01先把问题说具体
已知温差满足 y′=−y、初始 y(0)=1,如何算出 0.1 秒、0.2 秒后的温差?
02一步步得到方法
变化率乘时间就是近似变化量
微分方程 y′=f(t,y) 给出当前位置的变化速度。由 y(t+h)=y(t)+∫ₜᵗ⁺ʰ f(s,y(s))ds,用区间左端的速度近似整段积分,得到显式欧拉法 yₙ₊₁=yₙ+h f(tₙ,yₙ)。
显式表示新值完全由已知旧值计算,无需解含新值的方程。若右端改用 f(tₙ₊₁,yₙ₊₁),就得到隐式欧拉法,需要求解方程,稳定性也会不同。
误差为什么逐步累积
精确解的泰勒展开含 ½h²y″ 等被省略项,所以从精确起点走一步的局部截断误差为 O(h²)。在固定时间区间走约 1/h 步,适当光滑与稳定条件下全局误差为 O(h)。
阶数讨论的是 h 趋于 0,不表示任意大步长都准确。减半 h 通常把主导的全局误差约减半,但会增加步数,浮点误差也不会无限缩小。
用衰减方程检查稳定性
对 y′=λy,数值递推为 yₙ₊₁=(1+hλ)yₙ。真实解在 λ<0 时衰减,数值解要避免增长必须 |1+hλ|≤1。对 λ=−1,严格衰减需 0<h<2;若还要求保持正值,需要 h≤1。
稳定与准确是两件事。h=1.5 时数值解正负交替但逐渐衰减,可能并不符合希望保留的物理形状。刚性问题的负特征值很大时,显式欧拉的稳定步长可能极小。
03把一个小例子完全算清楚
y′=−y,y₀=1,h=0.1。
| 步骤 | 计算与状态 | 为什么这样做 |
|---|---|---|
| t=0→0.1 | y₁=1−0.1=0.9 | 使用旧时刻斜率 −1 |
| t=0.1→0.2 | y₂=0.9−0.09=0.81 | 斜率更新为 −0.9 |
| 比较精确解 | e⁻⁰·²≈0.818731 | 误差约 −0.008731 |
窄屏可左右滑动表格,阅读完整计算与理由。
欧拉法给出 y(0.2)≈0.81;减小时间步可改善近似。
04为什么这个方法成立
- 积分恒等式给出推进的起点,用左矩形近似积分得到公式。
- 局部误差来自泰勒展开被省略的二阶及以上项。
- 线性测试方程的放大因子给出稳定区间,但不能代替所有非线性问题的稳定性分析。
05把推导翻译成代码
Python · 可独立运行的教学实现
def euler(f, t0, y0, step, count):
if step <= 0 or count < 0:
raise ValueError("invalid time grid")
t,y = float(t0),float(y0)
trace = [(t,y)]
for k in range(count):
y = y + step*f(t,y)
t = t0 + (k+1)*step
trace.append((t,y))
return trace
print(euler(lambda t,y:-y,0,1,.1,2))逐个理解关键决定
step*f(t,y)- 用旧状态计算变化量,再得到新状态;不要先更新时间再误用新时刻的斜率。
t0 + (k+1)*step- 从起点计算时间标签,减少不断累加时间带来的漂移。
trace- 保存全部点便于画图;只关心终值时可只保留当前状态。
06时间、空间与实现范围
n 步调用右端函数 n 次,时间 O(nC_f);标量运算部分 O(n)。
保存轨迹 O(n) 空间,滚动推进只需 O(1) 额外空间;向量状态再乘维度。
07改变条件,检查哪里会出错
局部误差 O(h²) 就说方法是二阶
欧拉法在固定区间上的全局阶为一阶。
步长只影响精度
步长还可能决定数值解是否爆炸。
08从手算到独立迁移
先写出自己的结果和理由,再展开提示或解析。三题依次检查具体执行、边界条件和方法迁移。
h=0.5,走两步得到多少?
需要一点提示
每步乘 0.5。
查看解析与答案
得到 0.25,而精确 y(1)=e⁻¹≈0.367879。
λ=−100 时严格稳定的正步长范围?
需要一点提示
解 |1−100h|<1。
查看解析与答案
0<h<0.02。
如何用实验估计全局阶?
需要一点提示
比较固定终点处 h 与 h/2 的误差。
查看解析与答案
在渐近区间且其他误差不主导时,一阶方法的误差比约为 2。
继续深入这个专题
本站例子、推导与教学代码独立编写。以下是相关教材、作者论文或官方文档,可继续核对定义、证明与更完整的工程实现。
Driscoll 与 Braun · 数值微分方程FEniCSx · Poisson 方程与弱形式Meep · FDTD 基础