Метод конечных разностей для уравнений: схемы и устойчивость

Метод конечных разностей для уравнений - базовый численный приём, который заменяет производные в дифференциальном уравнении разностными отношениями значений функции в узлах сетки. Вместо непрерывной задачи мы получаем систему алгебраических уравнений, которую компьютер решает за конечное число операций. На этом методе держится численное решение краевых задач, уравнения теплопроводности, волнового уравнения и уравнения Пуассона. Ниже разберём, как строятся разностные аппроксимации производных, чем явная схема отличается от неявной, что такое устойчивость и сходимость и как не получить «взрыв» решения из-за неудачного шага.

Идея метода: от производной к разности

В основе метода конечных разностей лежит замена производной приближённым выражением через значения функции в соседних узлах. Сетка задаётся шагом $h$, а значения искомой функции обозначают $u_i = u(x_i)$, где $x_i = x_0 + i h$. Первую производную аппроксимируют тремя базовыми способами:

$u'(x_i) \approx \frac{u_{i+1} - u_i}{h}, \qquad u'(x_i) \approx \frac{u_i - u_{i-1}}{h}, \qquad u'(x_i) \approx \frac{u_{i+1} - u_{i-1}}{2h}.$

Это правая, левая и центральная разности. Первые две имеют порядок аппроксимации $O(h)$, центральная - $O(h^2)$, что видно из разложения функции в ряд Тейлора. Чем выше порядок, тем быстрее погрешность убывает при измельчении сетки. Чтобы понять, откуда берётся порядок, достаточно подставить в разностное отношение тейлоровское разложение $u(x_i \pm h) = u_i \pm h u'_i + \tfrac{h^2}{2} u''_i \pm \tfrac{h^3}{6} u'''_i + \ldots$: у центральной разности нечётные члены взаимно уничтожаются, и старшая остаточная погрешность оказывается пропорциональна $h^2$, тогда как у односторонних остаётся слагаемое порядка $h$. Эта же техника позволяет конструировать схемы повышенного порядка, привлекая больше соседних узлов.

Прежде чем разбирать схемы по теории, удобно один раз увидеть, как конкретное уравнение превращается в разностную систему. Соберите параметры задачи в инструменте ниже - он покажет шаблон разностной схемы, граничные условия и порядок аппроксимации для вашего случая.

Аппроксимация второй производной

Для краевых задач и уравнений в частных производных чаще всего нужна вторая производная. Её стандартная центральная аппроксимация имеет вид:

$u''(x_i) \approx \frac{u_{i-1} - 2u_i + u_{i+1}}{h^2}.$

Это так называемый трёхточечный шаблон с порядком $O(h^2)$. Именно он даёт «тридиагональную» структуру разностной системы: каждое уравнение связывает узел с двумя соседями. Тридиагональные системы решаются методом прогонки за $O(n)$ операций, что делает метод конечных разностей таким эффективным для одномерных задач. Подробный разбор схожих по структуре численных приёмов есть в материале про метод Симпсона для интегрирования.

Разностная схема для краевой задачи

Рассмотрим классическую краевую задачу для обыкновенного уравнения:

$-u''(x) + q(x)\,u(x) = f(x), \qquad u(a) = \alpha, \quad u(b) = \beta.$

Подставив центральную разность для второй производной в каждый внутренний узел, получаем для $i = 1, \ldots, n-1$:

$-\frac{u_{i-1} - 2u_i + u_{i+1}}{h^2} + q_i u_i = f_i.$

Это система линейных уравнений с тридиагональной матрицей. Краевые условия $u_0 = \alpha$ и $u_n = \beta$ замыкают систему. Так непрерывная краевая задача превращается в задачу линейной алгебры. Если коэффициенты постоянны, матрица оказывается симметричной и хорошо обусловленной, и метод прогонки даёт решение без накопления ошибки.

Явная и неявная схемы для уравнения теплопроводности

Для нестационарных задач - например, уравнения теплопроводности $u_t = a^2 u_{xx}$ - добавляется сетка по времени с шагом $\tau$. Возникают два принципиально разных подхода.

Явная схема выражает значение на новом слое напрямую через текущий слой:

$\frac{u_i^{n+1} - u_i^{n}}{\tau} = a^2 \frac{u_{i-1}^{n} - 2u_i^{n} + u_{i+1}^{n}}{h^2}.$

Она проста в реализации, но условно устойчива. Неявная схема вычисляет пространственную часть на новом слое:

$\frac{u_i^{n+1} - u_i^{n}}{\tau} = a^2 \frac{u_{i-1}^{n+1} - 2u_i^{n+1} + u_{i+1}^{n+1}}{h^2}.$

Она требует на каждом шаге решать систему уравнений, зато безусловно устойчива при любом шаге по времени. На практике это означает, что для медленно меняющегося процесса с неявной схемой можно брать крупный шаг $\tau$ и экономить на числе слоёв, чего явная схема не позволяет. Промежуточный вариант - схема Кранка–Николсон, усредняющая правые части двух слоёв и дающая порядок $O(\tau^2 + h^2)$; она объединяет высокую точность по времени с безусловной устойчивостью, но может давать слабозатухающие осцилляции при резких начальных данных.

Устойчивость и условие Куранта

Устойчивость - ключевое свойство разностной схемы: малые погрешности не должны неограниченно нарастать со временем. Для явной схемы теплопроводности анализ Фон Неймана даёт жёсткое ограничение на соотношение шагов:

$\frac{a^2 \tau}{h^2} \le \frac{1}{2}.$

Если это условие нарушено, решение начинает осциллировать и «взрывается» - численная неустойчивость. Для волнового уравнения аналогом служит условие Куранта–Фридрихса–Леви $\frac{c\,\tau}{h} \le 1$. Неявные схемы свободны от таких ограничений, поэтому их предпочитают для задач с жёсткими коэффициентами, хотя они и дороже на шаг.

Сходимость: теорема Лакса

Связь между аппроксимацией и устойчивостью устанавливает теорема Лакса: для корректно поставленной линейной задачи аппроксимация плюс устойчивость дают сходимость. Иначе говоря, если разностная схема приближает уравнение с порядком $O(h^p + \tau^q)$ и устойчива, то её решение стремится к точному при $h, \tau \to 0$. Это центральный результат всей теории, который позволяет не доказывать сходимость напрямую, а проверять два более простых свойства по отдельности.

Многомерные задачи и уравнение Пуассона

Метод конечных разностей естественно обобщается на несколько измерений. Для уравнения Пуассона $\Delta u = f$ на квадратной сетке оператор Лапласа заменяется пятиточечным шаблоном:

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

Матрица системы становится разреженной, но уже не тридиагональной - её решают итерационными методами вроде Гаусса–Зейделя или методом сопряжённых градиентов. Подходы к итерационному решению таких систем разобраны в статье про метод Гаусса–Зейделя для СЛАУ.

Частые ошибки

• Используют явную схему с произвольным шагом по времени и игнорируют условие устойчивости $\frac{a^2 \tau}{h^2} \le \frac{1}{2}$ - решение «взрывается».
• Путают порядок аппроксимации: берут одностороннюю разность $O(h)$ там, где нужна центральная $O(h^2)$, и удивляются медленной сходимости.
• Неверно учитывают краевые условия - забывают, что узлы $u_0$ и $u_n$ заданы и не входят в неизвестные системы.
• Применяют центральную разность для уравнений с преобладающим переносом (конвекцией), где она даёт нефизичные осцилляции вместо схемы «против потока».
• Считают, что измельчение только по пространству улучшит точность нестационарной задачи, забыв одновременно уменьшить шаг по времени.

FAQ

Чем метод конечных разностей отличается от метода конечных элементов? Конечные разности аппроксимируют сами производные на регулярной сетке и просты в одномерных и прямоугольных областях. Метод конечных элементов работает со слабой формой уравнения и гибче на сложной геометрии, но сложнее в реализации.

Когда выбирать неявную схему вместо явной? Когда задача «жёсткая» или нужен крупный шаг по времени: неявная схема безусловно устойчива и не требует выполнять условие Куранта, хотя на каждом шаге решает систему уравнений.

Что определяет порядок точности схемы? Порядок задаётся остаточным членом разложения Тейлора в аппроксимации производных. Центральные разности дают $O(h^2)$, односторонние - $O(h)$, а комбинированные схемы вроде Кранка–Николсон - $O(h^2)$ и по времени.

Коротко

Метод конечных разностей для уравнений заменяет производные разностными отношениями значений в узлах сетки и сводит дифференциальную задачу к системе алгебраических уравнений. Качество результата определяют три связанных свойства: порядок аппроксимации, устойчивость схемы и вытекающая из них по теореме Лакса сходимость. Явные схемы просты, но условно устойчивы и требуют выполнения условия Куранта; неявные дороже на шаг, зато устойчивы безусловно. Понимание этого баланса и аккуратный учёт краевых условий - основа корректного численного решения.