前向后项差分和显式隐式欧拉法

摘要：
本文主要介绍前向后向差分，显式隐式欧拉法及其稳定性分析。
前向差分对应显式方法，后向差分对应隐式方法。显式欧拉法是比较流行的显式方法，隐式欧拉法是比较流行的隐式方法。
显式欧拉法条件稳定，对积分步长有要求，隐式欧拉法无条件稳定，对积分步长无要求（理论上如此，但实际使用中对积分步长仍然有要求，只是比显式欧拉宽松）。

1. 前向差分与后向差分

设一元函数函数$y(t)$离散化为一系列的点，$y_0, y_1,...,y_n,y_{n+1},y_{n+2},...$，其中，$y_n=f(t_n)$, $t_n=t_{n-1}+h$, 称$h$为步长。

1.1 前向差分（Forward Difference）

1. 前向差分的定义：$\triangle{y_n}\equiv y_{n+1}-y_n.$
   之所以称之为前向差分，是因为当前时刻的差分$\triangle{y_n}$，是下一时刻位置$y_{n+1}$（时间向前前进一步）与当前时刻位置$y_n$之差。
   • 高阶前向差分
     根据上式递归可得k阶前向差分公式为：$\triangle^ky_n=\triangle^{k-1}y_{n+1}-\triangle^{k-1}y_n.$
     例如，二阶前向差分公式为：
     $\triangle^2y_n=\triangle^{2}_n$
     　　　$=\triangle(\triangle_n)$
     　　　$=\triangle(y_{n+1}-y_n)$
     　　　$=\triangle_{n+1}-\triangle_n$
     　　　$=y_{n+2}-2y_{n+1}+y_n$

   • 1.2 后向差分（Backward Difference）

     1. 后向差分定义：$\triangle y_n \equiv y_n - y_{n-1}.$
        由定义可以看出，当前时刻的差分，是当前时刻的位置与前一时刻的位置之差。
     2. 高阶后向差分
        同上，k阶后向差分公式为：$\triangle^k y_n=\triangle^{k-1}y_n-\triangle^{k-1}y_{n-1}.$
        因此，二阶后向差分公式为：$\triangle^2y_n=y_n-2y_{n-1}+y_{n-2}.$

     1.3 差商和导数

     1. 差商就是差分除以步长，即，$\frac{\triangle y_n}{h}.$
     2. 在数值计算中，需要以差商代替导数，即，$y^{'}_n=\frac{\triangle y_n}{h}.$
        
        • 如果使用前向差分，则为显式方法，例如，$f^{'}_n=\frac{y_{n+1}-y_n}{h}.$
        • 如果使用后向差分，则为隐式方法，例如，$y^{'}_n=\frac{y_{n}-y_{n-1}}{h}.$

     2. 显式欧拉和隐式欧拉

     设有一阶常微分方程$\frac{dy}{dt}=f^{'}(t,y).$很多时候我们无法求出函数$y$的解析解，只能通过数值方法逼近，即，将时间离散为一系列的点$t_0,t_1,...,t_n,t_{n+1},...$其中，$t_i = t_{i-1}+h.$ 我们要做的就是求函数$y$在这些离散的时间点上的值$y_n=y(t_n).$

     2.1 显式欧拉（Explicit Euler）

     • 显式欧拉公式：$y_{n+1}=y_n+hf(t_n,y_n).$
       之所以称之为显式，是因为下一时刻的值$y_{n+1}$，可根据当前时刻的值$y_n$及其导数$y^{'}_n$ 显式地给出。
     • 另一种角度看上面的公式：从当前时刻出发，根据当前时刻的函数值及其导数，可得到下一时刻的值。因此显式欧拉法又称为前向欧拉（Forward Euler）
     • 再从另一个角度看，我们把上面的公式做一下变形可得$f(t_n,y_n)=\frac{y_{n+1}-y_n}{h}.$ 即，显示欧拉就是用前向差商代替导数。

     2.2 隐式欧拉（Implicit Euler）

     • 隐式欧拉公式：$y_{n}=y_{n-1}+hf(t_{n},y_{n}).$
       之所以称之为隐式，是因为上式是一个隐式方程。
     • 另一种角度看上面的公式：将上式做一下变形可得：$y_{n-1}=y_{n}-hf(t_{n},y_{n}).$从当前时刻出发，根据当前时刻的函数值及其导数，可得到前一时刻函数的值。因此隐式欧拉法又称为后向欧拉（Backward Euler）
     • 再从另一个角度看，我们把上面的公式做一下变形可得$f(t_n,y_n)=\frac{y_{n}-y_{n-1}}{h}.$ 即，显示欧拉就是用后向差商代替导数。

     2.3 例证欧拉法的稳定性

     设有一阶常微分方程$\frac{dy}{dt}=-ay.$ 我们知道，这个常微分方程的解析解为$y=e^{-at}.$ 当$t \to \infty$时，$y\to 0.$ 那么分别用显式、隐式欧拉法会得到什么呢？
     1. 显式欧拉法条件稳定（Conditionally Stable）
     根据显式欧拉法公式，
     $y_{n+1}=y_n+hf(t_n,y_n)=y_n-ahy_n=(1-ah)y_n=(1-ah)^2y_{n-1}=...=(1-ah)^{n+1}y0.$
     为了保证上式收敛，需要保证$|(1-ah)|<1$, 得，$h<\frac{2}{a}$
     即，为了保证显式欧拉的稳定性，需要保证时间步长$h<\frac{2}{a}$，即，条件稳定.

     2.隐式欧拉法无条件稳定（Unconditionally Stable）
     根据隐式欧拉公式，$y_{n+1}=y_n+hf(t_{n+1},y_{n+1})=y_n-ahy_{n+1}.$
     则，$y_{n+1}=\frac{y_n}{1+ah}.$
     又，$a>0,h>0$则$1+ah$恒大于1。即不管时间步长为多大，隐式欧拉始终稳定，即无条件稳定.

     注意：实际应用中，隐式欧拉需要求解隐式方程，通常也是使用逼近的方法（例如，Newton-Raphson）求解，因此实际的隐式欧拉方法并不是无条件稳定的。

     3.一般形式的稳定性分析，我目前还没有掌握。