Runge-Kutta 方法在实际求解微分方程组时如何估计局部误差和全局误差?
我使用 Richardson 外推法来选择自适应步骤[Solving Ordinary Differential Equations I - Nonstiff Problems 167-168p]。
我看到了以下公式来估计一个微分方程的全局误差:, 在哪里步骤中的局部错误,- 的最大特征值(是系统的雅可比)。但是我没有找到它的解释和在ODE系统中的应用。
Runge-Kutta 方法在实际求解微分方程组时如何估计局部误差和全局误差?
我使用 Richardson 外推法来选择自适应步骤[Solving Ordinary Differential Equations I - Nonstiff Problems 167-168p]。
我看到了以下公式来估计一个微分方程的全局误差:, 在哪里步骤中的局部错误,- 的最大特征值(是系统的雅可比)。但是我没有找到它的解释和在ODE系统中的应用。
局部误差通常使用一对嵌入式 Runge-Kutta 方法来估计。经典示例是 4(5) 对(例如,Dormand-Prince),其中通过比较四阶和五阶解来估计单个步骤的误差。其他方法包括将时间步长减半或理查森外推等方法。
您所指的全局估计是 Dahlquist 使用的对数范数,它是 ODE 解的范数增长的一个界限。(参见Soderlind 关于对数范数的这篇评论论文的参考文献3。Gronwall 使用 Lipschitz 常数证明了类似的、较弱的结果;参见Gronwall 的不等式。)
在 ODE 的解决方案中,有多种方法可以限制和估计全局误差,我敢肯定我不会列出所有这些方法。
对于估计,我所知道的最新论文是由Constantinescu 撰写的,其中有大量值得一看的参考资料;其他值得注意的论文包括Skeel 的最新评论、Estep 的伴随方法(他有一系列基于伴随的后验误差估计论文)以及Cao 和 Petzold 的伴随方法。
边界也可以使用区间算术和泰勒方法来计算。Joseph Scott的论文应该有许多讨论这个话题的参考资料。