RK4 二阶常微分方程计算器

RK4 二阶常微分方程计算器

新兴 AI Skill PRO

输入计算

方程 y'' = F(x, y, y') 的右端项。可使用 x、y、p 以及 + - * / ^、sin、cos、exp、log、sqrt、pi、e。

结果

xn 处的 y 值
0.135335274181834636
终点处的 y 值
xn 处的 y' 值
-0.135335259156935755
终点处的 y'(= p)值

方法:经典四阶龙格-库塔法(RK4) · 步 n = 50 · 步长 h = 0.02

i x y = f(x) y' = p
0 0 0 1
1 0.0200000000000000004 0.0192157866666666649 0.922357866666666637
2 0.0400000000000000008 0.0369246498212522645 0.849267048373009037
3 0.0599999999999999978 0.0532152204359356007 0.780489998192799184
4 0.0800000000000000017 0.0681714957894921647 0.715800800394514436
5 0.100000000000000006 0.0818730665794356605 0.654984623530822985
6 0.119999999999999996 0.0943953333479264356 0.597837198534814762
7 0.140000000000000013 0.105809712710295489 0.544164320702777649
8 0.160000000000000003 0.116183833853126500 0.493781374492720526
9 0.179999999999999993 0.125581725747898248 0.446512880115091604
10 0.200000000000000011 0.134063995506174150 0.402192060937331175
11 0.220000000000000001 0.141687998283193534 0.360660430767116402
12 0.239999999999999991 0.148507999118433237 0.321767400120490987
13 0.260000000000000009 0.154575327084229969 0.285369900620602468
14 0.280000000000000027 0.159938522096849084 0.251332026710574419
15 0.299999999999999989 0.164643474728420641 0.219524693900195078
16 0.320000000000000007 0.168733559342904987 0.189825312800676715
17 0.340000000000000024 0.172249760864668727 0.162117478234802465
18 0.359999999999999987 0.175230795474316581 0.136290672741392865
19 0.380000000000000004 0.177713225513107781 0.112239983823256881
20 0.400000000000000022 0.179731568864560570 0.0898658343166999773
21 0.419999999999999984 0.181318403069687717 0.0690737252883046882
22 0.440000000000000002 0.182504464420687129 0.0497739908911289108
23 0.460000000000000020 0.183318742266808804 0.0318815646377390433
24 0.479999999999999982 0.183788568755511195 0.0153157565716578320
25 0.5 0.183939704221884465 4.08419086883604621E-8
26 0.520000000000000018 0.183796418429634401 -0.0141381467925742240
27 0.540000000000000036 0.183381567857668515 -0.0271676019807839605
28 0.560000000000000053 0.182716669217487304 -0.0391535357516522645
29 0.579999999999999960 0.181821969378139686 -0.0501577498528595900
30 0.599999999999999978 0.180716511867434454 -0.0602388038506180140
31 0.619999999999999996 0.179418200110394555 -0.0694521743669628405
32 0.640000000000000013 0.177943857558579527 -0.0778504068142278072
33 0.660000000000000031 0.176309284856870752 -0.0854832599702608359
34 0.680000000000000049 0.174529314187597984 -0.0923978437225306121
35 0.700000000000000067 0.172617860925471212 -0.0986387502945474809
36 0.719999999999999973 0.170587972730655124 -0.104248179253945611
37 0.739999999999999991 0.168451876201472006 -0.109266056588119206
38 0.760000000000000009 0.166221021202630853 -0.113730148120445823
39 0.780000000000000027 0.163906122979543406 -0.117676167527839340
40 0.800000000000000044 0.161517202164191437 -0.121137879208628521
41 0.820000000000000062 0.159063622773142788 -0.124147196238530849
42 0.839999999999999969 0.156554128293666411 -0.126734273641762762
43 0.859999999999999987 0.153996875949458961 -0.128927597194074095
44 0.880000000000000004 0.151399469233258754 -0.130754067964697240
45 0.900000000000000022 0.148768988789577172 -0.132239082794837953
46 0.920000000000000040 0.146112021726915342 -0.133406610901388389
47 0.940000000000000058 0.143434689435146284 -0.134279266785993751
48 0.959999999999999964 0.140742673980222749 -0.134878379621434813
49 0.979999999999999982 0.138041243145009956 -0.135224059279484138
50 1 0.135335274181834636 -0.135335259156935755

数学公式

k1=hpil1=hF(xi,yi,pi)k2=h(pi+l12)l2=hF(xi+h2,yi+k12,pi+l12)k3=h(pi+l22)l3=hF(xi+h2,yi+k22,pi+l22)k4=h(pi+l3)l4=hF(xi+h,yi+k3,pi+l3)yi+1=yi+16(k1+2k2+2k3+k4),pi+1=pi+16(l1+2l2+2l3+l4)其中{F=F(x,y,p)h=xn−x0nx0=x0,y0=y0,p0=p0\begin{gathered} \begin{aligned} k_1 &= h\,p_i & l_1 &= h\,F(x_i,\,y_i,\,p_i) \\ k_2 &= h\left(p_i+\tfrac{l_1}{2}\right) & l_2 &= h\,F\!\left(x_i+\tfrac{h}{2},\,y_i+\tfrac{k_1}{2},\,p_i+\tfrac{l_1}{2}\right) \\ k_3 &= h\left(p_i+\tfrac{l_2}{2}\right) & l_3 &= h\,F\!\left(x_i+\tfrac{h}{2},\,y_i+\tfrac{k_2}{2},\,p_i+\tfrac{l_2}{2}\right) \\ k_4 &= h\left(p_i+l_3\right) & l_4 &= h\,F\!\left(x_i+h,\,y_i+k_3,\,p_i+l_3\right) \end{aligned} \\[1em] y_{i+1} = y_i + \tfrac{1}{6}\left(k_1+2k_2+2k_3+k_4\right), \quad p_{i+1} = p_i + \tfrac{1}{6}\left(l_1+2l_2+2l_3+l_4\right) \\[1.4em] \text{其中}\quad \left\{ \begin{aligned} F &= {F(x,\,y,\,p)} \\ h &= \dfrac{\text{xn} - \text{x0}}{\text{n}} \\ x_0 &= \text{x0},\; y_0 = \text{y0},\; p_0 = \text{p0} \end{aligned} \right. \end{gathered}
使用统计

广告

报告本页错误

这个计算器能做什么

本工具采用经典的四阶龙格-库塔(RK4)方法,在区间 [x0, xn] 上数值求解形如 \(y'' = F(x,\,y,\,y')\) 的二阶常微分方程。你只需输入方程右端 F(用 x、y 和 p 表示的数学表达式,其中 p 代表 y')、初始条件 y(x0) 与 y'(x0)、区间端点以及步数。计算器会返回 x、y 与 y' 的完整数值表,并给出端点处的结果。这是纯粹的数值分析方法,普遍适用,不受任何国家或地区限制。

使用方法

先输入 F(x, y, p)——例如对于 \(y'' + 4y' + 4y = 0\),可填写 -4*p - 4*y。设定 x0、y0 = f(x0) 以及 p0 = y'(x0),再设定终点 xn,并选择子区间数 n(n 越大,步长 \(h = \frac{\text{xn} - \text{x0}}{\text{n}}\) 越小,精度越高)。最后选择结果显示的有效数字位数。RK4 的全局误差为 \(O(h^4)\),因此把 n 翻倍,误差大约会缩小到原来的 1/16。

示意图展示 y''=F 化简为方程组 y'=p 和 p'=F(x,y,p)
二阶常微分方程被改写为关于 y 和 p = y' 的耦合一阶方程组。

公式原理

令 \(p = y'\),即可把一个二阶常微分方程降阶为两个一阶方程组成的方程组:此时 \(y' = p\),\(p' = F(x, y, p)\)。RK4 在每一步通过四次加权斜率计算同时推进这两个未知量(k 对应 y,j 对应 p),并按 \((k_1 + 2k_2 + 2k_3 + k_4)/6\) 与 \((j_1 + 2j_2 + 2j_3 + j_4)/6\) 进行加权合成。

$$\begin{aligned} k_1 &= h\,p_i & l_1 &= h\,F(x_i,\,y_i,\,p_i) \\ k_2 &= h\left(p_i+\tfrac{l_1}{2}\right) & l_2 &= h\,F\!\left(x_i+\tfrac{h}{2},\,y_i+\tfrac{k_1}{2},\,p_i+\tfrac{l_1}{2}\right) \\ k_3 &= h\left(p_i+\tfrac{l_2}{2}\right) & l_3 &= h\,F\!\left(x_i+\tfrac{h}{2},\,y_i+\tfrac{k_2}{2},\,p_i+\tfrac{l_2}{2}\right) \\ k_4 &= h\left(p_i+l_3\right) & l_4 &= h\,F\!\left(x_i+h,\,y_i+k_3,\,p_i+l_3\right) \end{aligned}$$$$y_{i+1} = y_i + \tfrac{1}{6}\left(k_1+2k_2+2k_3+k_4\right), \quad p_{i+1} = p_i + \tfrac{1}{6}\left(l_1+2l_2+2l_3+l_4\right)$$
广告

实例演算

取 \(y'' = -4p - 4y\),其中 x0 = 0、y0 = 0、p0 = 1、xn = 1,并只用一个很粗的大步长(n = 1,h = 1)。四个阶段分别给出 \(k_1=1\)、\(k_2=-1\)、\(k_3=2\)、\(k_4=-5\) 以及 \(j_1=-4\)、\(j_2=2\)、\(j_3=-6\)、\(j_4=12\)。于是 $$y(1) = \frac{1 - 2 + 4 - 5}{6} = -\frac{1}{3} = -0.3333,$$ $$p(1) = 1 + \frac{-4 + 4 - 12 + 12}{6} = 1.$$该方程的精确解为 \(y = x e^{-2x}\),故 \(y(1) = e^{-2} = 0.1353\);可见 h = 1 这一步实在太粗。若取 n = 50 或 100,结果就会收敛到精确值附近。

展示从 x 到 x+h 一步中 RK4 四个斜率估计 k1 至 k4 的示意图
RK4 在每一步结合四个斜率估计,将解从 x 推进到 x+h。

二阶常微分方程的四阶龙格-库塔(RK4)分步流程

RK4 通过将二阶方程改写为关于 \(y\) 与 \(p = y'\) 的一阶方程组来求解。

  1. 令 \(p = y'\)。原方程变为方程组 \(y' = p\),\(p' = F(x, y, p)\)。
  2. 计算步长 \(h = \dfrac{x_n - x_0}{n}\)。
  3. 第一组斜率:\(k_1 = p\),\(j_1 = F(x, y, p)\)。
  4. 第二组斜率:\(k_2 = p + h\,j_1/2\),\(j_2 = F\left(x + h/2,\; y + h\,k_1/2,\; p + h\,j_1/2\right)\)。
  5. 第三组斜率:\(k_3 = p + h\,j_2/2\),\(j_3 = F\left(x + h/2,\; y + h\,k_2/2,\; p + h\,j_2/2\right)\)。
  6. 第四组斜率:\(k_4 = p + h\,j_3\),\(j_4 = F\left(x + h,\; y + h\,k_3,\; p + h\,j_3\right)\)。
  7. 同时更新两个未知量:\(y_{\text{next}} = y + \dfrac{h}{6}(k_1 + 2k_2 + 2k_3 + k_4)\),\(p_{\text{next}} = p + \dfrac{h}{6}(j_1 + 2j_2 + 2j_3 + j_4)\)。
  8. 令 \(x \leftarrow x + h\),然后重复第 3 至第 7 步,直到 \(x = x_n\),总共需要 n 步。
广告

解读输出表格

表格的每一行对应一个网格点。x 列给出 \(x_0, x_0+h, \dots, x_n\)。y 列是解 \(y(x)\) 的数值近似。y' 列是一阶导数 \(p = y'(x)\) 的近似。第一行仅重复你的初始条件 \(y_0\) 与 \(p_0\)。

检验收敛性

  • 先用 n 运行问题,再用 2n(例如 10、20、50、100)运行,并比较相同 x 值处的各行。
  • 当各次运行中的前几位有效数字不再变化时,这些数字很可能是可靠的。
  • 对于光滑问题,每当 n 翻倍,RK4 的误差应大致减小为原来的 16 分之一。如果不是这样,说明其他地方有问题。
  • 提高精度位数只能减小舍入误差,无法减小由 h 引起的截断误差。

警示信号

  • 当真实解本应光滑或衰减时,数值却无界增长,或振荡幅度持续增大。这表明 h 过大,或方程为刚性方程。
  • 当 n 改变时,结果变化很大。
  • 表格中途出现溢出或无定义的数值。

定步长 RK4 的局限

  • 对于刚性方程,例如衰减速率相差悬殊的方程,稳定性限制会迫使 h 非常小。此时定步长 RK4 需要大量步数,或直接失效,通常更好的选择是隐式方法。
  • 如果 F 在区间内部存在奇点,例如在 x = 0 处除以 x,或存在形如 \(1/(x-1)\) 的项,该方法便无法处理。奇点附近的结果毫无意义,因此应避开该奇点,或将区间分段。
  • 步长是固定的,该方法不会根据解变化较快的区域自动调整步长。

常见问题

可以反向积分吗?可以——把 xn 设得比 x0 小,步长 h 就会变为负值,从而从 x0 向 xn 反向积分。

为什么步数太少时结果明显不对?RK4 的精度依赖于足够小的步长。请逐步增大 n,直到相邻两次的结果不再明显变化为止。

F 中可以使用哪些函数?支持 + - * / ^、括号,以及 sin、cos、tan、asin、acos、atan、sinh、cosh、tanh、exp、log/ln、log10、sqrt、abs,还有常数 pi 和 e。

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