微分方程 Lab

First-Order Differential Equation
形如 $F(t,y,y^{\prime })=0$ 或 $\frac{dy}{dt}=\varphi (t,y)$的方程式，即为一阶微分方程。例如：
$y^{\prime }-t^2-1=0$
一阶微分方程的解 $f(t)$ 需满足使得 $F(t,f(t),f^{\prime }(t))=0$ 对于任意 $t$ 均成立

First-Order Initial Value Problem
形如 $F(t,y,y^{\prime })=0,y(t_0)=y_0$ 的一系列方程式，即为一阶储值问题。例如
$y^{\prime }=t^2+1,y(1)=4$ 的解为 $f(t)=t^3/3+t+8/3$

可以尝试用多个大小不同的 h 来试试，然后列张表格啥的
像这样

(1) $\frac{dy}{dt}=f(t,y)$

(2) $y(t_0)=y_0$

(3) $\frac{d\varphi }{dt}(t_n)=f(t_n,\varphi (t_n))$

(4) $\frac{\varphi (t_{n+1})-\varphi (t_n)}{t_{n+1}-t_n}\approx f(t_n,\varphi (t_n))$

Euler
(5) $y_{n+1}=y_n+hf(t_n,y_n)$

Backward Euler
(6) $y_{n+1}=y_n+hf(t_{n+1},y_{n+1})$

Global Truncation Error
无限精度的情况下
difference between solution $y=\varphi (t)$ and the numerical approximation $y_n$ at $t_n$
(7) $E_n=\varphi (t_n)-y_n$

Round-off Error
但是现实的精度肯定是有限的
difference between numerical approximation ideally $y_n$ and that practicingly $Y_n$ （即实际通过数值法计算出来的结果）
(8) $R_n=y_n-Y_n$

(9) $$\begin{gathered} |\varphi (t_n)-Y_n|=|\varphi (t_n)-y_n+y_n-Y_n| \\ \le |\varphi (t_n)-y_n|+|y_n-Y_n|=|E_n|+|R_n| \end{gathered}$$

Improved Euler
$y_{n+1}=y_n+\frac{f(t_n,y_n)+f(t_{n+1},y_{n+1})}{2}h$