计算机方法欧拉,欧拉方法详解

高中牛顿力学回顾

有一个具有一定速度在运动的物体：

当我们需要对其进行模拟时，自然会想起高中的 位移 = 速度 * 时间，即：

$$s = v * t$$

而当该物体具有恒定加速度(恒力)时：

我们可以应用牛顿第二定律，求出物体在 $t$ 时间的速度：

$$v_t = v_0 + \frac Fm * t$$

因此，我们想获得物体在 $t$ 时间的位置，就可以使用以下公式：

$$s = v_0 * t + \frac 12 * \frac Fm * t^2$$

该公式在理想情况下，十分合理且正确，比如模拟一个斜方向向上抛出的小球，重力作用下(无空气摩擦)，我们必定能得到一个对称的抛物线：

这都是高中物理课上我们学到的知识，对于简单的模拟已经够用了。

使用数值方法

然而，我们要模拟的现实世界往往比较复杂，几乎不可能有受力恒定的情况出现，考虑以下情况：

你能写出红色盒子在之后的每一个时间 $t$ 的位置方程吗？显然这是无比困难的，因为该盒子受到的外力 $f$ 跟其位置 $p$ 有关，即 $f$ 与 $p$ 存在某种函数关系，因此，我们可以抽象出物体加速度 $a$ 与 $p$ 的关系：

$$a = \frac {f(t, p)} m$$

而又因 $a$ 为 速度 $v$ 的一阶阶导数，$v$ 为 $p$ 的一阶导数，因此我们最终得到：

$$\ddot p = \dot v = \frac {f(t, p)} m$$

这是一个标准的微分方程($p$ 上面有一点表示导数)，我们从该方程中直接求出 $p$ 基本上是不可能的，因 $f$ 往往很复杂(包含了各种碰撞和约束) 。但是我们可以使用数值方法。数值方法的本质上是用某种方法来近似求出我们需要的解。使用数值方法我们得不到精确解，但是没所谓，在精度要求不是十分严格的模拟下一般都够用了。

而又物体的速度 $v$ 为 $p$ 的一阶导数，我们得到：

$$\dot p = v$$

我们可以将两条微分方程组合起来，使用矩阵表示：

$$\begin{bmatrix}\dot v \\ \dot p\\ \end{bmatrix} = \begin{bmatrix}\frac {f(t, p)} m \\ v\end{bmatrix}$$

用 $\dot X$ 表示左边的矩阵，$F(t, X)$ 表示右边的矩阵，有：

$$\dot X = F(t, X)$$

啰嗦了这么多，就是为了得到这个方程，我们的目标就是要使用数值方法求解出这个方程的 $X$。为什么要求 $X$？因为模拟的本质就是求某个物体在某一时候应该正确出现的位置(和旋转)。

求解微分方程的数值方法有许多，如 Runge Kutta，Mid-point，还有我之前介绍过的 Verlet，但我今天介绍最常用也是最基础的三种方法，分别为：

显式(向前)欧拉方法：Explicit Euler

隐式(向后)欧拉方法：Implicit Euler

半隐式欧拉方法：Semi-implicit Euler

显式(向前)欧拉方法

1. 介绍

观察我们的方程：

$$\dot X = F(t, X)$$

求解 $X$ 不容易，但是我们可以从 $\dot X$ 入手。

回忆高中数学，若有函数 $f(x)$，那么其导数的定义为：

$$\dot f(x) = \frac {df}{dx} = \lim_{h\to 0}\frac {f(x + h) - f(x)}{h}$$

但是计算机模拟是离散的，因此步长 $h$ 取不了无限小，只能是一个有一定大小的数，但是我们可以利用这种思想，对 $\dot f(x)$ 进行近似：

$$\dot f(x) \approx\ \frac {f(x + h) - f(x)}{h}$$

按照这种思路我们可以求出近似的 $\dot X$。

比如，我们要求 $t_1$ 时刻的 $\dot X$，我们可以：

$$\dot X_{1} = F(t_1, X_1) = \frac {X_2 - X_1}{t_2 - t_1}$$

其中 ${t_2 - t_1}$ 即模拟步长 $h$。那么现在我们可以求 $t_2$ 时刻的 $X$，即 $X_2$ 为：

$$X_2 = X_1 + h * F(t_1, X_1)$$

这种对于每一个时刻($t_2$)，都使用上一时刻($t_1$)的解进行求解的方法即为显式欧拉方法，又叫向前欧拉方法。下图显示了显式欧拉方法的细节：

绿线为 $\dot X_{1}$ 的真实值，黑线为显式欧拉的得到的近似值，可以看到是有一定误差存在的，同时也能发现，缩短步长 $h$ 能提高精度。

显式欧拉简单高效且容易实现，但是缺点明显。

2. 稳定性分析

显式欧拉方法不是无条件稳定的方法。这句话我们要理解两个词，首先是稳定，第二是无条件。稳定指的是在长时间模拟下，得到的数值不会指数级爆炸；无条件指的是在任何微分方程下都能稳定。

因此显式欧拉方法在某些方程下能稳定，某些方程下不稳定。我们可以用以下方程来测试：

$$\dot y(t) = -\lambda y(t)$$ $$y(0) = \hat y$$

该线性微分方程称为测试方程，其中有初始值 $\hat y$，且 $\lambda > 0$。

该方程的解为 $y = \hat y e^{-\lambda t}$，显然在 $t \to +\infty$ 时，$y \to 0$。

我们将该测试方程代入到显式欧拉方法的公式里，有：

$$y_{t + 1} = y_t - h\lambda y_t = (1 - h\lambda)y_t $$

运用数学归纳法，我们可以得到 $y_t$ 与 $\hat y$ 的关系为：

$$y_t = {(1 - h\lambda)}^ty_t$$

显然，这是一个指数函数，因此想要在 $t \to +\infty$ 时不发生数值爆炸，我们只能限制：

$$\vert {1 - h\lambda} \vert 

也就是只有当 $h\lambda > 0$ 时或 $h\lambda 

隐式(向后)欧拉方法

1. 介绍

显式欧拉方法的思路是使用上一时刻的导数($F(t - 1, X_{t - 1})$)去近似当前时刻的结果($X_{t}$)。而隐式欧拉对齐进行了改进：使用当前时刻的导数($F(t, X_{t})$)近似当前时刻的结果($X_t$)。这是隐式欧拉和显式欧拉的唯一区别。用公式表示就是：

$$\dot X_{1} = F(t_1, X_1) = \frac {X_1 - X_0}{t_1 - t_0} $$ $$ \Rightarrow X_1 = X_0 + h * F(t_1, X_1)$$

绿线为 $\dot X_{1}$ 的真实值，黑线为隐式欧拉的得到的近似值，隐式欧拉同样也会产生误差。

也许你会发现一些问题：在 $X_1$ 未求出前，我们怎么能先计算 $F(t_1, X_1)$ 呢？没错这就是隐式欧拉方法最大的缺陷，它计算困难复杂，通常需要求解方程组，但是隐式欧拉最大的优点是数值稳定。

2. 稳定性分析

隐式欧拉方法是无条件稳定的方法。使用上面的测试方程，我们对隐式欧拉方法进行同样的操作：

$$y_{t + 1} = y_t - h\lambda y_{t + 1} $$

整理得：

$$y_{t + 1}(1 + h\lambda) = y\_t$$

对初始值 $\hat y$ 归纳得：

$$y_t = {(\frac {1}{1 + h\lambda})}^t \hat y$$

我们又得到了一个指数函数，同样想要不发生数值爆炸，只有：

$$\vert \frac {1}{1 + h\lambda} \vert 

也就是需要 $\vert 1 + h\lambda \vert > 1$。步长 $h$ 必定是一个正数，又有 $\lambda > 0$(上面有写)，因此不等式恒成立。

半隐式欧拉方法

显式欧拉和隐式欧拉都有各种的缺点，因此后人想出了一种新方法，将两者结合了起来。

现在让我们忘记 $\dot X = F(t, X)$，回到：

$$\dot v = \frac {f(t, p)} m $$ $$ \dot p = v$$

对其使用显式欧拉积分，有：

$$v_{t + 1} = v_t + h * \frac {f(t, p_t)} m $$ $$ p_{t + 1} = p_t + h * v_t$$

既然对两条方程都使用隐式欧拉比较难求解，那么我们就仅对较简单的那条方程使用隐式欧拉：

红框显式了该方法与显式欧拉的唯一不同之处，我们使用显式欧拉求解速度，用隐式欧拉求解位置，这种混合的方法就叫半隐式欧拉方法。

半隐式欧拉方法相比于隐式欧拉方法更容易实现，速度更快，相比显式欧拉要更稳定些，但并不是无条件稳定。在大部分情况下半隐式欧拉方法都能稳定，除了某些极端条件(比如非常大的参数)。所以半隐式欧拉在刚体模拟下是最常用，也是首推的。

总结

显式欧拉：简单，快，不稳定

隐式欧拉：复杂，慢，稳定

半隐式欧拉：简单，快，大部分情况稳定(刚体模拟首推)