欧拉法计算器

Q: 实际仿真用什么方法？

主力是四阶龙格-库塔（RK4）：精度 O(h⁴)，每步 4 次函数评估，性价比之王。MATLAB 的 ode45、Python 的 solve_ivp 默认都是它的自适应变体。

Q: 为什么叫「一阶方法」？

「阶」指全局误差关于步长 h 的幂次：欧拉法全局误差正比于 h¹，所以是一阶。阶数的实际意义是加密收益——h 减半时，一阶方法误差减半，二阶方法误差除以 4，四阶方法除以 16。高阶方法用每步更多的函数求值换取陡峭的误差衰减，总成本反而更低。

Q: 欧拉法和泰勒级数方法什么关系？

欧拉法就是「只保留一阶项」的泰勒展开：y(x+h)=y(x)+h·y′(x)+O(h²)。保留二阶项（需要 f 的全导数）就是二阶泰勒法，保留更多阶精度更高但导数计算繁琐。龙格-库塔方法的巧妙之处在于：用多点函数值的加权组合「偷出」泰勒展开的高阶效果，却完全不用算导数。

Q: 什么情况下欧拉法其实够用？

三个场景：一是教学与学习（概念最干净）；二是嵌入式实时控制（每步 1 次求值，确定性延迟，很多单片机 PID 控制器内部就是欧拉积分）；三是随机微分方程（蒙特卡洛模拟中统计误差主导，高精度确定性方法无意义，Euler-Maruyama 就是欧拉法的随机版）。

Q: 局部误差和全局误差的区别？

局部截断误差是「走一步」产生的误差（假设起点精确），欧拉法为 O(h²)；全局误差是走了 n=(x−x₀)/h 步后的累积结果，为 O(h)。全局比局部低一阶是普遍规律（误差随步数线性累积）。理解这个「每步小错×步数=总错」的结构，是分析一切时间步进方法的基础。

Q: 怎么估计欧拉解的误差而不写真解？

步长对半法：用 h 和 h/2 各算一遍，对一阶方法误差 E≈|y(h/2)−y(h)|（真解约在 y(h/2) 另一侧等距处）。这个「加密比较」技巧适用于所有定步长方法，也是自适应步长控制的思想源头——估计误差大就缩步，小就放步。

Q: 方程组形式的高阶方程怎么用欧拉法？

高阶方程先降阶：y″=f(x,y,y′) 令 y₁=y、y₂=y′，化为方程组 y₁′=y₂、y₂′=f(x,y₁,y₂)，然后对每个分量同步做欧拉步。弹簧振动、单摆、天体力学都是这个套路。注意所有分量必须用同一时刻的值更新（先全部算完斜率再一起迈步），串行更新是常见实现错误。

Q: 欧拉法在机器学习里出现过吗？

出现了，而且角色惊艳：ResNet（残差网络）的每一层 y(n+1)=yₙ+F(yₙ) 在数学上正是欧拉法的一步，残差块对应 h=1 的欧拉离散。这个观察催生了「神经常微分方程」（Neural ODE，2018 年 NeurIPS 最佳论文）——把网络深度看作连续时间，用 ODE 求解器代替离散的层。18 世纪的欧拉法，就这样走进了深度学习的核心。

什么是欧拉法计算器？

欧拉法是解常微分方程最简单的方法：从初值出发，沿切线方向走一小步 y(n+1) = yₙ + h·f(xₙ, yₙ)。思想直白——「看不见远方，就踩着导数的节拍小步前进」。

dy/dx = y（指数增长方程），y(0)=1，h=0.1，10 步到 x=1：y₁₀ = 1.1¹⁰ ≈ 2.5937（精确值 e ≈ 2.7183）。误差 O(h)——步长减半误差减半，一阶精度是它的天花板。

欧拉法是所有微分方程数值解法的起点：从当前点出发，沿该点的切线方向走一小步，把「曲线路径」近似为「折线路径」。y′=f(x,y) 的几何意义是在平面上每一点给定一个方向（斜率场），欧拉法就是「看一步走一步」——在当前斜率指引下前进 h，到达新点后重新读取斜率。这个 1768 年欧拉在《积分学原理》中系统阐述的方法，以极致的简单性成为理解一切高阶方法的基石。

欧拉法的误差结构非常清晰：每走一步产生 O(h²) 的局部截断误差（泰勒展开丢弃的二阶项），走 1/h 步后累积成 O(h) 的全局误差——所以叫「一阶方法」。步长减半，误差大致减半，这个线性关系让精度提升的代价极高：想要 10 倍精度就得 10 倍步数。相比之下 RK4 步长减半误差缩到 1/16。欧拉法因此几乎不用于生产计算，但它是理解稳定性、刚性、误差累积等一切进阶概念的最干净实验台。

欧拉法有一个著名的「稳定性陷阱」：对 y′=−λy（λ>0，衰减问题），步长 h>2/λ 时数值解不但不衰减反而震荡发散——尽管真解指数衰减到零。这揭示了显式方法的本质局限：步长不仅要为精度服务，还要为稳定性服务。刚性方程（多时间尺度并存，如化学反应、电路瞬态）必须用隐式方法（向后欧拉、隐式 RK）或大稳定域方法。理解欧拉法的失败方式，比理解它的成功更有教育价值。

y(n+1) = yₙ + h·f(xₙ, yₙ)；局部截断误差 O(h²)，全局误差 O(h)——一阶方法。

示例：y′=y、y(0)=1（真解 eˣ）取 h=0.5：y₁=1+0.5×1=1.5 → y₂=1.5+0.5×1.5=2.25，真值 e¹≈2.718，误差约 17%；h=0.1 时 y(1)≈2.594（误差 4.6%）——步长减半误差大约减半，典型一阶行为。

常微分方程数值方法精度与成本对比
方法	全局误差阶	每步函数求值次数	典型用途
欧拉法	O(h) 一阶	1 次	教学演示、快速粗估
改进欧拉（Heun）	O(h²) 二阶	2 次	精度要求不高的工程估算
经典 RK4	O(h⁴) 四阶	4 次	通用主力，精度成本最平衡
自适应 RK45（Dormand-Prince）	O(h⁵) 五阶+误差控制	6~7 次	工业标准（MATLAB ode45）

如何使用欧拉法计算器

1
选择预设方程（如 y′=y、y′=x+y、y′=−2y）。
2
输入初值 (x₀, y₀)、步长 h 与步数。
3
点击「计算」，查看每步数值解与精确解对比。

计算示例

例 1y′ = y，y(0)=1，h=0.1，10 步

y₁ = 1+0.1×1 = 1.1；y₂ = 1.21；…；y₁₀ = 2.5937。精确解 e¹ = 2.7183，误差 4.6%。

例 2h 减半的效果

h = 0.05，20 步：y₂₀ = 1.05²⁰ ≈ 2.6533，误差降到 2.4%——步长减半误差减半，一阶收敛的典型表现。

例 3例 1：指数增长的逐步手算

y′=y、y(0)=1、h=0.25：y₁=1+0.25×1=1.25 → y₂=1.25+0.25×1.25=1.5625 → y₃=1.5625+0.25×1.5625≈1.9531 → y₄≈2.4414。真值 e¹≈2.7183，4 步误差约 10%。注意欧拉法的每步恰好是 (1+h) 倍乘——解 y′=y 的欧拉序列就是复利公式，(1+h)^(1/h)→e 正是它的收敛性证明。

例 4例 2： logistic 方程的长期行为

y′=y(1−y)、y(0)=0.5、h=0.25：y₁=0.5+0.25×0.25=0.5625 → y₂≈0.6240 → … 逐步逼近平衡解 y=1。欧拉折线单调爬升且无震荡，定性行为与真解一致——对非刚性问题，即使精度有限，欧拉法通常能保住解的定性结构。

例 5例 3：稳定性崩溃的现场演示

y′=−20y、y(0)=1（真解 e^(−20x) 迅速衰减）。取 h=0.11（>2/20=0.1 的稳定界限）：y₁=1−20×0.11×1=−1.2 → y₂=−1.2+20×0.11×1.2=1.44 → y₃≈−1.728——数值解爆炸式震荡，而真解早已衰减到 10⁻⁹ 以下。把 h 降到 0.05 立刻恢复正常。刚性问题的步长被稳定性而非精度绑架。

注意事项

步长过大不仅不准还可能数值爆炸（刚性方程）。
改进欧拉法（预测-校正）达二阶精度，成本仅翻倍。
y′ = f(x) 型退化为左矩形积分——欧拉法与数值积分同源。
实际工程几乎不用纯欧拉，但理解它是理解龙格-库塔的前提。
步长选择要过两关：精度关（局部误差可控）和稳定关（h 小于稳定域边界）。对非刚性问题精度关通常更严，对刚性问题稳定关会苛刻到无法接受——这时换隐式方法才是正道，硬扛小步长是下策。
欧拉法是「显式」的：下一步直接由当前值算出。它的孪生兄弟「向后欧拉」y(n+1)=yₙ+h·f(x(n+1),y(n+1)) 是隐式的（每步要解方程），但稳定域大得多，刚性问题的主力方法都由它发展而来。
永远不要在高精度需求下使用欧拉法硬凑——把 h 除以 1000 只换来 3 位精度。同样的计算预算投给 RK4 能拿到 12 位精度。欧拉法的正确用法是教学、原型验证和定性探索。

常见问题

每步用「起点切线」代替整段曲线，忽略了段内导数变化——局部误差 O(h²)，累积 n = 1/h 步后全局误差 O(h)。泰勒展开少取一项的代价，注定一阶。

解中同时存在快变与慢变成分（如化学反应的快平衡慢消耗）：y′ = −1000y 要求 h < 0.002 否则数值爆炸，哪怕真实解早已平滑。刚性问题需用隐式方法（后向欧拉、BDF）。