Euler 法

一、直观理解：顺着当前切线走一小步

Euler 法是求解常微分方程初值问题最直观的数值方法。对方程

$$y'=f(t,y),\qquad y(t_0)=y_0,$$

真实解在点 $(t_n,y_n)$ 的切线斜率为 $f(t_n,y_n)$。Euler 法假设在一个小时间步 $h$ 内斜率不变，于是沿切线走到下一点：

$$y_{n+1}=y_n+h\,f(t_n,y_n),\qquad t_{n+1}=t_n+h.$$

可以把它想象成登山时只看脚下坡度：每一步都按“此刻坡度”前进固定距离。步子够小，路线还能大致贴合山势；步子太大，就会严重偏离真实路径。

Euler 法的价值主要有三点：

1. 教学与推导：几乎所有更高阶方法都可以看成对“只用起点斜率”的改进；
2. 快速基线：实现极简单，便于检查方程右端、初值与量纲是否写对；
3. 理论对照：全局误差 $O(h)$ 的收敛阶清晰，适合做步长减半实验。

在正式建模中，Euler 很少作为最终高精度求解器，但常作为“最低成本可运行原型”和误差分析的参照。

二、适用场景与优缺点

类型	说明
适用场景	需要快速验证 ODE 模型能否跑通；教学演示收敛阶；非刚性、短时间、精度要求不高的粗算；为多步法提供最粗糙的启动对照；手写算法以便完全控制每一步。
核心优点	公式简单、内存占用极小；每步只计算一次 $f$；易于扩展到方程组与向量形式；便于理解局部截断误差与稳定性概念。
局限与缺点	全局精度仅一阶，同样步长下误差通常远大于 RK4；稳定域小，刚性方程需要极小步长；长时间积分误差累积明显；显式 Euler 对振荡问题可能人为放大振幅。

使用前应确认：

1. 问题可写成一阶系统（高阶方程先降阶）；
2. $f$ 在积分区间上足够光滑，或至少分段可积；
3. 已估计解的变化时间尺度，从而给出合理的 $h$ 量级；
4. 准备用解析解、守恒量或步长减半做验证，而不是只看一张图。

三、核心原理：局部截断误差与全局误差

1. 递推公式

设节点 $t_n=t_0+nh$。显式 Euler：

$$y_{n+1}=y_n+h f(t_n,y_n).$$

对方程组 $\mathbf{y}'=\mathbf{f}(t,\mathbf{y})$，形式完全相同，只是 $y_n$ 变为向量。

2. 误差阶

由 Taylor 展开，

$$y(t_n+h)=y(t_n)+h y'(t_n)+\frac{h^2}{2}y''(\xi).$$

Euler 用 $hf(t_n,y_n)$ 代替真实增量，局部截断误差为 $O(h^2)$。经过 $O(1/h)$ 步累积后，全局误差一般为 $O(h)$：

$$\max_n\|y(t_n)-y_n\|=O(h)\quad (h\to 0).$$

因此步长减半，全局误差大约减半——这是检验实现是否正确的标准实验。

3. 稳定性直观

对模型方程 $y'=\lambda y$（$\mathrm{Re}\,\lambda<0$），Euler 要求 $|1+h\lambda|\le 1$ 才绝对稳定。若 $|\lambda|$ 很大（刚性），$h$ 必须非常小，否则数值解会振荡发散，即使真实解在快速衰减。

4. 与隐式 Euler 的对比（概念）

隐式 Euler：$y_{n+1}=y_n+h f(t_{n+1},y_{n+1})$，稳定域更大，适合刚性，但每步需求解非线性方程。建模中若遇到刚性，优先考虑 ode15s，而不是手写复杂隐式迭代——除非题目要求展示格式。

四、关键决策

1. 步长如何选
   先按问题时间尺度取 $h=T/N$，再做 $h$ 与 $h/2$ 对比。关键输出（峰值、末端值）相对变化小于可接受阈值（如 1%–5%）再停止加密。

2. 何时弃用 Euler
   需要较高精度、长时间、或疑似刚性时，改用改进 Euler、RK4 或 ode45/ode15s。

3. 误差控制策略
   固定步长 Euler 没有内置误差估计。至少报告：步长、步数、与参照解（解析/ode45）的最大绝对/相对误差。

4. 变量约束
   浓度、人口等应监控非负性；Euler 大步长时容易“跳”到负值。

5. 输出记录
   保存 $(t_n,y_n)$ 全轨迹，而不仅是终点，便于画图与定位误差爆发位置。

五、MATLAB 示例

以 $y'=-y,\ y(0)=1$ 为例，真解 $y=e^{-t}$。比较不同步长，并扩展到二维线性系统。

%% 标量问题：显式 Euler vs 解析解
f = @(t, y) -y;
t0 = 0; tEnd = 2; y0 = 1;

hs = [0.2, 0.1, 0.05];
figure; hold on; grid on;

% 解析解曲线
tt = linspace(t0, tEnd, 400);
plot(tt, exp(-tt), "k-", "LineWidth", 1.5);

maxErr = zeros(size(hs));
for i = 1:numel(hs)
    h = hs(i);
    t = t0:h:tEnd;
    y = zeros(size(t));
    y(1) = y0;
    for n = 1:numel(t)-1
        y(n+1) = y(n) + h * f(t(n), y(n));
    end
    plot(t, y, "o-", "DisplayName", sprintf("h=%.2f", h));
    maxErr(i) = max(abs(y - exp(-t)));
end
legend(["解析解", compose("h=%.2f", hs)], "Location", "best");
xlabel("t"); ylabel("y");
title("Euler 法：步长越小越贴近 e^{-t}");

disp("各步长最大绝对误差：");
disp(table(hs(:), maxErr(:), 'VariableNames', {'h', 'maxAbsErr'}));

% 观测收敛阶：误差比应接近 2
fprintf("err(h=0.2)/err(h=0.1) = %.3f（理论约 2）\n", maxErr(1)/maxErr(2));
fprintf("err(h=0.1)/err(h=0.05) = %.3f（理论约 2）\n", maxErr(2)/maxErr(3));

%% 向量形式：简谐振子 y1'=y2, y2'=-y1
% 真解为圆；Euler 会缓慢缓慢螺旋，体现能量漂移
fOsc = @(t, y) [y(2); -y(1)];
h = 0.05;
t = 0:h:20;
Y = zeros(2, numel(t));
Y(:,1) = [1; 0];
for n = 1:numel(t)-1
    Y(:, n+1) = Y(:, n) + h * fOsc(t(n), Y(:, n));
end

figure;
plot(Y(1,:), Y(2,:), "b-"); hold on; grid on; axis equal;
theta = linspace(0, 2*pi, 200);
plot(cos(theta), sin(theta), "k--");
xlabel("y_1"); ylabel("y_2");
legend("Euler", "真解单位圆", "Location", "best");
title("Euler 在保守系统上的能量漂移");

封装成可复用函数：

function [t, y] = euler_ode(f, tSpan, y0, h)
% f: @(t,y) 列向量右端
t = tSpan(1):h:tSpan(2);
if t(end) < tSpan(2) - 10*eps
    t = [t, tSpan(2)];
end
nStep = numel(t) - 1;
m = numel(y0);
y = zeros(m, nStep+1);
y(:,1) = y0(:);
for n = 1:nStep
    hn = t(n+1) - t(n);
    y(:, n+1) = y(:, n) + hn * f(t(n), y(:, n));
end
y = y.';  % 与 ode45 一样：每行一个时间点
end

六、如何解释结果

报告 Euler 结果时建议写明：

1. 方程、初值、积分区间与步长 $h$；
2. 每步右端计算次数（Euler 为 1）与总步数；
3. 与解析解、ode45 或更小步长解的误差表；
4. 步长减半后误差比是否接近 2（支持一阶收敛）；
5. 若用于真实模型：关键指标（峰值时间、稳态）对 $h$ 的敏感性；
6. 明确说明 Euler 是基线方法，最终结论是否改用更高阶求解器复核。

若发现误差比远小于 2 或发散，优先检查：右端符号、步长是否超出稳定域、时间网格是否含终点、向量维度是否按列运算。

七、常见误区

1. 把 Euler 当作“默认高精度方法”

一阶精度在长时间或强非线性问题中往往不够。竞赛论文若只写 Euler，审稿直觉会质疑数值可靠性。

2. 只减小步长却从不对比

没有 $h$ 与 $h/2$ 的表，就无法证明收敛。单纯“步长取得很小”不是充分论证。

3. 忽视稳定域

刚性或大 Lipschitz 常数时，误差主要来自不稳定而非截断阶，盲目加密可能仍振荡。

4. 用相图外观判断方法正确

Euler 可能把闭轨画成外扩螺线。结构不正确时，应换方法或减小 $h$，不能强行解释成“系统不稳定”。

5. 单位与时间步混用

$h$ 必须与 $t$ 同单位。把“每天”的参数配上“小时”步长，会导致速率错位一个数量级。

八、小结

Euler 法的核心思想可以概括为：

在每一步用当前位置的瞬时变化率做线性外推，以最简单的方式离散微分方程。

它适合理解数值 ODE、做快速原型和收敛阶演示，但精度与稳定性都明显依赖步长。建模实践中，应把 Euler 定位为可解释的基线，用步长减半与更高阶方法交叉验证后，再采信定量结论。