刚性常微分方程

形式陈述 ​

刚性没有覆盖所有非线性问题的单一无争议数值定义。一个可操作的刻画是：在给定时间区间、误差容差和数值方法下，解析解中同时存在快速衰减与慢速演化尺度；慢速轨道的精度允许步长 $h_{\mathrm{acc}}$ 较大，但显式方法为保持绝对稳定公理库ODE 方法的绝对稳定域Absolute stability region · Region of absolute stability · A-stability以标量衰减测试方程的放大因子定义一步法稳定域，并区分 A-stability、L-stability、精度与其他稳定概念。不得不采用远小得多的 $h_{\mathrm{stab}}$。当

$$h_{\mathrm{stab}}\ll h_{\mathrm{acc}},$$

并且这项限制主导总成本时，称该计算呈现刚性。

对常系数线性系统公理库线性常微分方程组Linear system of ordinary differential equations形如 x′=A(t)x+b(t) 的向量值一阶线性方程组。

$$y^{\prime }=Ay,$$

若 $A$ 正规且特征值实部均为负，每个模态的衰减时间约为

$${\tau }_i=\frac{1}{|\mathrm{Re}{\lambda }_i|}.$$

最短时间尺度可能只在初始瞬态中可见，却仍限制显式稳定步长；长时间解则由最慢模态控制。常见刚性比

$$\frac{\underset{i}{max}|\mathrm{Re}{\lambda }_i|}{\underset{i}{min}|\mathrm{Re}{\lambda }_i|}$$

只能作为这一特殊情形的尺度诊断。它不覆盖接近虚轴的振荡模态、非正规瞬态、时变矩阵或非线性轨道。

对非线性方程 $y^{\prime }=f(t,y)$，通常沿数值轨道观察 Jacobian $J_f(t,y)$ 的快速衰减方向、局部时间尺度和步长控制历史。刚性会随状态和时间出现或消失；换一种方法、容差或考察区间，原来刚性的计算也可能不再刚性。因此刚性是问题与求解过程的关系，不是贴在微分方程名称上的永久标签。

A-stable 方法的稳定域包含整个左半平面，能移除标量衰减模态的显式稳定上限；L-stable 方法还满足 $R(z)\to 0$，会把极快衰减模态强力压低。A-stable 但非 L-stable 的梯形一步法在 $z\to -\mathrm{\infty }$ 时 $R(z)\to -1$，可能让已经无关的快速模态以交替符号长期残留。

隐式方法把稳定性代价转化为每步代数求解。一次步进可能需要构造或更新 Jacobian、分解稀疏矩阵、运行 Newton 迭代并检查内层残差。总成本应比较“显式方法的函数求值与拒步数”和“隐式方法的 Jacobian、线性求解及较少步数”，不能只比较接受步数。

求解器诊断可记录误差控制器原本建议的步长、因稳定或非线性求解导致的实际步长、拒绝步比例、Jacobian 估计尺度和线性/非线性迭代次数。反复把显式步压到远低于局部变化尺度，是刚性的实用信号；单次导数很大或一次拒步则不足以定性。

直觉 ​

刚性系统像一条宽阔缓慢的主路旁连着极短而陡的排水沟。轨道很快掉进主路，此后只沿慢方向前进；显式方法却仍怕一步跨过排水沟的宽度后被弹到另一侧，所以必须用与已经消失的快瞬态相匹配的小步。隐式稳定方法允许跨过这条快尺度，但每一步要解一个代数问题来确定落点。

关键矛盾不是“变化快”，而是稳定性要求比分辨用户关心的解变化严格得多。若真实解本身持续快速振荡或产生尖峰，所有方法都可能因精度而需要小步，那是必须解析的物理尺度，不应仅凭步长小就称为刚性。

例子与边界 ​

考虑

$$y^{\prime }=-1000(y-\cos t)-\sin t,y(0)=0.$$

令 $w=y-\cos t$，则 $w^{\prime }=-1000w$，所以精确解为

$$y(t)=\cos t-e^{-1000t}.$$

初始快瞬态在约 ${10}^{-3}$ 的时间尺度衰减，此后解主要按 $\cos t$ 缓慢变化。前向 Euler 对快模态要求

$$h\le \frac{2}{1000}=0.002$$

才不把衰减误算成增长，即使快项已经小到不影响用户容差，稳定限制仍然存在。这里不重复完整十步数值轨迹；限制本身已经展示 $h_{\mathrm{stab}}$ 与慢解精度尺度的分离。

后向 Euler 对该标量快模态 L-stable，可以使用更大的稳定步长，却仍只有一阶精度。若步长大到无法分辨 $\cos t$ 的变化，数值解依然不准确；若每步非线性方程没有求到与外层误差相称的容差，理论稳定函数也不再代表实际更新。

高频振荡 $y^{\prime }=i\omega y$ 的特征值在虚轴上，解不会衰减。显式方法可能因稳定域或相位精度采用小步，但这与“快速衰减模态已不重要却继续限制步长”的刚性机制不同。带有大负特征值也不是充分定义：若终点短到快瞬态正是观测目标，小步可能由精度而非无谓稳定限制要求。

非正规 Jacobian 的特征向量可能高度不正交。即使全部特征值实部很负，扰动仍可先瞬时放大；反过来，只用最大 $|\lambda |$ 也可能高估某些不可达方向的影响。可靠诊断需要结合矩阵范数、场值或实际步长历史，而不是把一个谱半径当成全部非线性刚性。

推论与应用 ​

局部与全局误差公理库ODE 的局部误差与全局误差Local and global error for ODE · ODE truncation error区分从精确状态迈出一步的局部缺陷与累计数值轨道的全局误差，并用离散 Grönwall 估计误差传播。说明精度控制怎样沿固定时间区间传播，本页则解释为何某些问题还要额外满足稳定域限制。隐式 Euler、Radau 或 BDF 等路线以不同方式扩展稳定域；具体算法页必须继续说明阶、非线性求解、Jacobian 复用和失败回退，不能只标注“A-stable”。

求解终止或切换方法时，应区分达到终点、误差容差未达、显式稳定限制导致预算耗尽，以及隐式 Newton/线性求解失败。把所有情况统一返回“步长过小”，会让使用者无法判断应改变容差、方法还是模型尺度。

参考资料

• Ernst Hairer and Gerhard Wanner, Solving Ordinary Differential Equations II: Stiff and Differential-Algebraic Problems, 2nd rev. ed., Springer, 1996, Chs. IV–V.
• Lawrence F. Shampine, Numerical Solution of Ordinary Differential Equations, Chapman & Hall, 1994, stiffness and practical solver behavior.
• Germund G. Dahlquist, “A Special Stability Problem for Linear Multistep Methods,” BIT Numerical Mathematics 3, 1963.