第五章：分析方法与数值实验

第五章 · 分析方法与数值实验

本章要回答的三个问题：绝大多数非线性方程没有显式解，那"做分析"还剩下哪些可靠的手段？数值积分方法五花八门，怎么选、怎么知道结果该信几分？手里只有一段实测数据时，能不能反推出系统是不是混沌、维数几何、甚至方程本身？

为什么会有这一章

前四章反复出现同一幕：解析解缺席，几何与数值顶上。本章把顶上来的方法正式清点一遍，组织方式仍是对照：解析对数值对数据驱动，三支方法各答一类问题——解析与几何方法回答"结构是什么"（平衡点、分岔、保守量），数值模拟回答"这条轨道长什么样"（需要方法可信度分析），数据驱动回答"系统是什么"（方程未知时从时间序列反推）。三者不是取代关系：实践中解析定骨架、数值填血肉、数据驱动验真伪。

必须先立一条军规：非线性世界的数值实验不是"按个按钮看曲线"。混沌轨道的逐点精度会在有限时间内耗尽（3.4 节的误差账本），但这不妨碍统计量（李雅普诺夫指数、维数、不变测度）高度可信——区分"轨道精度"与"统计精度"是本章第一课。

读完能解决什么

对照本章开头的三个问题，读完你应当能够：

• 给定一个方程，说出它适合哪支方法：找平衡点与分岔用解析-几何，画轨道与统计用数值，只有时间序列用数据驱动（5.1）。
• 说出欧拉法与龙格-库塔法的误差阶（局部 O(h²)、全局 O(h) 对全局 O(h⁴)），理解刚性方程为什么必须隐式方法，并会检查积分结果的自洽性（步长减半、守恒量监视）（5.2）。
• 构造庞加莱截面并读出结论：一个点即周期一、n 个点即周期 n、闭合曲线为准周期、分形散点为混沌；会用近邻轨道间距估计最大李雅普诺夫指数并解释 0.906 这样的数字怎么来的（5.3）。
• 讲出延迟嵌入定理在说什么（一维序列可以重构出吸引子）、伪最近邻怎么定嵌入维数、SINDy 这类稀疏回归如何把方程"读"出来（5.4）。

各节怎么分工

四节的推进逻辑是"能解析的解析 → 解析不了的数值 → 只有数据就数据驱动"，工具的智能化程度递增、对机理的依赖递减——但 5.4 会告诉你，数据驱动最成功的场合仍然是机理知识最好的场合。

先决条件

• 会读相图、知道李雅普诺夫指数的语义（3.4）。
• 泰勒展开与局部截断误差的概念（5.2 全靠它）。
• 一点线性代数：矩阵的最小二乘拟合（5.4 用到，代码里现成调用）。

往下走到哪

本章产出的是"可信的分析流程"：第六章的每个应用案例都按 5.1 定结构、5.2/5.3 做实验、5.4 验模型的顺序复盘。第七章的工具选型也以本章的方法需求为清单——先想清楚要什么分析，再挑什么软件。

一条贯穿本章的军规

四节方法共享同一条军规：先声明结论的口径，再给结论。解析结论附条件清单，数值结论附收敛与容差口径，体检结论附积分时长与重整化设置，数据结论附嵌入参数与噪声水平。这门学科的大部分争论，最后都被证明是口径之争而非结论之争——把口径写在前面的作者，省下的是别人三倍的核查时间。军规的另一半是复跑义务：任何能改变结论的设置变更（换求解器、换嵌入维、换数据段）都应重跑全套流程，增量补丁式的复测不算数。第三句写给团队：口径与复跑记录进版本库，与代码同权管理。