Eulers metode 🎯

Ikke alle differentialligninger kan løses med en pæn formel. Hvad gør vi, når separationsmetoden og andre analytiske teknikker ikke virker? Vi tager computeren (eller lommeregneren) til hjælp og beregner løsningen punkt for punkt — det er essensen af Eulers metodeEn numerisk metode til at approksimere løsningen af en differentialligning trin for trin. Opkaldt efter den schweiziske matematiker Leonhard Euler (1707-1783)..

Ideen er genial i sin enkelhed: vi kender startpunktet og hældningen (fra differentialligningen), så vi “går” et lille skridt i hældningens retning. Gentag, og vi bygger løsningskurven op stykke for stykke — som at tegne en kurve med linealer!

Mestr Eulers metode og optjen +150 XP!

Teori: Grundideen bag Eulers metode

Betragt en differentialligning af 1. orden:

$\frac{dy}{dx} = f(x, y), \quad y(x_0) = y_0$

Vi kender altså:

Startpunktet $(x_0, y_0)$
Hældningen i hvert punkt: $f(x, y)$ — differentialligningen fortæller os, hvor stejl kurven er!

Den geniale indsigt: I et lille interval opfører kurven sig næsten som en ret linje. Så vi kan approksimere den næste $y$ -værdi ved at følge tangentlinjenTangentlinjen til en kurve i et punkt. Euler bruger tangentlinjens retning til at tage små skridt langs den approksimerede løsning. et lille stykke.

Tangentlinjens ligning i $(x_0, y_0)$ med hældning $f(x_0, y_0)$ :

$y \approx y_0 + f(x_0, y_0) \cdot (x - x_0)$

Hvis vi går et skridt af længde $h$ (dvs. $x_1 = x_0 + h$ ), får vi:

$y_1 \approx y_0 + f(x_0, y_0) \cdot h$

Og ideen gentages: fra $(x_1, y_1)$ beregner vi $(x_2, y_2)$ , osv.

Teori: Eulers formel

Eulers formelEulers iterationsformel: y_{n+1} = y_n + h · f(x_n, y_n), der beregner næste approksimation ud fra den aktuelle position og hældning. er:

$\boxed{y_{n+1} = y_n + h \cdot f(x_n, y_n)}$

$x_{n+1} = x_n + h$

hvor:

$(x_n, y_n)$ er den aktuelle position (det kendte punkt)
$h$ er skridtlængdenAfstanden mellem to successive x-værdier i Eulers metode. Mindre h giver bedre approksimation, men kræver flere beregninger. (step size)
$f(x_n, y_n)$ er hældningen i det aktuelle punkt (givet af differentialligningen)
$(x_{n+1}, y_{n+1})$ er det nye approksimerede punkt

Algorithmen i ord:

Start i $(x_0, y_0)$
Beregn hældningen: $m = f(x_0, y_0)$
Tag et skridt: $x_1 = x_0 + h$ , $y_1 = y_0 + h \cdot m$
Gentag fra det nye punkt $(x_1, y_1)$
Fortsæt til du når den ønskede $x$ -værdi

Intuition: Det er som at navigere i tåge. Du kan kun se retningen (hældningen) lige der, hvor du står. Du tager et lille skridt i den retning, tjekker retningen igen, tager et nyt skridt — og gradvist finder du frem!

Interaktiv Simulering

Eulers Metode & Retningsfelter

Undersøg hvordan Eulers numeriske metode følger retningsfeltets hældninger. Klik på grafen for at ændre startpunktet (x₀, y₀).

Global fejl ved x = 4.0:

|y_Euler - y_Eksakt| = 0.0288

Retningsfelt (Hældninger)Eksakt løsning (stiplet)Euler approksimation

Vælg Differentialligning

Kurven søger mod linjen y = x - 1. Dejlig stabiliserende effekt.

Parametre

Skridtlængde (h):0.5

0.1 (Meget præcis)1.0 (Store skridt)

Start x₀:0.00

Start y₀:1.00

Hvordan virker det?Eulers metode tager den lokale hældning y' = x - y i punktet

(x_n, y_n)

, og går en skridtlængde

h

frem i den retning for at finde

y_{n+1} = y_n + h \\cdot f(x_n, y_n)

.
Prøv dette: Sæt

h = 1{,}0

og derefter

h = 0{,}1

for at se, hvor hurtigt fejlen formindskes!

Iterativ tabelberegning (Hold musen over en række for at highlighte trinnet på grafen)

$n$	Aktuelt punkt $(x_n, y_n)$	Hældning $f(x_n, y_n)$	Trin-stigning $h \\cdot f$	Næste punkt $y_{n+1} = y_n + h \\cdot f$
0	(0.00, 1.0000)	-1.0000	$0.5 \cdot -1.000 = -0.5000$	0.5000
1	(0.50, 0.5000)	0.0000	$0.5 \cdot 0.000 = 0.0000$	0.5000
2	(1.00, 0.5000)	0.5000	$0.5 \cdot 0.500 = 0.2500$	0.7500
3	(1.50, 0.7500)	0.7500	$0.5 \cdot 0.750 = 0.3750$	1.1250
4	(2.00, 1.1250)	0.8750	$0.5 \cdot 0.875 = 0.4375$	1.5625
5	(2.50, 1.5625)	0.9375	$0.5 \cdot 0.938 = 0.4688$	2.0313
6	(3.00, 2.0313)	0.9688	$0.5 \cdot 0.969 = 0.4844$	2.5156
7	(3.50, 2.5156)	0.9844	$0.5 \cdot 0.984 = 0.4922$	3.0078
8	(4.00, 3.0078)	0.9922	$0.5 \cdot 0.992 = 0.0000$	3.0078

Vis Eksempel: Euler med y’ = 2y, tabelform ⚡

Opgave: Brug Eulers metode til at approksimere løsningen til $y' = 2y$ , $y(0) = 1$ fra $x = 0$ til $x = 1$ med skridtlængde $h = 0{,}25$ .

Løsning:

Her er $f(x, y) = 2y$ (hældningen afhænger kun af $y$ ).

Vi udfylder tabellen trin for trin:

Trin 0: $(x_0, y_0) = (0, 1)$

\begin{aligned} f(x_0, y_0) &= 2 \cdot 1 = 2 \\ y_1 &= y_0 + h \cdot f(x_0, y_0) = 1 + 0{,}25 \cdot 2 = 1{,}5 \\ x_1 &= 0 + 0{,}25 = 0{,}25 \end{aligned}

Trin 1: $(x_1, y_1) = (0{,}25, \; 1{,}5)$

\begin{aligned} f(x_1, y_1) &= 2 \cdot 1{,}5 = 3 \\ y_2 &= 1{,}5 + 0{,}25 \cdot 3 = 2{,}25 \\ x_2 &= 0{,}25 + 0{,}25 = 0{,}5 \end{aligned}

Trin 2: $(x_2, y_2) = (0{,}5, \; 2{,}25)$

\begin{aligned} f(x_2, y_2) &= 2 \cdot 2{,}25 = 4{,}5 \\ y_3 &= 2{,}25 + 0{,}25 \cdot 4{,}5 = 3{,}375 \\ x_3 &= 0{,}5 + 0{,}25 = 0{,}75 \end{aligned}

Trin 3: $(x_3, y_3) = (0{,}75, \; 3{,}375)$

\begin{aligned} f(x_3, y_3) &= 2 \cdot 3{,}375 = 6{,}75 \\ y_4 &= 3{,}375 + 0{,}25 \cdot 6{,}75 = 5{,}0625 \\ x_4 &= 0{,}75 + 0{,}25 = 1{,}0 \end{aligned}

Tabeloversigt:

$n$	$x_n$	$y_n$	$f(x_n, y_n) = 2y_n$	$h \cdot f$	$y_{n+1}$
0	0	1	2	0,5	1,5
1	0,25	1,5	3	0,75	2,25
2	0,5	2,25	4,5	1,125	3,375
3	0,75	3,375	6,75	1,6875	5,0625

Eulers approksimation: $y(1) \approx 5{,}0625$ .

Eksakt løsning: $y = e^{2 \cdot 1} = e^2 \approx 7{,}389$ .

Fejlen: $|7{,}389 - 5{,}063| = 2{,}326$ , svarende til en relativ fejl på ca. $31\%$ . Det er en stor fejl — men med mindre $h$ bliver det bedre! ✅

Teori: Beregning i tabelform

I praksis (og til eksamen) opstilles Eulers metode systematisk i en tabel. Her er skabelonen:

$n$	$x_n$	$y_n$	$f(x_n, y_n)$	$h \cdot f(x_n, y_n)$	$y_{n+1} = y_n + h \cdot f$
0	$x_0$	$y_0$	beregn	beregn	beregn
1	$x_0 + h$	fra forrige	beregn	beregn	beregn
…	…	…	…	…	…

Tips til tabelberegning:

Skriv alle kolonner op — det gør det let at tjekke fejl
Afrund ikke undervejs — behold alle decimaler til slutresultatet
Dobbelttjek $f(x_n, y_n)$ — den mest almindelige fejl er at beregne hældningen forkert
Antal skridt = $\frac{x_{\text{slut}} - x_0}{h}$ — tjek at det giver et helt tal!

Vis Eksempel: Euler med f(x,y) der afhænger af x og y ⚡

Opgave: Brug Eulers metode til at approksimere $y(1)$ for differentialligningen:

$y' = x + y, \quad y(0) = 1$

med skridtlængde $h = 0{,}5$ .

Løsning:

Her er $f(x, y) = x + y$ — hældningen afhænger af både $x$ og $y$ !

Antal skridt: $\frac{1 - 0}{0{,}5} = 2$ .

Trin 0: $(x_0, y_0) = (0, 1)$

\begin{aligned} f(0, 1) &= 0 + 1 = 1 \\ y_1 &= 1 + 0{,}5 \cdot 1 = 1{,}5 \\ x_1 &= 0 + 0{,}5 = 0{,}5 \end{aligned}

Trin 1: $(x_1, y_1) = (0{,}5, \; 1{,}5)$

\begin{aligned} f(0{,}5, \; 1{,}5) &= 0{,}5 + 1{,}5 = 2 \\ y_2 &= 1{,}5 + 0{,}5 \cdot 2 = 2{,}5 \\ x_2 &= 0{,}5 + 0{,}5 = 1{,}0 \end{aligned}

Tabel:

$n$	$x_n$	$y_n$	$f(x_n, y_n) = x_n + y_n$	$h \cdot f$	$y_{n+1}$
0	0	1	1	0,5	1,5
1	0,5	1,5	2	1,0	2,5

Eulers approksimation: $y(1) \approx 2{,}5$ .

Bemærk: Denne differentialligning er ikke separabel ( $x + y$ kan ikke skrives som $f(x) \cdot g(y)$ ), så Eulers metode er her et af de bedste værktøjer! ✅

Vis Eksempel: Finer skridtlængde — h = 0,1 ⚡

Opgave: Løs $y' = 2y$ , $y(0) = 1$ fra $x = 0$ til $x = 0{,}5$ med $h = 0{,}1$ og sammenlign med den eksakte løsning.

Løsning:

Antal skridt: $\frac{0{,}5}{0{,}1} = 5$ .

$n$	$x_n$	$y_n$	$f = 2y_n$	$h \cdot f$	$y_{n+1}$
0	0	1,0000	2,0000	0,2000	1,2000
1	0,1	1,2000	2,4000	0,2400	1,4400
2	0,2	1,4400	2,8800	0,2880	1,7280
3	0,3	1,7280	3,4560	0,3456	2,0736
4	0,4	2,0736	4,1472	0,4147	2,4883

Eulers approksimation: $y(0{,}5) \approx 2{,}4883$ .

Eksakt løsning: $y(0{,}5) = e^{2 \cdot 0{,}5} = e^1 = 2{,}7183$ .

Fejl: $|2{,}7183 - 2{,}4883| = 0{,}2300$ , svarende til en relativ fejl på ca. $8{,}5\%$ .

Sammenlign med $h = 0{,}25$ : Med kun 2 skridt ville vi få $y(0{,}5) = 2{,}25$ (fejl $17\%$ ). Halvering af $h$ halverer omtrent fejlen! ✅

Teori: Skridtlængde og fejlanalyse

Skridtlængden $h$ er den afgørende parameter i Eulers metode. Den bestemmer balancen mellem nøjagtighed og beregningsmængde.

Lokal afskæringsfejl:

I hvert enkelt trin begår Euler en fejl af størrelsen:

$\text{lokal fejl} \approx \frac{1}{2} h^2 \cdot y''(x_n)$

Denne fejl er proportional med $h^2$ — halverer vi $h$ , reduceres den lokale fejl med en faktor 4.

Global fejl:

Den samlede fejl efter $N = \frac{x_{\text{slut}} - x_0}{h}$ skridt er:

$\text{global fejl} \propto h$

Halverer vi $h$ , halveres den globale fejl (ca.), men vi skal tage dobbelt så mange skridt. Det er en afvejning!

Tommelfingerregler:

Skridtlængde $h$	Nøjagtighed	Antal skridt	Beregningstid
Stor $h$	Lav	Få	Kort
Lille $h$	Høj	Mange	Lang
Halver $h$	$\approx$ dobbelt så god	Dobbelt	Dobbelt

Konvergens: Eulers metode konvergerer — dvs. når $h \to 0$ , nærmer approksimationen sig den eksakte løsning. Metoden er en 1. ordens metodeEn numerisk metode af orden 1, hvilket betyder at den globale fejl er proportional med h. Højere-ordens metoder (som Runge-Kutta) har fejl proportional med h² eller bedre..

Vis Eksempel: Fejlanalyse — effekten af h ⚡

Opgave: For $y' = y$ , $y(0) = 1$ (eksakt løsning: $y = e^x$ ), sammenlign Eulers approksimation af $y(1)$ for forskellige $h$ -værdier.

Løsning:

Vi ved, at den eksakte værdi er $y(1) = e^1 \approx 2{,}7183$ .

For $y' = y$ med Eulers metode bliver hvert trin:

$y_{n+1} = y_n + h \cdot y_n = y_n(1 + h)$

Efter $N = 1/h$ trin:

$y_N = (1 + h)^{1/h}$

$h$	Antal skridt	$y_{\text{Euler}}(1) = (1+h)^{1/h}$	Fejl	Relativ fejl
1	1	$(1+1)^1 = 2{,}000$	0,718	26,4%
0,5	2	$(1{,}5)^2 = 2{,}250$	0,468	17,2%
0,25	4	$(1{,}25)^4 = 2{,}441$	0,277	10,2%
0,1	10	$(1{,}1)^{10} = 2{,}594$	0,124	4,6%
0,01	100	$(1{,}01)^{100} = 2{,}705$	0,013	0,5%

Mønsteret er klart: halvering af $h$ halverer omtrent fejlen.

Og her er en sjov observation: udtrykket $(1 + h)^{1/h}$ er faktisk den klassiske definition af $e$ for $h \to 0$ ! Eulers metode og Eulers tal $e$ hænger sammen. ✅

Teori: Hvornår bruges Eulers metode?

Eulers metode er et værktøj, du bruger, når:

Differentialligningen ikke kan løses analytisk — dvs. separation og andre teknikker ikke virker (f.eks. $y' = x^2 + y^2$ )
Du skal finde en numerisk tilnærmelse — til eksamen eller i praksis, hvor et tal er nok
Du vil visualisere en løsningskurve — ved at plotte de beregnede punkter
Computersimulering — Eulers metode er grundlaget for mange numeriske metoder i software

Fordele:

Simpel at forstå og implementere
Virker for enhver differentialligning af 1. orden
Kræver kun basale regneoperationer

Ulemper:

Relativt unøjagtig (1. ordens metode)
Kan give store fejl, hvis $h$ er for stor
Kræver mange skridt for god nøjagtighed

Bedre alternativer (uden for pensum i Matematik A):

Heuns metode (forbedret Euler)
Runge-Kutta-metoder (4. orden — bruges i praksis)

Vis Eksempel: Euler til en ikke-separabel ligning ⚡

Opgave: Brug Eulers metode til at approksimere $y(2)$ for:

$y' = x^2 - y, \quad y(0) = 0$

med $h = 0{,}5$ .

Løsning:

Her er $f(x, y) = x^2 - y$ . Ligningen er ikke separabel, da $x^2 - y$ ikke kan skrives som $f(x) \cdot g(y)$ .

Antal skridt: $\frac{2 - 0}{0{,}5} = 4$ .

Trin 0: $(x_0, y_0) = (0, 0)$

\begin{aligned} f(0, 0) &= 0^2 - 0 = 0 \\ y_1 &= 0 + 0{,}5 \cdot 0 = 0 \\ x_1 &= 0{,}5 \end{aligned}

Trin 1: $(x_1, y_1) = (0{,}5, \; 0)$

\begin{aligned} f(0{,}5, \; 0) &= 0{,}25 - 0 = 0{,}25 \\ y_2 &= 0 + 0{,}5 \cdot 0{,}25 = 0{,}125 \\ x_2 &= 1{,}0 \end{aligned}

Trin 2: $(x_2, y_2) = (1{,}0, \; 0{,}125)$

\begin{aligned} f(1{,}0, \; 0{,}125) &= 1 - 0{,}125 = 0{,}875 \\ y_3 &= 0{,}125 + 0{,}5 \cdot 0{,}875 = 0{,}5625 \\ x_3 &= 1{,}5 \end{aligned}

Trin 3: $(x_3, y_3) = (1{,}5, \; 0{,}5625)$

\begin{aligned} f(1{,}5, \; 0{,}5625) &= 2{,}25 - 0{,}5625 = 1{,}6875 \\ y_4 &= 0{,}5625 + 0{,}5 \cdot 1{,}6875 = 1{,}40625 \\ x_4 &= 2{,}0 \end{aligned}

Tabel:

$n$	$x_n$	$y_n$	$f(x_n, y_n) = x_n^2 - y_n$	$h \cdot f$	$y_{n+1}$
0	0	0	0	0	0
1	0,5	0	0,25	0,125	0,125
2	1,0	0,125	0,875	0,4375	0,5625
3	1,5	0,5625	1,6875	0,8438	1,4063

Eulers approksimation: $y(2) \approx 1{,}406$ .

Uden Eulers metode ville vi have svært ved at finde denne værdi, da ligningen ikke er separabel! ✅

Vis Eksempel: Geometrisk fortolkning ⚡

Opgave: Forklar geometrisk, hvorfor Eulers metode typisk underestimerer løsningen til $y' = y$ (en konveks kurve).

Løsning:

Betragt differentialligningen $y' = y$ med løsningen $y = e^x$ (en konveks kurve, dvs. $y'' > 0$ ).

Geometrisk argument:

I punktet $(x_n, y_n)$ beregner Euler hældningen $f(x_n, y_n) = y_n$
Euler følger tangentlinjen fra dette punkt et stykke $h$ fremad
For en konveks kurve ( $y'' > 0$ ) ligger tangentlinjen under kurven
Derfor giver Euler en $y$ -værdi, der er for lav

Det er som at køre langs en vej, der svinger opad. Hvis du kører ligeud (langs tangenten) i stedet for at følge vejen, ender du lavere end vejen!

For konkave kurver ( $y'' < 0$ ) er det omvendt: tangenten ligger over kurven, og Euler overestimerer.

Konklusion: Eulers systematiske fejl afhænger af kurvens krumning ( $y''$ ). Jo kraftigere krumning, jo større fejl — og jo vigtigere er det at bruge lille $h$ . ✅

Teori: Opsummering — Eulers metode trin for trin

Her er din komplette tjekliste til at anvende Eulers metode:

Forberedelse:

Identificer $f(x, y)$ fra differentialligningen $y' = f(x, y)$
Aflæs startbetingelsen $(x_0, y_0)$
Vælg skridtlængden $h$ (eller brug den givne)
Beregn antal skridt: $N = \frac{x_{\text{slut}} - x_0}{h}$

Beregning (gentag $N$ gange): 5. Beregn hældningen: $m_n = f(x_n, y_n)$ 6. Beregn næste punkt: $y_{n+1} = y_n + h \cdot m_n$ og $x_{n+1} = x_n + h$

Præsentation: 7. Opstil resultaterne i en tabel 8. Angiv den approksimerede slutværdi 9. Sammenlign med eksakt løsning, hvis mulig 10. Kommenter på fejlens størrelse og retning

🏋️ Træningsopgaver

Opgave 1: Brug Eulers metode til at approksimere $y(1)$ for $y' = 3y$ , $y(0) = 2$ med:

a) $h = 0{,}5$ (2 skridt)

b) $h = 0{,}25$ (4 skridt)

c) Sammenlign begge med den eksakte løsning $y(1) = 2e^3$ .

Opgave 2: Løs $y' = x - y$ , $y(0) = 2$ med Eulers metode fra $x = 0$ til $x = 1$ med $h = 0{,}25$ . Opstil tabel.

Opgave 3: En differentialligning $y' = y(1 - y)$ med $y(0) = 0{,}1$ beskriver logistisk vækst med $M = 1$ . Brug Eulers metode med $h = 0{,}5$ til at approksimere $y(2)$ .

Opgave 4: Forklar med egne ord, hvorfor Eulers metode bliver mere nøjagtig, når $h$ gøres mindre.

Opgave 5: Beregn $y(0{,}4)$ for $y' = 2x + 1$ , $y(0) = 0$ med $h = 0{,}1$ . Sammenlign med den eksakte løsning (som du finder ved direkte integration).

Opgave 6 (Boss-kamp!): En kemisk reaktion beskrives af $y' = -0{,}5y^2$ , $y(0) = 4$ . Denne ligning kan løses analytisk (prøv separation!), men brug Eulers metode med $h = 0{,}5$ til at approksimere $y(2)$ og sammenlign de to resultater.

Quiz – Test din forståelse

Matematik Boss-Kamp ⚔️

Løs opgavesættet

Op til +50 XP

Hvad er Eulers formel for det næste trin?