1
理論基礎與適定性
MATH007Lesson 5
00:00
在啟用四階龍格-庫塔或亞當斯-莫爾頓等數值求解器之前,我們必須提出一個根本性問題: 解是否存在,且是否穩定? 初值問題(IVP)的理論基礎提供了數學上的「綠燈」,確保我們的離散化方法收斂至具有實際意義的物理現實,而非純粹的數值噪聲。

根基:利普希茨連續性

為了控制誤差的傳播,我們需要一個函數 $f(t, y)$,其變化不至於過於劇烈。這由 利普希茨條件所形式化。

定義 5.1:利普希茨條件

若在集合 $D \subset \mathbb{R}^2$ 上存在常數 $L > 0$,使得函數 $f(t, y)$ 對變量 $y$ 滿足利普希茨條件,則有:

$$|f(t, y_1) - f(t, y_2)| \le L|y_1 - y_2|$$

對所有 $(t, y_1), (t, y_2) \in D$ 成立。此常數 $L$ 即為函數垂直變化之「速度限制」。

範例 1:分析利普希茨常數

考慮在 $D = \{(t, y) \mid 1 \le t \le 2, -3 \le y \le 4\}$ 上的函數 $f(t, y) = t|y|$。根據均值定理(或絕對值的性質):

$|f(t, y_1) - f(t, y_2)| = |t|y_1| - t|y_2|| = |t| \cdot ||y_1| - |y_2|| \le |t| \cdot |y_1 - y_2|$。

由於在定義域內 $t$ 的最大值為 2,因此利普希茨常數為 $L=2$。

定義域幾何完整性

我們無法在充滿孔洞的定義域中求解初值問題(IVP)。我們需要 凸性所形式化。

定義 5.2:凸集

若對於任意兩點 $(t_1, y_1)$ 與 $(t_2, y_2)$,其所定義的線段:

$$((1 - \lambda)t_1 + \lambda t_2, (1 - \lambda)y_1 + \lambda y_2)$$

其中 $\lambda \in [0, 1]$,也包含於 $D$ 內。這確保了解路徑的任何部分都不會「離開」有效的計算區域。

存在性與唯一性定理

當這些條件同時滿足時,我們引出 定理 5.4:若 $f$ 在凸集 $D$ 上連續且滿足利普希茨條件,則初值問題 $y' = f(t, y), y(a) = \alpha$ 存在唯一 的解 的解 $y(t)$。這解釋了為何像歐拉法 ($w_{i+1} = w_i + h f(t_i, w_i)$) 這樣的簡單方法,或是如預測-校正邏輯這樣的複雜方法都成立:

$WC = w_{i-1} + \frac{h}{24}[9f(t_i, WP) + 19f(t_{i-1}, w_{i-1}) - 5f(t_{i-2}, w_{i-2}) + f(t_{i-3}, w_{i-3})]$。

🎯 核心原則:適定性
一個問題是 適定的 若存在唯一解且解連續依賴於初始數據,則稱其為適定。若利普希茨常數 $L$ 極大,問題將變得「剛性」。在剛性方程中,瞬態部分迅速衰減,但其導數(大小為 $c^n e^{-ct}$)卻不會快速衰減,因此需要 算法 5.8:帶牛頓迭代的梯形法 以維持穩定性。