當沒有公式時，就架一張格網
到此為止，你的工具箱裝滿了精確解：達朗貝爾公式、分離變數法、熱核、格林函數。它們很美，也很稀有。把定義域換成不規則的形狀、讓某個係數隨位置變化、或加上一點點非線性，乾淨的公式就枯竭了。對大多數真實的偏微分方程而言，誠實的處境是：根本不存在解的封閉表達式——可是我們仍然需要數字。數值方法這一級，談的就是如何可靠地生出那些數字，而有限差分是最古老、也最透明的入口。
這想法簡單得令人卸下心防。我們不再到處尋找光滑函數 u(x,t)，而是鋪下一張規則的格網：位置 x_j = j h 彼此相距 h，時刻 t_n = n k 彼此相隔一步 k。我們只會在這些交叉點上詢問 u 的值，並把該格點值記為 U_j^n，作為真值 u(x_j, t_n) 的近似。一個定義在整片區域上的連續未知量，就化成了一張有限的數字表——某個電腦真能裝下的東西。技藝藏在填表的法則裡，而那法則來自把偏微分方程中的每個導數，換成一個 有限差分近似。
導數是斜率；差分是弦
就從你在單變數微積分學到的那個定義出發：一點處的導數 u_x 是斜率的極限，即當 h 縮向零時 (u(x + h) - u(x)) / h 的極限。有限差分的把戲，就是拒絕取極限，停在一個很小但真實的 h 上。這給出前向差分 (U_{j+1} - U_j) / h，用 j 處的值與它右邊的鄰居來誠實地估計 u_x。從幾何看，真正的導數是 x_j 處切線的斜率，而前向差分是連接曲線上兩個鄰近點的弦的斜率——很接近，但並不相同。
用同一招，還有後向差分 (U_j - U_{j-1}) / h，倚靠左邊的鄰居；以及中心差分 (U_{j+1} - U_{j-1}) / (2h)，把兩側平均。對於二階導數 u_xx——主宰熱方程的那一個——自然的選擇是把一排三個點合起來：(U_{j+1} - 2 U_j + U_{j-1}) / h^2。把它讀成右邊的值加左邊的值再減去中間的兩倍，全部除以 h^2；當中間那點恰好落在比鄰居低的凹谷裡時，它就又大又正，這正是你早已信任的 u_xx「向上凹」的圖像。每一道這樣的配方都是一個小小的樣板（stencil）：公式伸手去觸碰的一組固定格點。
forward u_x ~ ( U_{j+1} - U_j ) / h
backward u_x ~ ( U_j - U_{j-1} ) / h
centred u_x ~ ( U_{j+1} - U_{j-1} ) / (2h)
second u_xx ~ ( U_{j+1} - 2 U_j + U_{j-1} ) / h^2
stencil for u_xx: o ---- o ---- o
j-1 j j+1泰勒定理是那位誠實的會計
弦比起切線究竟錯了多少？泰勒定理給出精確的答案，而這正是整個主題的核心。把真解在 x_j 附近展開：u(x_j + h) = u + h u_x + (h^2 / 2) u_xx + (h^3 / 6) u_xxx + ...，其中每個導數都在 x_j 處取值。把這代入前向差分，領頭的 u 與第一個 h u_x 項恰好還原出 u_x；剩下的一切都是誤差。留下來的是 (h / 2) u_xx 加上更小的碎片——這就是 截斷誤差，差分公式與它所模仿的導數之間的落差。
那個領頭剩餘量的大小，就是精度階數。前向差分的誤差約為 (h/2) u_xx，一項正比於 h，故它是一階精確：把 h 減半，誤差大致也減半。現在對中心差分做同樣的記帳，一個小小的奇蹟出現了——u(x_j + h) 與 u(x_j - h) 對稱的展開使 u_xx 項彼此抵消，存活下來的誤差正比於 h^2。中心差分是二階：把 h 減半，誤差掉到四分之一。觸碰的點數相同，卻是好得多的交易，純粹因為對稱性殺掉了領頭的誤差項。
從單一導數到一整個格式
現在把這些零件組裝成一個對付真實偏微分方程的方法。取熱方程 u_t = k u_xx。把時間導數換成 t 方向的前向差分，把空間導數換成 x 方向的中心二階差分，你就得到經典的 FTCS 格式——前向時間、中心空間（Forward Time, Centred Space）。對新時間層上那唯一的未知量求解，得到一個顯式更新：U_j^{n+1} = U_j^n +（k·diff / h^2）(U_{j+1}^n - 2 U_j^n + U_{j-1}^n)。把它唸出來：一點上的新溫度，是舊溫度被推向鄰居平均值的結果，恰恰是「熱量湧入凹谷」的直覺，如今化成電腦一步步往前推進的算術。
- 鋪下格網：選定空間步長 h 與時間步長 k，並由初始資料設定 U_j^0，即 U_j^0 = f(x_j)。
- 為每個導數挑一個樣板：u_t 用時間前向，u_xx 用三點中心二階差分。
- 代入 u_t = k u_xx，並對唯一的新時間值 U_j^{n+1} 做代數求解。
- 掃過所有內部的 j，用第 n 列填出第 n+1 列；在兩端施加邊界值。
- 重複，讓 n 往前推進，直到抵達你所關心的最終時刻。
這個模式——先把空間離散化，把偏微分方程化成一個關於時間、彼此耦合的大型常微分方程組，再把它往前推——好用到有了專屬名字，叫做 線方法。每個格點在時間中描出一條「線」，而空間樣板告訴鄰居們如何彼此對話。值得停下來看看我們做了什麼：偏微分方程——那個開啟整個主題的東西——被化約成一個你早已會積分的常微分方程組，再化成一張數字表上純粹的算術。
小的截斷誤差是必要的，卻不充分
一個截斷誤差隨 h 與 k 縮小而趨於零的格式，稱為相容（consistent）——它確實在逼近正確的那條偏微分方程，而非某個鄰居。相容性正是截斷誤差所認證的性質，你或許會盼望這就是全部。並不是，而這正是本級最重要的一份誠實。一個格式可以在每一點都有漂亮地微小的截斷誤差，卻仍然產出徹底的垃圾，因為隨著推進反覆進行，每一步的微小誤差可能放大、自我滋養。熱方程的 FTCS 就是教科書級的前車之鑑：取一個相對於 h^2 太大的時間步 k，算出的解便爆發成每一步都翻倍的狂亂振盪，儘管每一個別的差分都是忠實的 O(h^2) 近似。
缺的那塊是穩定性——一個保證，確保誤差隨步數累積而維持有界，而不是炸開。相容性加上穩定性合起來給出收斂性，那真正的獎賞：當格網加密時 U_j^n 確實趨向真值 u(x_j, t_n)，在極限中還原出古典解。這個三方關係正是本主題著名的等價定理，下一篇導讀將全篇獻給它；眼下的教訓是：截斷誤差恰恰是兩根支柱之一。它告訴你格式瞄準了正確的標靶——卻完全沒說推進過程會不會讓答案爆炸。
還有一個值得點名的微妙之處，因為它纏繞著本級其餘的內容。一個格式實際犯下的誤差，常常看起來像是來自一條略為不同的偏微分方程——所謂的 修正方程。舉例來說，對流問題的一階迎風格式，行為就彷彿在解一條額外栓上了一個小擴散項的對流方程，產生人為的塗抹，稱為 數值擴散。截斷誤差的展開正是揭露此事的工具：那個領頭的剩餘項，就是我們上面算出的同一個 h u_xx，它字面上就是一個真方程從未擁有的擴散。因此截斷誤差不只是一個待界定的數字——讀對了，它告訴你格網所犯錯誤的性格。