龙格—库塔法简介

1. 公式
   观察依据

   黑板在初始条件和递推关系中写下 `x`。

2. 声音
   观察依据

   说话人指出存在某个 x 值，使得 y 的值已知。

x

常微分方程中的自变量。

实值自变量；初始值为 $x_0$。

1. 公式
   观察依据

   黑板在初始条件和递推公式中写下 `y`。

2. 声音
   观察依据

   说话人指出我们已知某个 x 处的 y 值。

y

待由数值方法近似求解的因变量。

实值因变量；初始值为 $y_0$。

1. 公式
   观察依据

   该常微分方程写作 $dy/dx = f(x,y)$。

2. 声音
   观察依据

   说话人指出该微分方程描述了 y 随 x 变化的方式，且它是 x 和 y 的函数。

$f(x,y)$

右端函数，给出点 (x,y) 处的斜率 $dy/dx$。

关于两个实变量的函数。

1. 公式
   观察依据

   该递推式使用 h，随后黑板上写出步长为 2 分之 h。

2. 声音
   观察依据

   主讲人称 h 为步长，并指出更小的步长可带来更精确的计算结果。

h

用于从一个网格点推进到下一个网格点的步长。

x 的正向增量。

1. 公式
   观察依据

   该递推公式中包含 $x_n$，出现在 $T_4(x_n,y_n,h)$ 内。

2. 声音
   观察依据

   主讲人在解释递推式时提到了 $x_n$。

$x_n$

第 n 步时自变量的当前取值。

通过以 h 为步长递进所生成的 x 值离散序列。

1. 公式
   观察依据

   该递推公式中包含 $y_n$。

2. 声音
   观察依据

   主讲人说：如果我知道 y 的某个值，就可以迈出一小步。

$y_n$

y 在 $x_n$ 处的近似值。

因变量近似值构成的离散序列。

1. 公式
   观察依据

   黑板上写出 $x_{n+1}=x_n+h$。

2. 声音
   观察依据

   主讲人说明 $x_n$ 加 1 等于 $x_n$ 加 h。

$x_{n+1}$

单步之后的下一个自变量取值。

由 $x_{n+1}=x_n+h$ 定义。

1. 公式
   观察依据

   递推公式起始为 $y_{n+1}=y_n$+hT_4($x_n$,$y_n$,h)。

2. 声音
   观察依据

   主讲人说：计算与 $x_{n+1}$ 对应的 y 的新值。

$y_{n+1}$

y 在 $x_{n+1}$ 处的近似值。

由 $y_n$ 递归计算得出。

1. 公式
   观察依据

   该递推公式使用 $T_4(x_n,y_n,h)$，随后黑板显式定义了 $T_4$。

2. 声音
   观察依据

   主讲人说他将写出 T4 的公式，并讨论各项的含义。

$T_4(x_n,y_n,h)$

经典四阶龙格-库塔更新中所用的加权平均斜率项。

关于当前 $x_n$、$y_n$ 和步长 h 的函数。

1. 公式
   观察依据

   黑板上写出 $k_1=f(x,y)$，说话者指出这是函数在 x 和 y 处的取值。

2. 声音
   观察依据

   K1 就是函数在 x 和 y 处的取值。

1. 本行手写参数未带下标，而口述解释将其理解为当前点。

$k_1$

龙格-库塔公式中的第一个斜率估计值。

在当前点处计算出的斜率。

1. 公式
   观察依据

   黑板上写出 $k_2=f(x+h/2,y+h/2 k_1)$。

2. 声音
   观察依据

   说话者称 K2 是函数在 x 加上半个步长、y 加上半个步长乘以 K1 处的取值。

$k_2$

基于 $k_1$ 的半步长预测所得的第二个斜率估计值。

在由 $k_1$ 预测出的中点处计算出的斜率。

1. 公式
   观察依据

   黑板上写出 $k_3=f(x+h/2,y+h/2 k_2)$。

2. 声音
   观察依据

   说话者称 K3 非常相似，只是此处换成了 K2。

$k_3$

基于 $k_2$ 的半步长预测所得的第三个斜率估计值。

在中点处计算的斜率，该斜率由 $k_2$ 预测得到。

1. 公式
   观察依据

   黑板标题为‘龙格-库塔法’，文字说明这是一种求解常微分方程（ODE）的方法。

2. 声音
   观察依据

   说话人表示，本视频介绍一种用于求解常微分方程的方法。

本视频将龙格-库塔法介绍为一种求解常微分方程的数值技术，并特别指出其比欧拉法具有更优的近似效果。

1. 应用于常微分方程。

2. 与欧拉法进行比较。

1. 公式
   观察依据

   黑板上写道：‘经典龙格-库塔法是一种 4 阶近似。’

2. 声音
   观察依据

   主讲人指出，龙格-库塔法是一种四阶近似方法。

此处讨论的经典版本被认定为一种四阶近似方法。

1. 指经典龙格-库塔法。

1. 龙格-库塔法的目的

1. 公式
   观察依据

   黑板上写着“初始条件：在 $x = x_0$ 处，$y = y_0$”以及“常微分方程 $dy/dx = f(x, y)$”。

2. 声音
   观察依据

   主讲人解释说，在某个 x 值处我们已知 y 的值，而该常微分方程描述了 y 随 x 变化的方式。

问题设定为一个初值型常微分方程：从已知值 $x_0$ 和 $y_0$ 出发，利用方程 $dy/dx = f(x, y)$ 推进求解。

1. 在 $x = x_0$ 处给定一个初始条件，此时 $y = y_0$。

2. 该微分方程写作 $dy/dx = f(x, y)$。

1. 公式
   观察依据

   黑板上写着“递推公式 $y_{n+1} = y_n$ + hT_4($x_n$, $y_n$, h)”并随后补充“$x_{n+1} = x_n + h$”。

2. 声音
   观察依据

   主讲人说，如果已知某个 y 的值，就可以迈出一小步，并计算出对应于 $x_{n+1}$ 的新 y 值。

该方法通过递推关系逐步推进：下一个 y 值等于当前 y 值加上步长乘以加权斜率项 $T_4$，下一个 x 值则通过在当前 x 值上加 h 得到。

1. 需要当前值 $x_n$ 和 $y_n$。

2. 使用步长 h。

3. 在计算更新式之前，必须先定义 $T_4$。

1. 初值型常微分方程设定
2. h
3. $x_n$
4. $y_n$

1. 公式
   观察依据

   黑板上写出 $T_4=1/6(k_1+2k_2+2k_3+k_4)$，随后给出 $k_1$ 至 $k_4$ 的定义。

2. 声音
   观察依据

   说话人称 T4 本质上是六项之和的六分之一，然后解释 k1 至 k4。

1. 口语中‘本质上是六项之和’这一说法，相对于黑板所展示的四项加权和而言不够准确。

因子 $T_4$ 是四个斜率估计值的加权平均：中间两个斜率权重加倍，整个组合再乘以 $1/6$。

1. 使用四个斜率估计值 $k_1$、$k_2$、$k_3$、$k_4$。

2. 每个 $k_i$ 均由函数 f 在不同试探点处计算得出。

1. 龙格-库塔递推公式
2. $f(x,y)$

1. 公式
   观察依据

   黑板上列出了 $k_1 = f(x, y)$，$k_2 = f(x + h/2, y + h/2 k_1)$，$k_3 = f(x + h/2, y + h/2 k_2)$，$k_4 = f(x + h, y + h k_3)$。

2. 声音
   观察依据

   主讲人依次解释每个 k，包括半步长和全步长的函数值计算。

1. 第一行手写时 x 和 y 上未加下标，但口述讲解中将它们视为当前点。

该方法计算四个相继的斜率估计：一个在当前点，两个在由先前斜率预测出的中点处，一个在由第三个斜率预测出的终点处。

1. $k_2$ 依赖于 $k_1$。

2. $k_3$ 依赖于 $k_2$。

3. $k_4$ 依赖于 $k_3$。

4. 这些公式使用来自常微分方程的同一个 $f(x, y)$。

1. 加权斜率 $T_4$ 的定义
2. $f(x,y)$
3. h

1. 公式
   观察依据

   龙格-库塔法的一般递推公式写在黑板上。

龙格-库塔法通过四个斜率估计值（$k_1$、$k_2$、$k_3$、$k_4$）的加权平均来计算下一个 y 值。公式为 $y_{n+1} = y_n + h T_4(x_n, y_n, h)$，其中 $T_4 = \frac{1}{6}(k_1 + 2k_2 + 2k_3 + k_4)$。

1. 适用于形如 $dy/dx = f(x,y)$ 的一阶常微分方程。

1. 公式
   观察依据

   $k_1$、$k_2$、$k_3$ 和 $k_4$ 的定义写在黑板上。

斜率估计值定义为：$k_1 = f(x_n, y_n)$，$k_2 = f(x_n + \frac{h}{2}, y_n + \frac{h}{2}k_1)$，$k_3 = f(x_n + \frac{h}{2}, y_n + \frac{h}{2}k_2)$，以及 $k_4 = f$($x_n + h$, $y_n$ + hk_3)。

1. 需要函数 $f(x,y)$ 来表示导数。

1. 龙格-库塔法递推公式

1. 公式
   观察依据

   四阶龙格-库塔法的一般公式写在黑板上：$y_1 = y_0 + (h/6)[k_1 + 2k_2 + 2k_3 + k_4]$。

该公式通过对当前步长内四个斜率估计值（$k_1$、$k_2$、$k_3$、$k_4$）取加权平均，来计算因变量的下一个值。

1. 适用于求解形如 $dy/dx = f(x,y)$ 的常微分方程。

2. 需要一个初始条件 $y(x_0) = y_0$ 和选定的步长 h。

1. 声音
   观察依据

   主讲人说：“然后我们继续推进，可得 y2 等于 y1 加上 h 乘以 T4 在 x1 和 y1 处的取值。”

2. 公式
   观察依据

   主讲人写出 $y_2 = y_1 + h T_4(x_1, y_1)$，然后定义 $k_1 = f(x_1, y_1)$。

1. 符号 $T_4$ 在音频中被提及并最初写在黑板上，但随即被更正/替换为后续行中表示斜率的标准 k 记号。

为求得后续各点处的解，需重复该过程：上一步计算出的值（$x_1$, $y_1$）成为下一步计算 $y_2$ 的起始点。

1. 该方法从初始条件出发，依次向外推进应用。

1. 四阶龙格-库塔公式

1. 公式
   观察依据

   黑板文字指出，该方法比欧拉法提供了更优的近似。

2. 声音
   观察依据

   主讲人称，这是一种比欧拉法更优的近似。

视频中介绍的龙格-库塔法比欧拉法提供更优的近似效果。

1. 该比较针对常微分方程（ODE）求解，对比的是龙格-库塔法与欧拉法。

这是对视频所述常微分方程求解场景所作的隐含比较。

1. 声音
   观察依据

   主讲人指出，采用更小的步长将使计算结果更精确。

1. 在此区间内未给出严格的误差界证明；该结论仅以口头方式陈述。

在此方法中，采用更小的步长可获得更精确的计算结果。

1. 该方法正以步长 h 进行应用。

关于减小 h 的一般性口头陈述。

1. 公式
   观察依据

   黑板上写有 h、$h/2$ 步长以及 $2^5$。

2. 声音
   观察依据

   主讲人指出，若将步长由 h 改为 $h/2$，则误差将减小为原来的 2 的五次方分之一。

1. 该片段在此解释过程中结束，因此此处无法提供进一步的阐述。

对于这种四阶方法，将h替换为$h/2$会使误差减小为原来的$2^5$分之一。

1. 该方法即视频中所讨论的四阶龙格-库塔法。

2. 步长由h变为$h/2$。

关于步长减半影响的条件语句。

1. 公式
   观察依据

   黑板上写有$y_{n+1}=y_n$+hT_4($x_n$,$y_n$,h)以及$x_{n+1}=x_n+h$。

2. 声音
   观察依据

   主讲人解释：以微小步长h前进，并计算对应于$x_{n+1}$的新y值。

1. 公式

   $$$$
   解释

   从已知的当前值$x_n$和$y_n$出发。

   步骤依据

   这些是在初值设定之后引入的离散量。

   视频直接表达
2. 公式

   $$x_{n+1}=x_n+h$$
   解释

   将自变量推进一个步长h。

   步骤依据

   此式明确写在黑板上，并被口头陈述。

   视频直接表达
3. 公式

   $$y_{n+1}=y_n+hT_4(x_n,y_n,h)$$
   解释

   通过加上步长 h 与一个加权斜率项的乘积，来更新因变量。

   步骤依据

   这是黑板上展示的递推公式。

   视频直接表达

该方法以递归方式推进：每一对新值 ($x_{n+1}$,$y_{n+1}$) 均由前一对值、步长以及斜率组合 $T_4$ 计算得出。

1. 公式
   观察依据

   黑板上按顺序列出了 $k_1$ 至 $k_4$，其中每个后续斜率均依赖于前面的某个斜率。

2. 声音
   观察依据

   主讲人讲解 k1，然后 k2，使用 k1，然后 k3，使用 k2，然后 k4，使用 k3。

1. 公式

   $$k_1=f(x,y)$$
   解释

   在当前点处计算常微分方程的斜率。

   步骤依据

   这是第一个展示出的斜率定义。

   视频直接表达
2. 公式

   $$k_2=f\left(x+\frac{h}{2},y+\frac{h}{2}k_1\right)$$
   解释

   在利用 $k_1$预测出的中点处计算斜率。

   步骤依据

   该公式在 y 的自变量中显式使用了 $k_1$。

   视频直接表达
3. 公式

   $$k_3=f\left(x+\frac{h}{2},y+\frac{h}{2}k_2\right)$$
   解释

   在另一个中点处计算斜率，该中点由 $k_2$预测得到。

   步骤依据

   该公式显式地将 $k_1$替换为 $k_2$。

   视频直接表达
4. 公式

   $$k_4=f(x+h,y+hk_3)$$
   解释

   在利用 $k_3$ 预测的端点处计算斜率。

   步骤依据

   该公式使用完整步长 h，且依赖于 $k_3$。

   视频直接表达
5. 公式

   $$T_4=\frac{1}{6}(k_1+2k_2+2k_3+k_4)$$
   解释

   将四个斜率合并为一个加权平均值。

   步骤依据

   这是所展示的 $T_4$ 的定义。

   视频直接表达

龙格-库塔更新法采用一系列逐步精细化的斜率估计，再以权重 1、2、2、1 对它们进行加权平均，权重经 $1/6$ 缩放。

1. 公式
   观察依据

   $k_1$、$k_2$、$k_3$、$k_4$ 和 $y_1$ 的分步计算过程写在黑板上。

2. 声音
   观察依据

   主讲人讲解如何将数值代入公式。

1. 公式

   $$k_1 = f(x_0, y_0) = 3(1)^2(2) = 6$$
   解释

   计算第一个斜率估计值 $k_1$，使用初始条件 $x_0=1$ 和 $y_0=2$。

   步骤依据

   $k_1$ 的定义

   视频直接表达
2. 公式

   $$k_2 = f(x_0 + \frac{h}{2}, y_0 + \frac{h}{2}k_1) = f(1.05, 2.3) = 3(1.05)^2(2.3) = 7.595$$
   解释

   利用中点及第一个斜率估计值计算第二个斜率估计值 $k_2$。

   步骤依据

   $k_2$ 的定义

   视频直接表达
3. 公式

   $$k_3 = f(x_0 + \frac{h}{2}, y_0 + \frac{h}{2}k_2) = f(1.05, 2.37975) = 3(1.05)^2(2.37975) = 7.859$$
   解释

   利用中点及第二个斜率估计值计算第三个斜率估计值 $k_3$。

   步骤依据

   $k_3$ 的定义

   视频直接表达
4. 公式

   $$k_4 = f(x_0 + h, y_0 + hk_3) = f(1.1, 2.7859) = 3(1.1)^2(2.7859) = 10.117$$
   解释

   使用端点和第三个斜率估计值计算第四个斜率估计值 $k_4$。

   步骤依据

   $k_4$ 的定义

   视频直接表达
5. 公式

   $$y_1 = y_0 + \frac{h}{6}[k_1 + 2k_2 + 2k_3 + k_4] = 2 + \frac{0.1}{6}[6 + 2(7.595) + 2(7.859) + 10.117] = 2.787$$
   解释

   利用斜率估计值的加权平均计算下一个值 $y_1$。

   步骤依据

   龙格-库塔递推公式

   视频直接表达

y 在 $x=1.1$ 处的近似值为 2.787。

1. 公式
   观察依据

   黑板上展示了将具体数值代入 RK4 公式的步骤：$y_1 = 2 + (0.1/6)[6 + 2(2.607) + 2(2.822) + 10.117]$。

2. 公式
   观察依据

   最终计算结果以方框标出：$y_1 = 2.287$，$x_1 = 1.10$。

1. 公式

   $$y_1 = 2 + \frac{0.1}{6}[6 + 2(2.607) + 2(2.822) + 10.117]$$
   解释

   将初值 $y_0 = 2$、步长 $h = 0.1$，以及预先算得的斜率 $k_1 = 6$、$k_2 = 2.607$、$k_3 = 2.822$、$k_4 = 10.117$ 代入 RK4 公式。

   步骤依据

   直接应用上方所示公式。

   视频直接表达
2. 公式

   $$y_1 = 2.287$$
   解释

   执行算术运算，求出 $x = 1.10$ 处 y 的近似值。

   步骤依据

   数值计算

   视频直接表达

函数在第一步处的取值约为2.287。

1. 公式
   观察依据

   黑板上写出例题：$dy/dx = 3x^2y$，其中 $x_0=1$，$y_0=2$，步长 $h=0.1$。

求解微分方程 $dy/dx = 3x^2y$，初始条件为 $x_0=1$, $y_0=2$，使用步长 $h = 0.1$ 来求 $y_1$。

1. $dy/dx = 3x^2y$

2. x 下标0 等于1

3. y 下标 0 等于 2

4. h 等于0.1

计算 $x = 1.1$ 处 y 的近似值（即 $y_1$）。

1. 公式

   $$k_1 = 6$$
   解释

   计算第一个斜率估计值。

   步骤依据

   代入 $k_1$ 公式。

   视频直接表达
2. 公式

   $$k_2 = 7.595$$
   解释

   计算第二个斜率估计值。

   步骤依据

   代入 $k_2$ 公式。

   视频直接表达
3. 公式

   $$k_3 = 7.859$$
   解释

   计算第三个斜率估计值。

   步骤依据

   代入 $k_3$ 公式。

   视频直接表达
4. 公式

   $$k_4 = 10.117$$
   解释

   计算第四个斜率估计值。

   步骤依据

   代入 $k_4$ 公式。

   视频直接表达
5. 公式

   $$y_1 = 2.787$$
   解释

   计算 $y_1$ 的最终近似值。

   步骤依据

   代入龙格-库塔公式。

   视频直接表达

y 下标 1 等于 2.787

主讲人指出，该结果比欧拉法计算的结果精确得多。

1. 公式
   观察依据

   整段演示了计算一个步长（$y_1$）并为常微分方程准备下一步（$y_2$）的过程。

1. 具体的微分方程 $f(x,y)$ 并未明确给出，仅提供了其在若干点处的斜率值。

给定一个初值问题：$y_0 = 2$ 当 $x_0 = 1.00$（该条件隐含于 $x_1 = 1.10$ 和 $h = 0.1$），且步长 $h = 0.1$，请用四阶龙格-库塔法计算下一个值 $y_1$。

1. y 下标 0 等于 2

2. h 等于0.1

3. k 下标 1 等于 6

4. k 下标 2 等于 2.607

5. k 下标 3 等于 2.822

6. k 下标 4 等于 10.117

求出 $y_1$，并为计算 $y_2$做好准备。

1. 公式

   $$y_1 = y_0 + \frac{h}{6}[k_1 + 2k_2 + 2k_3 + k_4]$$
   解释

   写出一般龙格-库塔4更新公式。

   步骤依据

   该方法的定义。

   视频直接表达
2. 公式

   $$y_1 = 2 + \frac{0.1}{6}[6 + 2(2.607) + 2(2.822) + 10.117]$$
   解释

   将已知数值代入公式。

   步骤依据

   算术代入。

   视频直接表达
3. 公式

   $$y_1 = 2.287$$
   解释

   计算第一步的最终结果。

   步骤依据

   数值计算。

   视频直接表达
4. 公式

   $$y_2 = y_1 + h T_4(x_1, y_1)$$
   解释

   开始写出下一步的公式 $y_2$，使用新求得的值 $x_1$ 和 $y_1$。

   步骤依据

   该数值方法的迭代性质。

   视频直接表达
5. 公式

   $$k_1 = f(x_1, y_1)$$
   解释

   定义在点 ($x_1$, $y_1$) 处起始的新区间上的第一个斜率。

   步骤依据

   龙格-库塔4的标准步骤。

   视频直接表达

y 下标 1 等于 2.287

该结果与黑板上的手写计算一致。

1. 图示
   观察依据

   标题页显示文字：‘龙格-库塔方法’、‘动力学’以及‘科罗拉多大学博尔德分校’。

1. 标题文字

2. 背景图示

1. 手写黑板出现前，先显示静态标题信息。

1. 此时尚未显示任何数学公式。

本片段指出本节主题为动力学背景下的龙格-库塔方法。

1. 动画
   观察依据

   一个黄色高亮框出现在“在 $x=x_0$ 处，$y=y_0$”周围。

2. 声音
   观察依据

   主讲人讨论在某个 x 值处给出的初始条件，此时 y 的值已知。