{
  "id": "eulers-method",
  "title": "欧拉法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "欧拉法是一种沿局部估计斜率逐步推进、近似求解常微分方程的一阶数值方法。",
  "category": "mathematics",
  "subcategory": "applied",
  "type": "concept",
  "aliases": [
    "欧拉方法",
    "前向欧拉法",
    "显式欧拉法"
  ],
  "generated_at": "2026-11-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/eulers-method/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/eulers-method/",
      "json": "https://aiwiki.page/en/eulers-method.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "欧拉法是一种在已知初值时近似求解常微分方程的数值方法。它从初值出发，反复利用方程在当前点给出的斜率，向前推进一小步。该方法以莱昂哈德·欧拉命名，是数值分析中最简单的方法之一，也是一阶显式单步积分方法的基本例子。除非另有说明，“欧拉法”通常指前向欧拉法，而不是与其相关的后向欧拉法。"
    },
    {
      "heading": "定义与构造",
      "text": "考虑初值问题\n\n\\[y'(t)=f(t,y(t)),\\qquad y(t_0)=y_0.\\]\n\n这里，\\(t\\) 是自变量，通常表示时间；\\(f\\) 给出了未知函数 \\(y\\) 的导数。选取正步长 \\(h\\)，并定义网格点\n\n\\[t_n=t_0+nh.\\]\n\n欧拉法通过递推关系构造近似值 \\(y_n\\approx y(t_n)\\)：\n\n\\[\\boxed{y_{n+1}=y_n+h f(t_n,y_n).}\\]\n\n量 \\(f(t_n,y_n)\\) 是当前数值状态下的估计斜率。将其乘以 \\(h\\)，便可估计下一步中 \\(y\\) 的变化量。\n\n该方法具有以下特点：\n\n- 显式： 下一步的值可直接由已知量算出，无需求解关于 \\(y_{n+1}\\) 的方程。\n- 单步： 下一步的值仅依赖于当前状态和当前时间，而不依赖更早的数值结果。\n- 一阶： 在适当的正则性假设下，当 \\(h\\) 趋于零时，固定积分区间上的误差与 \\(h\\) 成正比。\n\n也可以使用非均匀网格。令 \\(h_n=t_{n+1}-t_n\\)，则更新公式变为\n\n\\[y_{n+1}=y_n+h_n f(t_n,y_n).\\]"
    },
    {
      "heading": "几何与解析解释",
      "text": "切线近似\n\n在精确解曲线上的任意一点，微分方程给出了该点处切线的斜率。欧拉法沿着这条切线前进一步，然后在新的近似点处重新计算斜率。\n\n将相邻的数值点用线段连接起来，就得到一条欧拉折线。这条折线通常并不与精确解曲线重合：每条线段使用的斜率都固定为其左端点处的斜率，而真实斜率在这一步内可能不断变化。\n\n泰勒展开\n\n如果精确解足够光滑，由其泰勒级数展开可得\n\n\\[y(t_n+h) = y(t_n)+h y'(t_n)+\\frac{h^2}{2}y''(t_n)+O(h^3).\\]\n\n代入 \\(y'(t_n)=f(t_n,y(t_n))\\)，并舍去二次及更高次项，就得到欧拉法的更新公式。记号 \\(O(h^p)\\) 属于大O记号，用于描述当 \\(h\\) 变小时某个量的界。\n\n积分近似\n\n由微积分基本定理可得\n\n\\[y(t_{n+1})-y(t_n) = \\int_{t_n}^{t_{n+1}} f(s,y(s))\\,ds.\\]\n\n用左端点矩形公式近似这个积分，得到\n\n\\[\\int_{t_n}^{t_{n+1}} f(s,y(s))\\,ds \\approx h f(t_n,y(t_n)).\\]\n\n再将当前时刻的精确值替换为数值近似值，就得到欧拉法。当 \\(f\\) 仅依赖时间时，该方法就相当于累加左端点黎曼和的各项。"
    },
    {
      "heading": "计算示例",
      "text": "考虑\n\n\\[y'=y,\\qquad y(0)=1,\\]\n\n其精确解为指数函数 \\(y(t)=e^t\\)。欧拉法给出\n\n\\[y_{n+1}=(1+h)y_n,\\]\n\n因此\n\n\\[y_n=(1+h)^n.\\]\n\n当 \\(h=0.1\\) 时，前几个数值如下：\n\n\\(t_n\\) | 欧拉近似值 \\(y_n\\) | 精确值 \\(e^{t_n}\\)（经四舍五入）\n0.0 | 1.000000 | 1.000000\n0.1 | 1.100000 | 1.105171\n0.2 | 1.210000 | 1.221403\n0.3 | 1.331000 | 1.349859\n\n在 \\(t=1\\) 处，经过十步计算得到\n\n\\[y_{10}=1.1^{10}\\approx 2.593742,\\]\n\n而精确值为 \\(e\\approx 2.718282\\)。将步长减小至 \\(0.05\\)，可得\n\n\\[y_{20}=1.05^{20}\\approx 2.653298.\\]\n\n误差大约减半，与一阶收敛的性质一致。对于这个特定问题，由于每一步内的斜率都在增大，欧拉法得到的结果低于精确解；但一般而言，欧拉法并不总是低估解的值。"
    },
    {
      "heading": "精度与收敛性",
      "text": "有两种不同的误差需要关注。\n\n局部误差\n\n局部单步误差是从精确值出发执行一步欧拉法所产生的误差：\n\n\\[\\delta_{n+1} = y(t_{n+1})-y(t_n)-h f(t_n,y(t_n)).\\]\n\n如果 \\(y''\\) 有界，则\n\n\\[\\delta_{n+1}=O(h^2).\\]\n\n不同文献的术语有所差异：有些教材将这个量称为局部截断误差，另一些则用该术语指归一化后的量 \\(\\delta_{n+1}/h\\)，其阶为 \\(O(h)\\)。\n\n全局误差\n\n全局误差比较的是经过多步计算后数值解与精确解之间的差异：\n\n\\[e_n=y(t_n)-y_n.\\]\n\n假设 \\(f\\) 关于第二个自变量满足利普希茨连续性条件，常数为 \\(L\\)，并且精确解在所考察区间上满足 \\(\\lVert y''(t)\\rVert\\le M\\)。则\n\n\\[\\lVert e_{n+1}\\rVert \\le (1+hL)\\lVert e_n\\rVert+\\frac{M}{2}h^2.\\]\n\n从精确初值出发，当 \\(L>0\\) 时，由此可得\n\n\\[\\lVert e_n\\rVert \\le \\frac{Mh}{2L} \\left(e^{L(t_n-t_0)}-1\\right).\\]\n\n因此，在固定的有限区间上，\n\n\\[\\max_n \\lVert e_n\\rVert=O(h).\\]\n\n每一步引入的 \\(O(h^2)\\) 误差在约 \\(1/h\\) 步的计算中不断累积和传播，最终产生 \\(O(h)\\) 的全局误差。这个误差界也表明，仅有一阶收敛性并不能保证误差很小：区间长度和原方程对扰动的敏感程度同样重要。"
    },
    {
      "heading": "数值稳定性",
      "text": "数值稳定性关注数值方法如何传播扰动和误差。通常使用标量检验方程来考察其表现：\n\n\\[y'=\\lambda y,\\]\n\n其中 \\(\\lambda\\) 可以是复数。欧拉法给出\n\n\\[y_{n+1}=(1+h\\lambda)y_n.\\]\n\n因此，其放大因子为\n\n\\[R(z)=1+z,\\qquad z=h\\lambda.\\]\n\n绝对稳定域为\n\n\\[|1+z|\\le 1,\\]\n\n即复平面上以 \\(-1\\) 为圆心、半径为 \\(1\\) 的闭圆盘。满足严格不等式时，数值解会衰减。\n\n对于实数 \\(\\lambda<0\\)，数值解衰减要求\n\n\\[0<h<\\frac{2}{|\\lambda|}.\\]\n\n在上边界处，数值解的符号交替变化，但不衰减。超过该边界后，即使精确解在衰减，数值解的绝对值也会不断增大。\n\n刚性方程\n\n刚性微分方程含有快速衰减的模态，即使所关注的解变化缓慢，这些模态仍可能对显式方法施加严格的稳定性限制。此时，前向欧拉法可能需要极小的步长才能保证稳定性，而不是为了满足精度要求，从而导致计算效率低下。\n\n振荡系统\n\n对于纯虚数 \\(\\lambda=i\\omega\\)，其中 \\(\\omega\\) 为非零实数，\n\n\\[|1+ih\\omega|=\\sqrt{1+h^2\\omega^2}>1.\\]\n\n因此，对于任意正步长，前向欧拉法都会放大无阻尼振荡模态。这使得它不适合保守振荡系统的长时间模拟：所观察到的能量增长可能只是数值计算造成的伪象，而非模型本身的性质。"
    },
    {
      "heading": "方程组与实现",
      "text": "对于状态向量为 \\(\\mathbf y(t)\\) 的方程组，\n\n\\[\\mathbf y'=\\mathbf f(t,\\mathbf y),\\]\n\n同样的公式可逐分量应用：\n\n\\[\\mathbf y_{n+1} = \\mathbf y_n+h\\mathbf f(t_n,\\mathbf y_n).\\]\n\n高阶常微分方程可以先改写为一阶方程组。例如，\n\n\\[x''=g(t,x,x')\\]\n\n可化为\n\n\\[x'=v,\\qquad v'=g(t,x,v).\\]\n\n随后，前向欧拉法从同一个旧状态出发更新两个分量：\n\n\\[x_{n+1}=x_n+h v_n, \\qquad v_{n+1}=v_n+h g(t_n,x_n,v_n).\\]\n\n如果在更新位置时使用刚计算出的新速度，就会得到另一种格式。\n\n对于常系数线性方程组 \\(\\mathbf y'=A\\mathbf y\\)，其中 \\(A\\) 为矩阵，有\n\n\\[\\mathbf y_{n+1}=(I+hA)\\mathbf y_n.\\]\n\n其特征值有助于确定步长限制，但非正规矩阵还可能出现仅凭特征值无法描述的瞬态放大现象。\n\n欧拉法每一步都需要计算一次 \\(\\mathbf f\\)。除非需要完整轨迹，否则只需保存当前状态。在浮点运算中，无限减小步长并不能保证结果持续改善：更多的步数会带来更多的舍入运算，而极小的增量与大得多的状态值相加时，也可能被舍去。"
    },
    {
      "heading": "相关方法",
      "text": "后向欧拉法\n\n后向欧拉法使用新点处的斜率：\n\n\\[y_{n+1}=y_n+h f(t_{n+1},y_{n+1}).\\]\n\n它是一种隐式方法，通常需要求解代数方程；对于非线性问题，常使用牛顿法求解。它同样是一阶方法，但其稳定域包含整个左半平面，因此适用于许多刚性问题。\n\n高阶显式方法\n\n欧拉法是龙格—库塔方法中最简单的一种。通过增加斜率计算次数，可以提高精度。一个例子是休恩法：\n\n\\[\\widetilde y_{n+1}=y_n+h f(t_n,y_n),\\]\n\n\\[y_{n+1} = y_n+\\frac{h}{2} \\left[ f(t_n,y_n)+f(t_{n+1},\\widetilde y_{n+1}) \\right].\\]\n\n在适当的光滑性假设下，该方法具有二阶全局精度。“改进欧拉法”这一名称的用法并不统一，有时指休恩法，有时指显式中点法；因此，更新公式比这类非正式名称更为准确。"
    },
    {
      "heading": "历史与应用",
      "text": "欧拉在十八世纪研究微分方程时提出了这一方法。其构造简单，因此成为数值积分发展和教学中的基础范例。\n\n如今，它仍可用于入门计算、简单的非刚性系统模拟，以及对更复杂算法的分析。对于含时间变量的偏微分方程，一种基本求解思路是先在空间上进行有限差分法离散，再在时间上应用前向欧拉法，不过空间离散可能使时间步长受到越来越严格的限制。\n\n欧拉法还建立了连续模型与离散模型之间的联系。将其应用于梯度流\n\n\\[\\mathbf x'=-\\nabla V(\\mathbf x)\\]\n\n可得\n\n\\[\\mathbf x_{n+1} = \\mathbf x_n-h\\nabla V(\\mathbf x_n),\\]\n\n这正是固定步长的梯度下降。在这两种情形中，步长都会影响稳定性与收敛性；离散轨迹不一定保留相应连续轨迹的所有定性性质。"
    }
  ],
  "links": [
    "ordinary-differential-equation",
    "leonhard-euler",
    "numerical-analysis",
    "initial-value-problem",
    "derivative",
    "recurrence-relation",
    "taylor-series",
    "big-o-notation",
    "fundamental-theorem-of-calculus",
    "integral",
    "riemann-sum",
    "exponential-function",
    "lipschitz-continuity",
    "numerical-stability",
    "complex-number",
    "matrix",
    "eigenvalues-and-eigenvectors",
    "floating-point-arithmetic",
    "newtons-method",
    "runge-kutta-methods",
    "finite-difference-method",
    "gradient-descent"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}