NODE Übungsmenü

Grönwall 不等式（积分形式） 是分析 ODE 解的存在唯一性与稳定性的基石。它的作用是把一个隐式的、未知函数 $u$ 同时出现在不等式两侧（左侧是 $u(t)$ ，右侧的积分里也含 $u(\tau )$ ）的积分不等式，转化为一个显式的、只用已知量 $a$ 、 $b$ 表达的上界：

直观理解：积分项 $\int bu$ 描述了 $u$ 的“自我反馈式”增长—— $u$ 越大，它的增长速率也越大。这种反馈正是指数增长的来源，因此结论里出现了 $\exp (\int b)$ 。这里要求 $a$ 单调不减、 $b\ge 0$ ，正是为了让这个放大方向是单调可控的。

证明提示中的技巧：构造辅助函数 $\phi (t):=\exp (-{\int }_{t_0}^{t}b\mathrm{d}\tau ){\int }_{t_0}^{t}b(\tau )u(\tau )\mathrm{d}\tau$ 。求导后利用原不等式，可得 $\dot{\phi }(t)\le b(t)a(t)\exp (-{\int }_{t_0}^{t}b)$ 。这一步的精髓是用积分因子 $\exp (-\int b)$ 把含 $u$ 的项“吸收”进一个全导数里，再从 $t_0$ 到 $t$ 积分即可消去对 $u$ 的依赖。这与解一阶线性 ODE 时乘积分因子的手法如出一辙。

本题（Exercise 3.2）研究初值问题的解对扰动的敏感性，涉及几个关键概念：

• Lipschitz 连续（关于第二个变量）：存在常数 $L>0$ 使得 $\Vert f(t,y)-f(t,z)\Vert \le L\Vert y-z\Vert$ 。它要求右端函数 $f$ 随状态 $y$ 变化的速率被 $L$ 一致控制住。这是 Picard–Lindelöf 定理保证初值问题解存在且唯一的标准假设，也是后面所有估计能成立的前提。 $L$ 越大，系统对状态差异越敏感。
• 两类扰动： $\delta y_0$ （初值扰动， $\Vert \delta y_0\Vert \le {\epsilon }_1$ ）与 $\delta f$ （动力学/模型扰动， $\underset{t}{sup}\Vert \delta f(t)\Vert \le {\epsilon }_2$ ）。它们分别对应“起点测不准”和“模型不精确”两种误差来源。
• 偏差函数 $\delta y(t):=z(t)-y(t)$ ，即被扰动的解 $z$ 与名义解 $y$ 之差。本题要证明它满足

为什么叫“Trumpet Bound（小号界）”？ 把上界 $({\epsilon }_1+{\epsilon }_2(t-t_0))e^{L(t-t_0)}$ 看成时间 $t$ 的包络线：随着 $t$ 增大，它以指数速度张开。如果把名义解想象成一条中轴线、误差界为其上下包络，整个“可达区域”会像小号（喇叭）的喇叭口一样越往后开得越大——这就是名字的由来。它定量地说明：初值误差 ${\epsilon }_1$ 与持续扰动 ${\epsilon }_2$ 都会被以因子 $e^{L(t-t_0)}$ 指数放大，这正是数值积分长时间误差累积、乃至混沌系统对初值敏感的数学根源。

证明脉络：先把 $\delta y(t)$ 写成积分形式（用 $\dot{z}-\dot{y}=f(t,z)+\delta f-f(t,y)$ ），再用三角不等式拆出三项；对 $f(t,z)-f(t,y)$ 用 Lipschitz 性质得 $L\Vert \delta y\Vert$ ，对 $\delta f$ 用 ${\epsilon }_2$ ，对初值用 ${\epsilon }_1$ 。整理后得到

这恰好是 Grönwall 不等式的标准形式（ $a(t)={\epsilon }_1+{\epsilon }_2(t-t_0)$ 单调增、 $b\equiv L\ge 0$ ）。直接套用上一节的结论即得小号界，且 ${\int }_{t_0}^{t}L\mathrm{d}\tau =L(t-t_0)$ 正好给出指数因子 $e^{L(t-t_0)}$ 。可见 Trumpet Bound 本质上就是 Grönwall 不等式的一个直接推论。

本题（Exercise 3.3）介绍参数估计中的 Multiple Shooting（多重打靶法），关键概念如下：

• 参数估计的初值问题： $\dot{x}(t)=f(t,x(t),p)$ ， $x(t_0)=x_0$ ，其中 $p$ 是待估参数。把它直接当成一个关于 $p$ 的拟合问题，就是“单次打靶（single shooting）”。
• 单次打靶的弊端：由上一节的 Trumpet Bound 可知，解对初值/参数的敏感度随区间长度 $e^{L(t-t_0)}$ 指数增长。区间一长，目标函数对参数极度敏感、数值上高度病态，优化几乎无法收敛。
• $\epsilon$ -管状邻域（ $\epsilon$ -tubular neighborhood）：给定一条参考轨迹 $\varphi$ （通常由数据点样条插值得到）， $U_{\epsilon }(\varphi ):=\{(t,x):\Vert x-\varphi (t)\Vert <\epsilon \}$ 是 $\varphi$ 周围半径为 $\epsilon$ 的“管子”。要求解始终待在这根管子里，就把误差的指数膨胀“关”在了一个可控范围内。
• 要证明的命题：存在区间 $[t_0,t_1]$ 的一个剖分 $t_0={\tau }_0<{\tau }_1<\cdots <{\tau }_k=t_1$ ，使得在每个子区间上以参考轨迹 $\varphi ({\tau }_i)$ 为初值积分出来的解都落在 $U_{\epsilon }(\varphi )$ 内。

核心思想：与其在整条长区间上一次性积分（让误差按小号界指数张开），不如把区间切成若干短子区间，在每个节点 ${\tau }_i$ 处用参考轨迹的值重新设定初值。由于 $e^{L\mathrm{\Delta }{\tau }_i}\approx 1+L\mathrm{\Delta }{\tau }_i$ ，只要子区间长度 $\mathrm{\Delta }{\tau }_i$ 足够小，每段上的误差膨胀就被压到 $\epsilon$ 以内。代价是引入了各节点初值作为新的优化变量，并在节点处补上连续性（匹配）约束——这把一个无穷维、病态的拟合问题，转化为一个有限维、良态的非线性优化问题。

证明脉络：在单个子区间 $[{\tau }_i,{\tau }_{i+1}]$ 上定义偏差 $e(t):=x(t)-\phi (t)$ ，对 $\dot{e}$ 同样用 Lipschitz 性质（常数 $L$ ）与扰动界（常数 $C$ ，来自参考轨迹 $\phi$ 不是真解所引入的残差）得到

再次套用 Grönwall 不等式即得 $\Vert e(t)\Vert \le (\Vert e({\tau }_i)\Vert +C\mathrm{\Delta }{\tau }_i)e^{L\mathrm{\Delta }{\tau }_i}$ 。若在节点取 $x({\tau }_i)=\phi ({\tau }_i)$ 则 $e({\tau }_i)=0$ ，于是 $\Vert e(t)\Vert \lesssim C\mathrm{\Delta }{\tau }_i(1+L\mathrm{\Delta }{\tau }_i)$ 。这关于 $\mathrm{\Delta }{\tau }_i$ 是二阶小量，因此只要把剖分取得足够细（ $\mathrm{\Delta }{\tau }_i$ 满足证明末尾给出的显式上界），就能保证 $\Vert e(t)\Vert <\epsilon$ ，即解被困在 $\epsilon$ -管状邻域内。Grönwall 不等式在这里第三次充当了把局部估计推广到全区间的桥梁。