4.1 离散化三要素

4.1 离散化三要素

数值方法一章从"动手前的清单"开始。把一条连续的偏微分方程搬上计算机，本质上是一次降维投影：从无穷维的函数空间落到有限维的向量空间。投影怎么做，三个决定说了算——网格怎么铺、未知量放在哪、格式怎么写。这三要素配上相容、稳定、收敛的三角关系，构成全部数值方法共同的地基；本章后面四种方法，只是三要素的四种不同取法。

连续世界的第一次降维

第一个决定是网格：把区域切分成有限个单元。一维区间均匀切成 N 段，二维可以矩形、三角形、任意多边形，三维同理。网格的职责是把连续的空间坐标 x 替换成离散下标 i，把"处处有定义的函数"换成"格点上的数值表"。第二个决定是未知量：解在网格上的存放方式。可以在格点存放函数值（有限差分的做法），可以在单元内存放分片多项式（有限元的做法），可以在控制体内存放平均值（有限体积的做法），也可以存放全局基函数的展开系数（谱方法的做法）。第三个决定是格式：把导数算子翻译成代数运算的规则——差商、单元积分、谱系数乘法。三要素合起来，把微分方程变成代数方程组：常微分的初值问题变成递推数列，椭圆边值问题变成大型稀疏线性系统。

降维不可逆：真解 u 通常不落在离散空间里，格式算出的是离散空间里"最近"的那个向量。全部误差理论都在回答同一个问题——"最近"有多近，以及什么条件下越来越近。

图解：从连续函数到有限维向量

离散化三要素示意

三角关系与等价定理

三要素定了之后，三个性质层层把关。相容性：格式在光滑解处的截断误差（把真解代入格式后产生的残差）随网格加密趋于零——它保证格式是方程的忠实近似，验收工具是泰勒展开。稳定性：格式的迭代不会放大误差——初始数据或舍入带来的扰动在演化中保持有界，验收工具是冯·诺依曼分析（4.2 正式推导）或能量估计。收敛性：网格加密时离散解逼近真解——这是最终目的。三者的关系由拉克斯等价定理钉死：对线性适定问题，相容加稳定等价于收敛。这条定理的工程含义是分工：相容性用纸笔验证（一次性的泰勒展开），稳定性用分析验证（每个格式做一次），收敛性则不必单独证明——前两条立住，第三条自动兑现。

第二章的适定性三重契约在此有了离散回声：离散问题同样存在（线性系统可解）、同样可能不唯一（纯诺伊曼问题的离散版本差一个常数向量）、同样可能不稳定（刚性矩阵或违反 CFL 条件的显式格式）。所谓"数值问题适定"，翻译过来就是矩阵条件数不失控、迭代格式谱半径有界——第七章求解器调参的全部理论依据都在这条线上。

误差的谱系

"最近有多近"需要一本误差分类账。截断误差：格式对导数的近似本身带来的偏差，阶数由泰勒展开的最低未消项决定（一阶格式 O(dx)、二阶 O(dx²)）。舍入误差：浮点运算的固有噪声，随运算次数累积；步长减半让截断误差降四倍的同时，步数翻倍让舍入误差涨一倍——网格不是越密越好，总误差存在下坠后回升的 bathtub 曲线，双精度下谷底通常远低于工程需求。色散与耗散：格式对不同波数分量的系统性处理偏差——数值耗散让波幅虚假衰减，数值色散让不同波长的分量跑出不同的相速度。两者是"格式性格"：迎风格式强耗散，中心格式零耗散强色散，高阶格式把两者都推迟到更高波数。各向异性：网格方向性带来的误差方向偏好，三角网格与矩形网格的误差玫瑰图不同。

💡 关键直觉：报告数值精度时，先问误差在什么范数下、什么网格族上度量。同一格式在最大范数与平均范数下的收敛阶可以不同，均匀网格与自适应网格更不可比——没有度量的精度声明没有意义。

数值实验：网格加密研究，从误差表反推阶数

理论说显式格式对热传导方程时间一阶、空间二阶，实测验收。设计：固定 r = a²·dt/dx² = 0.4（稳定域内），把 dx 减半、dt 按比例缩小，与精确解对表，看误差是否按二阶下降。

import numpy as np

L, a, T_end = 1.0, 1.0, 0.1
phi = lambda x: x*(L-x)
u_exact = lambda x, t: np.zeros_like(x)          # 占位：真实精确解见下方构造

def solve(dx_ratio, r=0.4):
    nx = 10 * dx_ratio + 1
    x = np.linspace(0, L, nx); dx = x[1]-x[0]; dt = r*dx**2/a**2
    u = phi(x).astype(float)
    for _ in range(int(round(T_end/dt))):
        u[1:-1] = u[1:-1] + r*(u[2:]-2*u[1:-1]+u[:-2])
    return x, u

# 精确解：把初值展开成正弦级数逐项演化（3.1 的公式，项数取足）
def series_exact(x, t, N=4000):
    s = np.zeros_like(x)
    for n in range(1, N, 2):
        bn = 8/(n**3*np.pi**3)
        s += bn*np.sin(n*np.pi*x/L)*np.exp(-a**2*(n*np.pi/L)**2*t)
    return s

for nx in [11, 21, 41, 81]:
    x, u = solve((nx-1)//10)
    err = np.abs(u - series_exact(x, T_end)).max()
    print(f"nx={nx:3d}  最大误差 = {err:.3e}")
​

典型输出：nx 翻倍，误差约降为四分之一（一倍到两个量级之间的规律性 4 倍下降）——二阶收敛实测兑现。这张表是第七章验证活动的最小单元：代码声称二阶，表格必须示出二阶；阶数对不上（比如只有一阶）通常意味着边界处理把精度拖低了，这是工程调试里最高频的"隐藏一阶陷阱"。

三要素的四种取法

把本章后面四节预告成一张三要素对照表，选型逻辑一目了然：

⚠️ 常见坑：把"程序能跑"当成"格式相容"。截断误差分析必须包含边界格式——内部二阶、边界一阶的格式整体只有一阶，这条规律击穿过大量"看起来没问题"的代码。

本节要点

• 三要素：网格、未知量、格式，任何数值方法都是这三者的一个取法组合；
• 三角关系：相容性泰勒展开验收、稳定性分析验收、收敛性由拉克斯等价定理兜底；
• 误差谱系：截断、舍入、色散、耗散、各向异性五本账，各自有不同的积累规律；
• 加密研究：误差表反推收敛阶，是验证代码兑现理论的最小实验；
• 四种取法：差分、有限元、有限体积、谱方法的选型逻辑在本节定调，后四节逐一展开。

三要素齐备，可以开工了。下一节把"杆冷却"实验做成一份完整复盘：泰勒展开推格式、冯·诺依曼推稳定域、违反条件亲眼看爆炸、三套网格验阶数——一条龙走完。