杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
同等学力申硕电子科学与技术学科综合考前辅导第一类 数值分析第 7 节 / 共 32 节约 30 分钟免费

数值分析(六):常微分方程初值问题的数值解法

对应数值分析(七):Euler 法、改进 Euler 法、隐式 Euler 法与梯形方法,局部截断误差与方法的阶,Runge-Kutta 方法,单步法的稳定性,线性多步法与预测-校正算法。

本节考点:Euler 法与改进 Euler 法局部截断误差与阶Runge-Kutta 方法单步法的稳定性线性多步法与预测-校正

本节导读

这一节对应数值分析大纲「(七)常微分方程初值问题的数值解法」的六条:「简单的数值方法:Euler(尤拉)法和改进 Euler 法,隐式 Euler 法和梯形方法」「单步法的局部截断误差和方法的阶」「Runge-Kutta(龙格-库塔)方法」「单步法的稳定性」「线性多步法」「预测-校正算法」。数值分析的说明写明只要求「初步了解常微分方程」,这一节不需要会解析求解,只要会按公式一步步推进、会判断方法的阶和稳定性。

学完要做到:会用 Euler 法、改进 Euler 法、经典四阶 Runge-Kutta 方法算一步;会由局部截断误差定方法的阶;会用模型方程判断显式方法的步长限制;知道线性多步法和预测-校正算法怎么组织。

本节记号:初值问题 y′=f(x,y)y'=f(x,y)y′=f(x,y),y(x0)=y0y(x_0)=y_0y(x0​)=y0​;步长 hhh,节点 xn=x0+nhx_n=x_0+nhxn​=x0​+nh;yny_nyn​ 是 y(xn)y(x_n)y(xn​) 的近似值,fn=f(xn,yn)f_n=f(x_n,y_n)fn​=f(xn​,yn​);模型方程 y′=λyy'=\lambda yy′=λy 中的 λ\lambdaλ 是常数。

简单的数值方法

四个基本格式

把微分方程在 [xn,xn+1][x_n,x_{n+1}][xn​,xn+1​] 上积分,y(xn+1)=y(xn)+∫xnxn+1f(x,y) dxy(x_{n+1})=y(x_n)+\int_{x_n}^{x_{n+1}}f(x,y)\,\mathrm dxy(xn+1​)=y(xn​)+∫xn​xn+1​​f(x,y)dx,右端积分用不同的数值求积公式近似,就得到不同的方法:

方法公式显式 / 隐式阶
Euler(尤拉)法yn+1=yn+hf(xn,yn)y_{n+1}=y_n+hf(x_n,y_n)yn+1​=yn​+hf(xn​,yn​)显式1
隐式 Euler 法yn+1=yn+hf(xn+1,yn+1)y_{n+1}=y_n+hf(x_{n+1},y_{n+1})yn+1​=yn​+hf(xn+1​,yn+1​)隐式1
梯形方法yn+1=yn+h2[fn+f(xn+1,yn+1)]y_{n+1}=y_n+\dfrac h2\big[f_n+f(x_{n+1},y_{n+1})\big]yn+1​=yn​+2h​[fn​+f(xn+1​,yn+1​)]隐式2
改进 Euler 法先用 Euler 法预测,再用梯形方法校正一次显式2

Euler 法的几何意义是沿着 (xn,yn)(x_n,y_n)(xn​,yn​) 处的切线走一步,所以又叫折线法。

改进 Euler 法

梯形方法精度高一阶,但 yn+1y_{n+1}yn+1​ 出现在等号两边,要解方程。改进 Euler 法用 Euler 法先算一个预测值,代入梯形公式右端:

yˉn+1=yn+hf(xn,yn)yn+1=yn+h2[f(xn,yn)+f(xn+1,yˉn+1)]\begin{aligned} \bar y_{n+1}&=y_n+hf(x_n,y_n)\\ y_{n+1}&=y_n+\frac h2\big[f(x_n,y_n)+f(x_{n+1},\bar y_{n+1})\big] \end{aligned}yˉ​n+1​yn+1​​=yn​+hf(xn​,yn​)=yn​+2h​[f(xn​,yn​)+f(xn+1​,yˉ​n+1​)]​

这是最简单的预测-校正格式,每步算两次 fff。

单步法的局部截断误差和方法的阶

单步法可以统一写成 yn+1=yn+hφ(xn,yn,h)y_{n+1}=y_n+h\varphi(x_n,y_n,h)yn+1​=yn​+hφ(xn​,yn​,h)。假定 yn=y(xn)y_n=y(x_n)yn​=y(xn​) 准确,只看这一步引入的误差:

Tn+1=y(xn+1)−y(xn)−hφ(xn,y(xn),h)T_{n+1}=y(x_{n+1})-y(x_n)-h\varphi\big(x_n,y(x_n),h\big)Tn+1​=y(xn+1​)−y(xn​)−hφ(xn​,y(xn​),h)

叫局部截断误差。若 Tn+1=O(hp+1)T_{n+1}=O(h^{p+1})Tn+1​=O(hp+1),就说方法是 ppp 阶的。在适当条件下,从 x0x_0x0​ 算到固定点 xxx 的整体误差是 O(hp)O(h^p)O(hp),比局部截断误差低一阶(要走 (x−x0)/h(x-x_0)/h(x−x0​)/h 步,误差累积)。

例如 Euler 法:由泰勒展开 y(xn+1)=y(xn)+hy′(xn)+h22y′′(ξ)y(x_{n+1})=y(x_n)+hy'(x_n)+\dfrac{h^2}{2}y''(\xi)y(xn+1​)=y(xn​)+hy′(xn​)+2h2​y′′(ξ),局部截断误差是 h22y′′(ξ)=O(h2)\dfrac{h^2}{2}y''(\xi)=O(h^2)2h2​y′′(ξ)=O(h2),所以 Euler 法是一阶方法。

Runge-Kutta(龙格-库塔)方法

Runge-Kutta 方法的思路:在一步之内多算几个点的斜率,加权平均作为这一步的斜率,使局部截断误差的展开式与泰勒展开对得越多越好,从而不用求 fff 的高阶导数就达到高阶。改进 Euler 法就是一种二阶 Runge-Kutta 方法。最常用的是经典四阶 Runge-Kutta 方法:

K1=f(xn,yn)K2=f(xn+h2, yn+h2K1)K3=f(xn+h2, yn+h2K2)K4=f(xn+h, yn+hK3)yn+1=yn+h6(K1+2K2+2K3+K4)\begin{aligned} K_1&=f(x_n,y_n) \\ K_2&=f\Big(x_n+\frac h2,\ y_n+\frac h2K_1\Big) \\ K_3&=f\Big(x_n+\frac h2,\ y_n+\frac h2K_2\Big) \\ K_4&=f(x_n+h,\ y_n+hK_3) \\ y_{n+1}&=y_n+\frac h6\big(K_1+2K_2+2K_3+K_4\big) \end{aligned}K1​K2​K3​K4​yn+1​​=f(xn​,yn​)=f(xn​+2h​, yn​+2h​K1​)=f(xn​+2h​, yn​+2h​K2​)=f(xn​+h, yn​+hK3​)=yn​+6h​(K1​+2K2​+2K3​+K4​)​

每步计算 4 次 fff,局部截断误差 O(h5)O(h^5)O(h5),是四阶方法。它要求解足够光滑;解不光滑时,高阶方法不一定比低阶方法好。

单步法的稳定性

数值方法在计算过程中某一步产生的误差,以后若不被放大,方法就是稳定的。用模型方程 y′=λyy'=\lambda yy′=λy(λ<0\lambda\lt 0λ<0,真解衰减)来检验:方法作用在它上面得到 yn+1=E(hλ) yny_{n+1}=E(h\lambda)\,y_nyn+1​=E(hλ)yn​,要求 ∣E(hλ)∣≤1\lvert E(h\lambda)\rvert\le 1∣E(hλ)∣≤1,满足这个条件的 hλh\lambdahλ 的范围叫绝对稳定区域。

方法增长因子 E(hλ)E(h\lambda)E(hλ)λ\lambdaλ 为负实数时的条件
Euler 法1+hλ1+h\lambda1+hλ−2≤hλ<0-2\le h\lambda\lt 0−2≤hλ<0
改进 Euler 法1+hλ+12(hλ)21+h\lambda+\frac12(h\lambda)^21+hλ+21​(hλ)2−2≤hλ<0-2\le h\lambda\lt 0−2≤hλ<0
隐式 Euler 法11−hλ\dfrac{1}{1-h\lambda}1−hλ1​任意 h>0h\gt 0h>0
梯形方法1+hλ/21−hλ/2\dfrac{1+h\lambda/2}{1-h\lambda/2}1−hλ/21+hλ/2​任意 h>0h\gt 0h>0

经典四阶 Runge-Kutta 方法在负实轴上的稳定区间约为 −2.785≤hλ<0-2.785\le h\lambda\lt 0−2.785≤hλ<0。显式方法都是条件稳定的,∣λ∣\lvert\lambda\rvert∣λ∣ 很大(刚性问题)时步长被迫取得很小;隐式 Euler 法与梯形方法对任意步长都稳定,适合这类问题。

线性多步法与预测-校正算法

线性多步法

单步法算 yn+1y_{n+1}yn+1​ 只用 yny_nyn​;线性多步法利用前面已经算出的几个值,计算量更省。用插值多项式代替 ∫f dx\int f\,\mathrm dx∫fdx 里的 fff,得到 Adams 方法:

yn+1=yn+h2(3fn−fn−1)y_{n+1}=y_n+\frac h2\big(3f_n-f_{n-1}\big)yn+1​=yn​+2h​(3fn​−fn−1​)

是二步二阶显式 Adams 公式。常用的四阶公式:

显式: yn+1=yn+h24(55fn−59fn−1+37fn−2−9fn−3)隐式: yn+1=yn+h24(9fn+1+19fn−5fn−1+fn−2)\begin{aligned} &\text{显式:}\ y_{n+1}=y_n \\ &+\frac{h}{24}\big(55f_n-59f_{n-1}+37f_{n-2}-9f_{n-3}\big) \\ &\text{隐式:}\ y_{n+1}=y_n \\ &+\frac{h}{24}\big(9f_{n+1}+19f_n-5f_{n-1}+f_{n-2}\big) \end{aligned}​显式: yn+1​=yn​+24h​(55fn​−59fn−1​+37fn−2​−9fn−3​)隐式: yn+1​=yn​+24h​(9fn+1​+19fn​−5fn−1​+fn−2​)​

kkk 步法开始时需要 kkk 个起步值,通常用同阶的 Runge-Kutta 方法算出。方法的阶仍按局部截断误差的泰勒展开来定。

预测-校正算法

隐式公式精度高、稳定性好,但要解方程;显式公式好算。把两者配合起来:先用显式公式算出预测值(P),算出该点的斜率(E),再代入隐式公式右端校正(C),再算一次斜率(E),这叫 PECE 模式。四阶 Adams 预测-校正就是用上面的显式公式预测、隐式公式校正。

易错提醒

  • ❌ 隐式方法和显式方法一样,代入公式就能直接算出 yn+1y_{n+1}yn+1​。
    ✅ 隐式方法里 yn+1y_{n+1}yn+1​ 出现在两边,要解方程,实际计算多用迭代或预测-校正。

  • ❌ 线性多步法可以从 y0y_0y0​ 直接开始算。
    ✅ kkk 步法需要 kkk 个起步值,前几个用同阶的单步法(如 Runge-Kutta 方法)算出。

  • ❌ 步长取得越小,结果一定越准。
    ✅ 步长过小,步数增多,舍入误差累积,计算量也大;步长要兼顾截断误差和舍入误差。

  • ❌ 预测-校正算法要把校正公式反复迭代到收敛为止。
    ✅ 实用中一般只校正一次(PECE),预测值已经足够接近,多次校正得不偿失。

例题精讲

例题 1(计算:Euler 法与改进 Euler 法)

初值问题 y′=x2−yy'=x^2-yy′=x2−y,y(0)=1y(0)=1y(0)=1,取 h=0.1h=0.1h=0.1,分别用 Euler 法和改进 Euler 法求 y(0.1)y(0.1)y(0.1) 的近似值(真解在 x=0.1x=0.1x=0.1 处约为 0.905163)。

解:f(0,1)=−1f(0,1)=-1f(0,1)=−1。Euler 法:y1=1+0.1×(−1)=0.9y_1=1+0.1\times(-1)=0.9y1​=1+0.1×(−1)=0.9。

改进 Euler 法:预测 yˉ1=0.9\bar y_1=0.9yˉ​1​=0.9,f(0.1,0.9)=0.01−0.9=−0.89f(0.1,0.9)=0.01-0.9=-0.89f(0.1,0.9)=0.01−0.9=−0.89;校正 y1=1+0.05×(−1−0.89)=0.9055y_1=1+0.05\times(-1-0.89)=0.9055y1​=1+0.05×(−1−0.89)=0.9055。

点评:Euler 法误差约 5×10−35\times 10^{-3}5×10−3,改进 Euler 法约 3×10−43\times 10^{-4}3×10−4,二阶方法明显更准。

例题 2(计算:稳定性与步长)

对 y′=−20yy'=-20yy′=−20y 取 h=0.15h=0.15h=0.15,分别用 Euler 法和隐式 Euler 法计算,判断是否稳定;Euler 法的步长应满足什么条件?

解:hλ=−3h\lambda=-3hλ=−3。Euler 法 E=1−3=−2E=1-3=-2E=1−3=−2,∣E∣>1\lvert E\rvert\gt 1∣E∣>1,误差每步放大一倍,不稳定;隐式 Euler 法 E=11+3=0.25E=\dfrac{1}{1+3}=0.25E=1+31​=0.25,稳定。Euler 法要求 −2≤hλ-2\le h\lambda−2≤hλ,即 h≤0.1h\le 0.1h≤0.1。

点评:真解迅速衰减,显式方法步长稍大就会出现正负交替、越来越大的「假振荡」。

本节小结

  • Euler 法一阶显式;隐式 Euler 法一阶隐式;梯形方法二阶隐式;改进 Euler 法 = Euler 预测 + 梯形校正,二阶。
  • 局部截断误差 O(hp+1)O(h^{p+1})O(hp+1) 则方法为 ppp 阶,整体误差 O(hp)O(h^p)O(hp)。
  • 经典四阶 Runge-Kutta:每步 4 次 fff,权 1:2:2:11:2:2:11:2:2:1,四阶。
  • 用 y′=λyy'=\lambda yy′=λy 检验稳定性:Euler 法、改进 Euler 法要 −2≤hλ-2\le h\lambda−2≤hλ;隐式 Euler 法、梯形方法对任意步长稳定。
  • 线性多步法(Adams)要起步值;预测-校正:显式预测、隐式校正,常用 PECE。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询