微分方程计算器

微分方程计算器

增长中 AI Skill PRO

输入计算

结果

精确解 y(x)
2.718282
欧拉法近似值 2.593742
步长 h 0.1
绝对误差 0.124539

数学公式

y(目标点 x)=初始 y0·e变化率 k(目标点 x−起始点 x0)y({{\text{目标点 }x}}) = {{\text{初始 }y_0}} \cdot e^{{{\text{变化率 }k}}\left({{\text{目标点 }x}} - {{\text{起始点 }x_0}}\right)}
显示计算步骤 (1)
  1. 欧拉法近似

    yn=初始 y0(1+变化率 kh)n其中{h=目标点 x−起始点 x0步数 nn=步数 n\begin{gathered} y_{n} = {{\text{初始 }y_0}} \left(1 + {{\text{变化率 }k}}\, h\right)^{n} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} h &= \dfrac{{{\text{目标点 }x}} - {{\text{起始点 }x_0}}}{{{\text{步数 }n}}} \\ n &= {{\text{步数 }n}} \end{aligned} \right. \end{gathered}

    对 y_{i+1} = y_i + h*(k*y_i) 应用 n 步欧拉法,步长 h = (x - x0)/步数;h = 步长,n = 欧拉法步数

使用统计

广告

报告本页错误

什么是微分方程计算器?

微分方程(differential equation)描述的是一个函数与其自身变化率之间的关系。本计算器专注于经典的一阶线性方程 \( \frac{dy}{dx} = k\,y \),它常用来刻画物理、生物、金融和工程中的指数增长与指数衰减。计算器会同时给出精确解和数值近似,方便你把理论推导与实际计算放在一起比较。

公式详解

在给定初始条件 \( y(x_0) = y_0 \) 的情况下,该方程有如下闭式解。其中 \(y_0\) 是初始值,\(k\) 是变化率常数,\(x\) 是要求解的目标点。

$$y(x) = y_0\,e^{k(x - x_0)}$$

当难以求得闭式解时,欧拉法(Euler method)会以较小的步长 \(h = \frac{x - x_0}{n}\) 逐步向前推进,迭代公式为 \( y_{i+1} = y_i + h\,k\,y_i \)。步长越小(即 \(n\) 越大),近似误差就越小。

坐标轴上从初始点向上升起的指数曲线
闭式解 y = y_0 e^{k(x - x_0)} 从初始点画出一条平滑的指数曲线。

使用方法

依次输入初始值 \(y_0\)、变化率常数 \(k\)、起始点 \(x_0\)、目标点 \(x\),以及欧拉法的步数 \(n\)。计算器会返回精确值、欧拉法估计值、步长,以及两者之间的绝对误差。

广告
在平滑曲线下方逐步前进的直线段
欧拉法用一系列等宽的直线步长来逼近真实曲线。

实例演算

取 \(y_0 = 1\)、\(k = 1\)、\(x_0 = 0\)、\(x = 1\),并只走一步欧拉迭代。精确答案为

$$y(1) = 1\cdot e^{1\cdot(1-0)} = e \approx 2.71828$$

而单步欧拉法得到 \( y_1 = 1 + 1\times 1\times 1 = 2 \),因此绝对误差约为 \(0.718\)。增加步数后,估计值会越来越接近 \(e\)。

广告

Thêm các ví dụ có lời giải

Tất cả các ví dụ dưới đây đều sử dụng phương trình vi phân tuyến tính bậc nhất \(\frac{dy}{dx} = k y\). Nghiệm chính xác dạng đóng của nó là \(y(x) = y_0\,e^{k(x - x_0)}\), và phép xấp xỉ Euler hiện (tiến) sử dụng bước cố định \(h = \frac{x - x_0}{n}\) với quy tắc cập nhật \(y_{i+1} = y_i + h\,k\,y_i\). Đây là các kết quả toán học tổng quát, không gắn với bất kỳ quốc gia hay tiêu chuẩn nào.

Ví dụ 1 — Phân rã theo hàm mũ (chính xác)

Dữ liệu vào: \(y_0 = 100\), \(k = -0.5\), \(x_0 = 0\), \(x = 2\). Vì \(k<0\) nên đại lượng phân rã. Thay vào nghiệm chính xác:

$$y(2) = 100 \cdot e^{-0.5\,(2 - 0)} = 100\,e^{-1} = 100 \cdot 0.367879 \approx 36.7879$$

Vậy giá trị chính xác là 36.7879.

Ví dụ 2 — Phương pháp Euler, tăng trưởng, n = 4

Dữ liệu vào: \(y_0 = 100\), \(k = 0.5\), \(x_0 = 0\), \(x = 2\), \(n = 4\). Bước \(h = \frac{2 - 0}{4} = 0.5\). Mỗi lần lặp nhân với \((1 + hk) = (1 + 0.5 \cdot 0.5) = 1.25\):

  • \(y_1 = 100 + 0.5 \cdot 0.5 \cdot 100 = 100 + 25 = 125\)
  • \(y_2 = 125 + 0.5 \cdot 0.5 \cdot 125 = 125 + 31.25 = 156.25\)
  • \(y_3 = 156.25 + 0.5 \cdot 0.5 \cdot 156.25 = 156.25 + 39.0625 = 195.3125\)
  • \(y_4 = 195.3125 + 0.5 \cdot 0.5 \cdot 195.3125 = 195.3125 + 48.828125 = 244.140625\)
Bước \(i\) \(x_i\) \(y_i\) (Euler)
0 0.0 100.000000
1 0.5 125.000000
2 1.0 156.250000
3 1.5 195.312500
4 2.0 244.140625

Giá trị chính xác: \(y(2) = 100\,e^{0.5 \cdot 2} = 100\,e^{1} \approx 271.8282\). Sai số tuyệt đối: \(|271.8282 - 244.1406| \approx 27.6876\). Phương pháp Euler tiến ước lượng thấp hơn đối với đường cong tăng trưởng lồi, nên cần \(n\) lớn hơn để thu hẹp khoảng cách này.

Ví dụ 3 — Phương pháp Euler, phân rã, n = 4

Dữ liệu vào: \(y_0 = 100\), \(k = -0.5\), \(x_0 = 0\), \(x = 2\), \(n = 4\). Bước \(h = 0.5\); mỗi lần lặp nhân với \((1 + hk) = (1 + 0.5 \cdot (-0.5)) = 0.75\):

  • \(y_1 = 100 + 0.5 \cdot (-0.5) \cdot 100 = 100 - 25 = 75\)
  • \(y_2 = 75 + 0.5 \cdot (-0.5) \cdot 75 = 75 - 18.75 = 56.25\)
  • \(y_3 = 56.25 - 14.0625 = 42.1875\)
  • \(y_4 = 42.1875 - 10.546875 = 31.640625\)

Giá trị chính xác (từ Ví dụ 1): \(y(2) \approx 36.7879\). Sai số tuyệt đối: \(|36.7879 - 31.6406| \approx 5.1473\). Sai số nhỏ hơn nhiều so với trường hợp tăng trưởng vì đường cong phân rã, lõm, dễ theo dõi hơn đối với phương pháp Euler ở cùng một kích thước bước.

常见问题

它能求解几阶方程? 形如 \( \frac{dy}{dx} = k\,y \) 的一阶线性常微分方程(ODE)。

为什么欧拉法结果和精确值不一样? 欧拉法是一阶近似方法,每一步都会引入截断误差,而这个误差会随着 \(n\) 的增大而不断减小。

k 可以取负值吗? 可以。负的 \(k\) 表示指数衰减,例如放射性物质的半衰期或物体的冷却过程。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器