高等数学 / 系统课时

欧拉数值法

欧拉数值法

欧拉法把微分方程在当前点的导数当作局部斜率,用一小段切线预测下一时刻的状态。学完本课,你将能把初值问题离散为可执行步骤,并判断步长对误差和稳定性的影响。

学习目标

  • 理解欧拉法由局部线性近似得到的更新公式
  • 能用 Python 实现一阶常微分方程的逐步求解
  • 能根据误差与稳定性要求选择更合理的步长

从初值问题到离散更新

考虑一阶初值问题:

y′=f(x,y),y(x0)=y0y'=f(x,y),\quad y(x_0)=y_0

解析解要求直接求出整个函数,而数值法只计算一组离散点。设步长为 hh,网格点满足 xn+1=xn+hx_{n+1}=x_n+h。在当前点 (xn,yn)(x_n,y_n),导数 f(xn,yn)f(x_n,y_n) 给出了曲线的瞬时斜率,因此可以用切线预测下一点:

yn+1=yn+hf(xn,yn)y_{n+1}=y_n+h f(x_n,y_n)

这就是显式欧拉公式。“显式”表示右侧只依赖已经知道的 xnx_n 和 yny_n,不需要求解额外方程。

欧拉法用局部切线逐步逼近真实解曲线

算法执行过程

每一步只做三件事:在当前点计算斜率,乘以步长得到状态增量,再更新横坐标和状态值。若要求从 x0x_0 推进到 xendx_{\text{end}},步数通常取 (xend−x0)/h(x_{\text{end}}-x_0)/h,并确认该结果为整数或妥善处理最后一个不足步长的区间。

每步计算一次 ff。固定状态维度和每次 ff 的成本时,执行 NN 步的时间为 O(N)O(N);只保留当前状态的存储与步数无关,保存全轨迹则需要与 NN 成正比的存储。

Python 主示例

下面求解初值问题 y′=y−x2+1y'=y-x^2+1、y(0)=0.5y(0)=0.5,以步长 h=0.2h=0.2 推进到 x=1x=1。程序同时计算该问题的精确解,用于观察数值误差。

python
import math

def f(x: float, y: float) -> float:
    return y - x**2 + 1

x = 0.0
y = 0.5
h = 0.2
steps = 5

print("step x y")
print(f"{0:>4} {x:.1f} {y:.6f}")

for step in range(1, steps + 1):
    # 使用当前点的斜率预测下一步状态
    y = y + h * f(x, y)
    x = x + h
    print(f"{step:>4} {x:.1f} {y:.6f}")

# 精确解仅用于评估误差,不参与欧拉迭代
exact = (x + 1) ** 2 - 0.5 * math.exp(x)
print(f"absolute_error={abs(exact - y):.6f}")

预期输出

text
step x y
   0 0.0 0.500000
   1 0.2 0.800000
   2 0.4 1.152000
   3 0.6 1.550400
   4 0.8 1.988480
   5 1.0 2.458176
absolute_error=0.182683

输出表明算法确实沿网格向前推进,但在 x=1x=1 处仍有明显误差。原因不是代码错误,而是欧拉法只使用区间起点的一次斜率估计,忽略了该步内部斜率的变化。

步长、误差与稳定性

若解足够光滑,且右端对状态的变化满足 Lipschitz 控制,一步从精确状态出发的误差是 O(h2)O(h^2),固定时间区间上的累计误差是 O(h)O(h)。把本例的 h 改为 0.1、steps 改为 10,终点仍是 11,误差从 0.1826830.182683 降到约 0.0971050.097105。

精度之外还要检查稳定性。对 y′=−λyy'=-\lambda y(λ>0\lambda>0),欧拉更新是 yn+1=(1−λh)yny_{n+1}=(1-\lambda h)y_n。数值幅度会随步数衰减的条件是 ∣1−λh∣<1|1-\lambda h|<1,即 0<λh<20<\lambda h<2。当 1<λh<21<\lambda h<2 时,结果会交替变号但幅度仍下降;当 λh>2\lambda h>2 时幅度反而增大。比如 λ=10, h=0.25\lambda=10,\ h=0.25 时,每步乘以 −1.5-1.5,真实解则持续衰减。这个测试解释了为什么刚性问题有时需要换用更稳定的求解器。

常见错误

更新顺序是最容易出错的地方。计算 yn+1y_{n+1} 时必须使用旧的 xnx_n 和 yny_n;若先更新 xx 再计算斜率,就变成了另一种算法。另一个常见问题是只看最终数值,不做步长缩小实验,导致把离散误差误认为真实行为。

当状态是向量时,公式保持不变,只需让 yy 和 f(x,y)f(x,y) 返回向量,并保证各分量使用同一时刻的旧状态同步更新,不能逐分量覆盖后再计算其他分量。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

欧拉数值法

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通