cap C(\bar{U}) \)，则 \( Tu = u|_\Omega \)（将 \( u \) 限制到 \( \Omega \) 上）。

嵌入性质：存在有界线性算子 \( T \)，满足范数估计：

\[ \| Tu \|_{L^q(\Omega)} \leq C \| u \|_{W^{k,p}(U)} \]

（即Sobolev空间 \( W^{k,p}(U) \) 可"嵌入"到 \( L^q(\Omega) \) 空间，由Sobolev不等式保证）。

一阶双曲型方程组

考虑一阶线性双曲型方程组：

\[ u_t + \sum_{j=1}^n B_j(x, t) u_{x_j} = f(x, t), \quad u|_{t=0} = g(x) \]

其中 \( u: \mathbb{R}^n \times (0, +\infty) \to \mathbb{R}^m \)（\( m \) 维向量值函数），\( B_j(x, t) \) 为 \( m \times m \) 矩阵。

双曲性与变分形式

• 双曲性条件：定义方向矩阵 \( B(t, x; t, y) = \sum_{j=1}^n y_j B_j(x, t) \)（\( y \in \mathbb{R}^n \)）。若对任意 \( x, t, y \)，\( B(t, x; t, y) \) 有 \( m \) 个实特征值 \( r_1(x, t; y), \dots, r_m(x, t; y) \)，则方程组是双曲型的。

• 变分形式：取测试函数 \( v \in H^1(\mathbb{R}^n) \)，通过分部积分得弱形式：

  \[ \langle u', v \rangle + B[u, v; t] = \langle f, v \rangle, \quad \forall v \in H^1 \]

  其中双线性形式 \( B[u, v; t] \) 为：

  \[ B[u, v; t] = \int_{\mathbb{R}^n} \sum_{j,i=1}^n B_{ji}(x, t) u_{x_j} v_i \, dx \]

正则化方法（消去法）

为处理原方程的奇性，引入小参数 \( \varepsilon > 0 \)，构造正则化方程组：

\[ u_t^\varepsilon - \varepsilon \Delta u^\varepsilon + \sum_{j=1}^n B_j(x, t) u_{x_j}^\varepsilon = f(x, t), \quad u^\varepsilon|_{t=0} = g^\varepsilon(x) \]

（添加Laplace项 \( -\varepsilon \Delta u^\varepsilon \) 使方程"正则化"，便于分析解的存在性与收敛性）。

---

10. PDE弱解与Sobolev空间插值

守恒律方程的积分形式

考虑守恒律方程 \( u_t + (f(u))_x = 0 \)，对时间区间 \( [t_a, t_b] \) 积分得：

\[ \int_{\mathbb{R}} u(t_b, x) dx - \int_{\mathbb{R}} u(t_a, x) dx = \int_{t_a}^{t_b} \int_{\mathbb{R}} \frac{\partial}{\partial x} f(u(t, x)) dx dt \]

（体现"积分守恒"：区间内总量的变化等于边界通量的累积）。

Céa引理与弱解误差

Céa引理用于有限元法的误差分析：将真解 \( u \)与数值解 \( u_h \)的范数误差 \( \| u - u_h \| \)，转化为"逼近误差"（依赖于有限元空间 \( V_h \) 对真解的近似能力）。

---

数学物理方程复习

1. 波动方程（双曲型）- 弦振动方程

方程形式：

\[\frac{\partial^2 u}{\partial t^2} = a^2 \frac{\partial^2 u}{\partial x^2}\]

定解条件： - 初始条件：\(u(x,0) = \varphi(x)\)，\(u_t(x,0) = \psi(x)\) - 边界条件：\(u(0,t) = u(l,t) = 0\)（两端固定）

解法：分离变量法、D'Alembert公式

---

2. 热传导方程（抛物型）

方程形式：

\[\frac{\partial u}{\partial t} = a^2 \frac{\partial^2 u}{\partial x^2}\]

定解条件： - 初始条件：\(u(x,0) = \varphi(x)\) - 边界条件：\(u(0,t) = u_1(t)\)，\(u(l,t) = u_2(t)\)

解法：分离变量法、Fourier变换

---

3. Laplace方程（椭圆型）

方程形式：

\[\frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} = 0\]

或记作：\(\Delta u = 0\)

边值问题： - Dirichlet问题：\(u|_{\Gamma} = f(s)\) - Neumann问题：\(\frac{\partial u}{\partial n}|_{\Gamma} = g(s)\)

---

4. Poisson方程

方程形式：

\[\frac{\partial^2 u}{\partial x^2} + \frac{\partial^2 u}{\partial y^2} = f(x,y)\]

或记作：\(\Delta u = f\)

与Laplace方程的关系：非齐次情形

---

补充：三角级数的恒等变形

1. 三角级数的恒等变形

考虑三角级数 \(\displaystyle \sum_{n=1}^{\infty} \frac{2^n \sin nx}{}\)，引入辅助级数 I(x) 并利用和角公式：

\[\sin(n+2)x + \sin nx = 2\sin(n+1)x\cos x\]

因此，级数可变形为：

\[I(x) = \sum_{n=1}^{\infty} \frac{2^n [\sin(n+2)x + \sin nx]}{} = 2\cos x \sum_{n=1}^{\infty} \frac{2^n \sin(n+1)x}{}\]

（通过和角公式将两项正弦和转化为乘积形式，便于级数求和）。

---

泊松方程的 Neumann 边界条件数值解

1. 问题模型（泊松方程与 Neumann 边界条件）

考虑泊松方程结合Neumann 边界条件的边值问题：

\[\begin{cases} -\Delta u = f & \text{（区域内部）} \\ \frac{\partial u}{\partial n} = g & \text{（区域边界，} n \text{ 为外法向）} \end{cases}\]

2. 内部节点的有限差分格式

对内部网格点 (i, j)，拉普拉斯算子 Δu 用二阶中心差分近似：

\[\Delta u \approx \frac{u_{i+1,j} + u_{i-1,j} + u_{i,j+1} + u_{i,j-1} - 4u_{i,j}}{h^2}\]

（h 为网格步长，u_{i,j} 表示网格点 (ih, jh) 处的数值解）。

代入泊松方程 -Δu = f，得内部节点的离散方程：

\[\frac{u_{i+1,j} + u_{i-1,j} + u_{i,j+1} + u_{i,j-1} - 4u_{i,j}}{h^2} = f_{i,j}\]

3. 边界节点的 Neumann 条件离散

对边界网格点（以 (0, j) 为例，位于左边界 x = 0），Neumann 条件 ∂u/∂x = g 用一阶中心差分近似：

\[\frac{\partial u}{\partial x}(0,j) \approx \frac{u_{1,j} - u_{-1,j}}{2h} = g_{0,j}\]

（u_{-1,j} 为 "虚构网格点" (-h, jh) 处的数值，需通过边界条件消去）。

结合内部格式，对边界点 (0, j) 推导得离散方程：

\[u_{0,j+1} + u_{0,j-1} + u_{1,j} + u_{-1,j} - 4u_{0,j} = -2hg_{0,j} + f_{0,j}h^2\]

再由 Neumann 条件的差分近似 u_{-1,j} = u_{1,j} - 2hg_{0,j}，代入后可消去虚构点 u_{-1,j}，得到仅含真实网格点的方程。

4. 角点的边界条件处理

对角点（如 (0, 0)），需同时处理两个方向的 Neumann 条件（∂u/∂x = g_x，∂u/∂y = g_y），离散为：

\[u_{-1,0} = u_{1,0} - 2hg_{x,0,0}, \quad u_{0,-1} = u_{0,1} - 2hg_{y,0,0}\]

---

添加时间: 2026-04-07

---

有限体积法（Finite Volume Method）

1. 有限体积法的核心方程（泊松方程）

对泊松方程 Δu = f，有限体积法通过 "对偶单元积分" 建立离散格式：

• 构造围绕节点 i 的对偶控制体 Ω_i；

• 对 Ω_i 积分泊松方程，得

  \[\iint_{\Omega_i} \Delta u \, dx = \iint_{\Omega_i} f \, dx\]

• 由散度定理（高斯公式），左边体积分转化为边界通量积分：

  \[\iint_{\Omega_i} \Delta u \, dx = \int_{\partial\Omega_i} \frac{\partial u}{\partial n} \, dx\]

  （∂u/∂n 是 u 沿边界外法向的方向导数，即 "通量密度"）。

2. 对偶单元与边界通量离散

• 对偶单元构造：通过 "垂直于三角形边的线段" 构造对偶单元边界（如 Q_iQ_{i+1} ⊥ P_0P_{i+1}，利用几何垂直性保证通量方向）；

• 通量的离散近似：对边界边 Q_iQ_{i+1}，法向通量积分近似为

  \[\int_{Q_iQ_{i+1}} \frac{\partial u}{\partial n} \, dS(x) \approx \sum \frac{|P_0P_{i+1}|}{q_iq_{i+1}} \cdot P_0P_{i+1} [u(P_m) - u(P_0)] + \text{高阶小项}\]

  （通过 "节点值的差" 近似通量，q_iq_{i+1} 与 P_0P_{i+1} 的几何关系决定权重）。

3. 边界条件的处理（Neumann 边界）

若边界给定Neumann 条件 ∂u/∂n = g，则边界边的通量积分直接替换为：

\[\int_{\text{边界边}} \frac{\partial u}{\partial n} \, dS = \int_{\text{边界边}} g \, dS\]

---

添加时间: 2026-04-07

---

线性多步法的误差分析

1. 线性多步法的算子表示

考虑线性多步法的离散格式，设 u_n 为数值解，真解为 u(t_n)，将格式表示为算子形式：

\[u_{n+1} = L_h u_n\]

（其中 L_h 是由差分格式诱导的线性算子，示例为二阶中心差分的抛物型方程格式：τ(u_j^{n+1} - u_j^n) = h²(u_{j+1}^n - 2u_j^n + u_{j-1}^n)，对应 u_j^{n+1} = (h²/τ)(u_{j+1}^n - 2u_j^n + u_{j-1}^n) + u_j^n，即 L_h 对网格函数的作用为包含邻点的线性组合）。

2. 真解的算子方程与误差源

真解 u(t) 满足 "带余项的算子方程"：

\[u(t_{n+1}) = L_h u(t_n) + R_n\]

（其中 R_n 是局部截断误差，源于差分格式对微分方程的近似误差）。

3. 误差的递推估计

设 e_n = u(t_n) - u_n 为第 n 步的误差，则误差满足递推关系：

\[e_{n+1} = u(t_{n+1}) - u_{n+1} = (L_h u(t_n) + R_n) - L_h u_n = L_h e_n + R_n\]

由算子范数的性质（‖L_h e_n‖ ≤ ‖L_h‖ ‖e_n‖），递推得：

\[e_{n+1} \leq \|L_h\| e_n + R_n\]

4. 整体误差的几何级数估计

通过递推关系迭代展开，结合几何级数求和，可得整体误差上界：

• 若 ‖L_h‖ < 1，则递推误差满足：

  \[e_{n+1} \leq \frac{1 - \|L_h\|^n}{1 - \|L_h\|} R_h\]

  （其中 R_h 是局部截断误差的上界）；

• 更一般地，误差可表示为局部截断误差的 "累积和"：

  \[e_n \leq \sum_{k=0}^{n-1} \|L_h\|^{n-1-k} R_k\]

---

添加时间: 2026-04-07

---

极值原理与差分格式稳定性

1. 极值原理与内部性态

对椭圆型方程（或其差分近似），最大值原理是核心工具：若 u′′+gu′>0，则函数的最大值 "只在边界处" 达到（内部无极大值）。

对内部点 P，若满足 ∇u(P)=0（梯度为 0，疑似极值点），则需 Δu(P)≤0（Hessian 负定或半负定，保证是极大值点而非极小值点）；若方程为 Δu+g⋅∇u=0，则内部点的 Laplace 算子与梯度的组合需满足 "无正定性"，从而保证极值在边界。

2. 函数极小值的二阶条件

若函数 f(x,y) 在 x0 处取极小值，则需满足：

• 一阶条件：∂x∂f=0，∂y∂f=0（梯度为 0）；

• 二阶条件：∂x2∂2f>0，∂y2∂2f>0，且 Hessian 矩阵正定：

  (∂x2∂2f)(∂y2∂2f)−(∂x∂y∂2f)2>0

  （保证是 "严格极小值"，而非鞍点或极大值）。

3. 差分格式的稳定性

对椭圆型方程的差分格式Lhuh=f，稳定性通常通过 "算子的强制性" 或 "范数估计" 证明：

若存在常数 C,δ>0，使对任意网格函数 uh，有

C∥Lhuh−Lhvh∥≥δ∥uh−vh∥

（Lh 是差分算子），则格式稳定（扰动的解误差被扰动的右端项控制）。

结合 "解误差与右端项误差的范数关系"，可进一步推导：

∥uh,i−ui∥≤∥Lhuh,i−Lhui∥⋅∥Lh−1∥

（若 Lh 可逆且逆算子范数有界，则格式稳定）。

4. 差分格式的极值原理框架

考虑椭圆型方程的差分格式 Lhuh=f，其中 Lh 是离散椭圆算子（如五点差分算子）。设误差项 e_i = u_i - u_h_i（ui 为真解，u_h_i 为数值解），需证明 Lhei≤0，且边界误差 e0=en=0。

5. 极值的边界性（反证法）

假设误差 ei 在内部点取到正的最大值（或负的最小值），通过差分算子的离散形式推导矛盾：

• 对五点差分格式（二维 Laplace 算子），若 ei 在内部点 (i,j) 取最大值，则需满足：

  Δh ei,j = (ei+1,j + ei-1,j + ei,j+1 + ei,j-1 - 4ei,j)/h² ≤ 0

  （离散 Laplace 算子非正）；

• 但若 ei,j 是严格最大值，则四个邻点的误差均小于 ei,j，导致 Δh ei,j > 0，矛盾；

• 故误差的最大值只能在边界达到，结合边界条件 e0=en=0，得 ei≤0（所有内部点）。

通过类似论证，可证误差的最小值也在边界，从而 ei=0（所有点），即数值解收敛到真解。

---

添加时间: 2026-04-08

---

Richardson 差分格式与截断误差分析

1. 时间导数的泰勒展开近似

对函数 \(u(x,t)\) 关于时间 \(t\) 做泰勒展开（中心差分近似 \(u_t\)）：

\[u(x,t+\tau)=u(x,t)+\tau u_t(x,t)+\frac{\tau^2}{2!} u_{tt}(x,t)+\frac{\tau^3}{3!} u_{ttt}(x,t)+O(\tau^4)\]

\[u(x,t-\tau)=u(x,t)-\tau u_t(x,t)+\frac{\tau^2}{2!} u_{tt}(x,t)-\frac{\tau^3}{3!} u_{ttt}(x,t)+O(\tau^4)\]

两式相减并整理，得时间导数的中心差分近似：

\[\frac{u(x,t+\tau)-u(x,t-\tau)}{2\tau}=u_t(x,t)+\frac{\tau^2}{6}u_{ttt}(x,t)+O(\tau^4)\]

2. 空间导数的泰勒展开近似

对函数 \(u(x,t)\) 关于空间 \(x\) 做泰勒展开（中心差分近似 \(u_{xx}\)）：

\[u(x+h,t)=u(x,t)+hu_x(x,t)+\frac{h^2}{2!}u_{xx}(x,t)+\frac{h^3}{3!}u_{xxx}(x,t)+\frac{h^4}{4!}u_{xxxx}(x,t)+O(h^5)\]

\[u(x-h,t)=u(x,t)-hu_x(x,t)+\frac{h^2}{2!}u_{xx}(x,t)-\frac{h^3}{3!}u_{xxx}(x,t)+\frac{h^4}{4!}u_{xxxx}(x,t)+O(h^5)\]

两式相加并整理，得空间二阶导数的中心差分近似：

\[\frac{u(x+h,t)-2u(x,t)+u(x-h,t)}{h^2}=u_{xx}(x,t)+\frac{h^2}{12}u_{xxxx}(x,t)+O(h^4)\]

3. Richardson 格式的截断误差

Richardson 格式通常用于近似波动方程等双曲型方程（如 \(u_t=u_{xx}\) 类方程），将"时间、空间的中心差分近似"代入格式，组合后分析截断误差：

格式的截断误差由时间和空间近似的误差共同决定，由于时间近似的主误差项是 \(O(\tau^2)\)，空间近似的主误差项是 \(O(h^2)\)，因此 Richardson 格式的截断误差为 二阶（即 \(O(\tau^2+h^2)\)），当 \(\tau,h\to0\) 时，误差随 \(\tau^2\) 和 \(h^2\) 衰减。

---

稳定性估计与比较原理

1. 稳定性的核心估计

考虑差分算子 \(L_h\)，若误差 \(e_n\) 满足 \(L_h e_n = R_h\)（\(R_h\) 为残差项），则稳定性估计为：

\[\|e_n\|_\infty \leq C\|R_h\|_\infty\]

（\(C>0\) 为常数，体现"误差的无穷范数被残差的无穷范数控制"，格式稳定）。

2. 比较原理的应用

对任意网格函数 \(v_i\)，若存在另一个网格函数 \(w_i\) 满足 \(L_h w_i \geq |L_h v_i|\)，则由比较原理可得：

\[\|v_i\|_\infty \leq \|w_i\|_\infty \leq C\|g\|_\infty\]

（\(g\) 为右端项，通过"更'大'的函数 \(w_i\) 控制 \(v_i\) 的范数"，将复杂函数的范数估计转化为简单函数）。

3. 网格函数的构造与验证

为应用比较原理，构造显式网格函数（以圆形区域为例）：

\[w_i = w(x_i) = 2k(R^2 - x_i^2)\]

（\(R\) 为区域半径，\(x_i\) 为网格点坐标，\(k\) 为与算子相关的参数）。

验证该函数满足 \(L_h w_i \geq \max |L_h v_i|\)（即 \(w_i\) 能"支配"任意 \(v_i\) 的差分算子作用结果），进而推导得：

\[\|w_i\|_\infty \leq C \max |L_h v_i|\]

（结合比较原理，完成对 \(v_i\) 范数的上界估计）。

Lax-Miligram表示定理

a(x,y)=

---

差分格式的唯一性与极值原理

1. 差分格式的唯一性（极值原理）

对椭圆型差分方程（如 \(-Δu=0\) 的差分近似），利用极值原理证明解的唯一性：

若差分格式的解 \(u\) 满足"内部点的极值由边界点决定"（即若 \(u\geq0\)，则内部 \(u\leq0\)，极值只在边界取），则"零边值下只有零解"，从而格式存在唯一解。

2. 稳定性与辅助函数构造

为分析稳定性，构造辅助函数 \(\phi(x,y)\)（如 \(\phi(x,y)=\sum x^2\)，其 Laplace 算子 \(Δ\phi=2\)），令 \(u_{i,j}+k\phi_{i,j}\) 满足：

\[Δ u_{i,j} + k\phi_{i,j} \geq 0\]

结合极值原理，可确保"区域内的最大值不超过边界最大值"，即：

\[\max_\Omega u_{i,j} \leq \max_{\partial\Omega} u_{i,j}\]

3. 误差界的推导

设误差 \(e=u-u_h\)（\(u\) 为真解，\(u_h\) 为数值解），利用辅助函数与极值原理，推导无穷范数下的误差界：

\[\|e\|_\infty \leq C\|Δe\|_\infty\]

（\(C\) 为常数，体现"误差的无穷范数被误差 Laplace 算子的无穷范数控制"，格式稳定）。

进一步，通过更精细的辅助函数（如 \(\phi_{i,j}=\frac{1}{4}(x^2+y^2)\)），可将误差界与右端项 \(f\) 关联，得到 \(\|u+k\phi_{i,j}\|_\infty \leq \max_\Omega |f|\)，完成稳定性分析。

矩阵稳定性证明

稳定性的概念

要证明"若 \( B \) 稳定，\( B + C(t) \) 不稳定"，需分析矩阵范数：

\[ \| B + \Delta t C(\Delta t) \| \leq \| B \| \cdot \| I - \Delta t C(\Delta t) \| \]

通过矩阵范数的三角不等式与摄动理论，结合 \( C(t) \) 的时变特性，说明 \( B + C(t) \) 因摄动项 \( C(t) \) 失去稳定性（核心：稳定矩阵受时变摄动后可能不稳定）。

证明过程：

---

添加时间: 2026-04-11

---

FitzHugh-Nagumo 神经动力学模型

FitzHugh (1961) 和 Nagumo-Arimoto-Yoshizawa (1962) 提出的神经动力学模型，用于描述神经元在外部注入电流 \(I\) 下的行为。

1. 模型方程

\[\begin{cases} \frac{dV}{dt} = V - \frac{1}{3}V^3 - W + I \\ \frac{dW}{dt} = \frac{1}{\tau}(V + a - bW) \end{cases}\]

• \(V\)：膜电位（membrane potential）
• \(W\)：恢复电流（由离子通道开闭产生的电流）
• \(I\)：外部注入电流
• 参数：\(a=0.7,\; b=0.8,\; \tau=\frac{1}{3}\)

2. 平衡点分析

通用分析逻辑：分析最终解是否趋于稳定，即 \(V, W\) 趋于常数，对应 \(\frac{dV}{dt}=\frac{dW}{dt}=0\)。

平衡点方程：

\[V - \frac{1}{3}V^3 - W + I = 0, \quad W = \frac{V+a}{b}\]

代入第一式，得 \(V_0\) 满足：

\[-\frac{1}{3}V_0^3 + V_0 - \frac{V_0+a}{b} + I = 0\]

\(I=0\) 时平衡点的定量计算：

平衡点满足 \(dW/dt=0\)，即 \(W = \frac{V+a}{b}\)。代入 \(I=0\)：

\[V - \frac{1}{3}V^3 - \frac{V+a}{b} = 0\]

乘以 \(b=0.8\) 并整理：

\[0.8V - 0.8 \cdot \frac{1}{3}V^3 - V - 0.7 = 0 \implies -\frac{0.8}{3}V^3 - 0.2V - 0.7 = 0\]

即：

\[V^3 + 0.75V + 2.625 = 0\]

因 \(f'(V) = 3V^2 + 0.75 > 0\)，函数单调递增，方程有唯一实根。试值得 \(V^* \approx -1.199\)，对应 \(W^* \approx -0.624\)。

\(V\)-零倾线的分支判定： \(V\)-零倾线 \(W = V - \frac{1}{3}V^3\) 的极值点出现在 \(1-V^2=0\)，即 \(V=\pm 1\)。因 \(V^* \approx -1.199 < -1\)，平衡点严格位于左支，是稳定结点（对应神经元的静息状态）。

3. 脉冲电流响应分析

考虑脉冲 \(I(t) = I_0 \delta(t-t_0)\)，积分 \(dV/dt\) 中的冲击项得：

\[\Delta V = \int_{t_0^-}^{t_0^+} I_0 \delta(t-t_0) dt = I_0\]

脉冲瞬间，\(V\) 跳变 \(I_0\)，而慢变量 \(W\) 来不及改变。新状态为 \((V_0', W_0) = (V^*+I_0,\; W^*)\)。

阈值判别：系统是否能产生动作电位（全或无的尖峰），取决于扰动后状态是否落在激发域内。

近似激发阈值（经验法则）： 若扰动将 \(V\) 推至超过 \(V\)-零倾线的局部极大值对应坐标 \(V_{\max}=1\)，则系统必然跳到右支。即要求：

\[V^* + I_0 \geq V_{\max} = 1\]

代入 \(V^* \approx -1.199\)，得：

\[I_0 \geq 1 - (-1.199) = 2.199\]

即激发所需的最小脉冲强度 \(I_{0,\text{th}} \approx 2.20\)。

脉冲响应行为总结： - 当 \(I_0 < I_{0,\text{th}} \approx 2.2\)：扰动后状态仍在左支吸引域内，系统快速回到静息点，无尖峰（阈下响应）。 - 当 \(I_0 > I_{0,\text{th}}\)：系统被推至激发域，沿右支产生大幅去极化，随后由慢变量 \(W\) 的作用回返，完成一次完整的动作电位后回到静息状态（单次尖峰）。

---

添加时间: 2026-04-11

---

抛物型偏微分方程数值解

基本方程

抛物型方程：

\[ \frac{\partial u}{\partial t} = a \frac{\partial^2 u}{\partial x^2} + f(x) \]

初始条件：\(u(x, 0) = \phi(x)\)

差分格式

设 \(x\) 方向 \(N\) 等分，\(t\) 方向 \(M\) 等分，\(u(x_j, t_k)\) 的数值解记为 \(u_j^k\)。

显式差分格式：

\[ \frac{u_j^{k+1} - u_j^k}{\tau} = \lambda \frac{u_{j+1} - 2u_j + u_{j-1}}{h^2} \]

其中 \(\lambda = \frac{a \tau}{h^2}\) 为 Courant 数。

参数关系： - 当 \(a \frac{\tau}{h^2} = \frac{1}{3}\) 时，误差阶为 \(O(\tau^2 + h^2)\) - 当 \(r = \frac{a \tau}{2 h^2} = \frac{1}{6}\) 时，误差为 \(O(\tau^2 + h^2)\)

误差分析

截断误差展开：

\[ \frac{1}{2} \tau^2 \partial_{ttt} u + a \frac{1}{12} h^4 \partial_{xxxx} u \]

\[ \frac{1}{2} \tau \partial_{tt} u + a \frac{1}{12} h^2 \partial_{xxxx} u \]

系数计算：

\[ \mu = -\left( \frac{1}{2} - \frac{1}{12 r} \right), \quad r = \frac{a \tau}{h^2} \]

稳定性分析

舍入误差影响：

\[ \max |u_{i,j} - \tilde{u}_{i,j}| \leq C_h \left( \max |f_{i,j} - \tilde{f}_{i,j}| + \max |g_{i,j} - \tilde{g}_{i,j}| \right) \]

其中： - \(-\Delta_h \tilde{u}_{i,j} = \tilde{f}_{i,j}\)，\(\tilde{u}_{i,j} = \tilde{g}_{i,j}\)（数值解） - \(-\Delta_h u_{i,j} = f_{i,j}\)，\(u_{i,j} = g_{i,j}\)（精确解） - \(-\Delta_h v_{i,j} = f_{i,j} - \tilde{f}_{i,j}\)（误差方程）

极值原理

离散极值原理：

\[ \max_\Omega u_{i,j} \leq \max_{\partial\Omega} u_{i,j} \]

误差界推导： 设误差 \(e = u - u_h\)，利用辅助函数与极值原理：

\[ \|e\|_\infty \leq C\|\Delta e\|_\infty \]

其中 \(C\) 为常数，体现"误差的无穷范数被误差 Laplace 算子的无穷范数控制"。

---

双曲型偏微分方程数值解

波动方程

\[ \frac{\partial^2 u}{\partial t^2} = c^2 \frac{\partial^2 u}{\partial x^2} \]

差分格式：

\[ \frac{u_j^{k+1} - 2u_j^k + u_j^{k-1}}{\tau^2} = c^2 \frac{u_{j+1}^k - 2u_j^k + u_{j-1}^k}{h^2} \]

CFL 条件

双曲方程的稳定性条件：

\[ c \frac{\tau}{h} \leq 1 \]

---

有限差分法的矩阵形式

一般形式

PDE 的有限差分离散化为：

\[ L_h u = f \]

其中 \(L_h\) 是差分算子矩阵，\(f\) 是右端项向量。

矩阵稳定性

定义：矩阵 \(B\) 稳定如果 \(\|B^n\| \leq M\) 对所有 \(n\)

摄动分析：若 \(B\) 稳定，\(B + C(t)\) 不稳定，因为：

\[ \|B + \Delta t C(\Delta t)\| \leq \|B\| \cdot \|I - \Delta t C(\Delta t)\| \]

通过矩阵范数的三角不等式与摄动理论，说明时变摄动可能导致系统不稳定。

添加时间: 2026-04-15