طريقة من خطوة واحدة

كان لتطوير الفيزيائي والرياضي الإنجليزي إسحاق نيوتن ، وبشكل مستقل عن ذلك، العالم الألماني الموسوعي غوتفريد فيلهلم لايبنتز في الثلث الأخير من القرن السابع عشر، حساب التفاضل والتكامل دافعًا رئيسيًا لإضفاء الطابع الرياضي على العلوم في أوائل العصر الحديث. شكلت هذه الأساليب نقطة انطلاق فرع التحليل الرياضي، وهي ذات أهمية مركزية في جميع العلوم الطبيعية والهندسية. فبينما قاد لايبنتز إلى حساب التفاضل والتكامل من خلال المسألة الهندسية المتمثلة في تحديد المماسات لمنحنيات معينة، انطلق نيوتن من مسألة كيفية تحديد التغيرات في كمية فيزيائية عند نقطة زمنية محددة. ^{[ 1 ]}

فعلى سبيل المثال، عندما يتحرك جسم ما، فإن متوسط ​​سرعته هو ببساطة المسافة المقطوعة مقسومة على الزمن اللازم لقطعها. ومع ذلك، من أجل صياغة السرعة اللحظية رياضياً${\textstyle v(t)}$من الجسم في لحظة معينة من الزمن${\displaystyle t}$، الانتقال الحدي ضروري: ضع في اعتبارك فترات زمنية قصيرة من الطول${\displaystyle \Delta t}$المسافات المقطوعة${\displaystyle \Delta x}$والسرعات المتوسطة المقابلة${\displaystyle {\tfrac {\Delta x}{\Delta t}}}$إذا سُمح الآن للفترة الزمنية Δ 𝑡 بالتقارب نحو الصفر، وإذا اقتربت السرعات المتوسطة أيضًا من قيمة ثابتة، فإن هذه القيمة تسمى السرعة (اللحظية).${\textstyle v(t)}$في الوقت المحدد${\displaystyle t}$. لو${\displaystyle \Delta t}$إذا كان يشير إلى موضع الجسم في الوقت 𝑡، فاكتب${\displaystyle v(t)=x'(t)}$واتصل${\displaystyle v}$مشتق من${\displaystyle x}$.

تتمثل الخطوة الحاسمة في اتجاه نماذج المعادلات التفاضلية الآن في السؤال العكسي: في مثال الجسم المتحرك، لنفترض أن السرعة${\textstyle v(t)}$أن تكون معروفة في كل لحظة زمنية 𝑡 وموقعها${\displaystyle x(t)}$يمكن تحديد ذلك من خلال هذا. من الواضح أنه يجب معرفة الموضع الابتدائي للجسم عند نقطة زمنية 𝑡 0 لحل هذه المسألة بشكل قاطع. لذلك، نبحث عن دالة${\displaystyle x(t)}$مع${\displaystyle x'(t)=v(t)}$الذي يحقق الشرط الأولي${\displaystyle x'(t)=v(t)}$بالقيم المعطاة${\displaystyle t_{0}}$و${\displaystyle x_{0}}$.

في مثال تحديد موضع الجسم 𝑥 من سرعته، تُعطى مشتقة الدالة المطلوب إيجادها صراحةً. مع ذلك، في معظم الحالات، توجد الحالة العامة المهمة للمعادلات التفاضلية العادية لمتغير مطلوب إيجاده.${\displaystyle y}$بسبب قوانين الطبيعة أو افتراضات النموذج، توجد علاقة وظيفية معروفة تحدد كيفية اشتقاق${\displaystyle y'(t)}$يمكن حساب جزء من الدالة المراد تحديدها من${\displaystyle t}$ومن القيمة (غير المعروفة)${\displaystyle y(t)}$بالإضافة إلى ذلك، يجب تحديد شرط ابتدائي، يمكن الحصول عليه، على سبيل المثال، من قياس المتغير المطلوب عند نقطة زمنية محددة. باختصار، يوجد النوع العام التالي من المسائل: إيجاد الدالة${\displaystyle y}$التي تحقق المعادلات

${\displaystyle y'(t)=f(t,y(t)),\quad y(t_{0})=y_{0}}$

يتحقق ذلك، حيث${\displaystyle f}$هي دالة معطاة.

مثال بسيط على ذلك هو المتغير${\displaystyle y}$الذي ينمو بشكل أُسّي . وهذا يعني أن التغير اللحظي، أي المشتقة${\displaystyle y'(t)}$، يتناسب مع${\displaystyle y(t)}$لذا،${\displaystyle y'(t)=\lambda y(t)}$بمعدل نمو${\displaystyle \lambda }$وعلى سبيل المثال، شرط ابتدائي${\displaystyle y(0)=y_{0}}$في هذه الحالة، يمكن إيجاد الحل المطلوب 𝑦 باستخدام حساب التفاضل والتكامل الأساسي وتحديده باستخدام الدالة الأسية :${\displaystyle y(t)=y_{0}e^{\lambda t}}$.

الوظيفة المطلوبة${\displaystyle y}$يمكن أن تكون القيم في المعادلة التفاضلية متجهة، أي لكل${\displaystyle t}$،${\displaystyle y(t)=(y_{1}(t),\dotsc ,y_{d}(t))}$يمكن أن يكون متجهًا مع${\displaystyle d}$المكونات. ويشار إلى هذا أيضًا باسم${\displaystyle d}$نظام المعادلات التفاضلية ذو الأبعاد n. في حالة الجسم المتحرك،${\displaystyle y(t)}$موقعها في${\displaystyle d}$الفضاء الإقليدي ذو الأبعاد n و${\displaystyle y'(t)}$هي سرعتها في الزمن${\displaystyle t}$وبالتالي، تحدد المعادلة التفاضلية سرعة المسار مع اتجاهه ومقداره عند كل نقطة في الزمان والمكان. ومن ثم، يُحسب المسار نفسه انطلاقاً من هذه المعادلة.

في المعادلة التفاضلية البسيطة ذات النمو الأسي المذكورة أعلاه كمثال، يمكن تحديد دالة الحل مباشرةً. لكن هذا لا يكون ممكنًا عمومًا في المسائل الأكثر تعقيدًا. في ظل شروط إضافية معينة، يمكن إثبات وجود حل محدد بوضوح لمسألة القيمة الابتدائية للدالة.${\displaystyle f}$مع ذلك، لا يمكن حساب ذلك صراحةً باستخدام أساليب التحليل (مثل فصل المتغيرات ، أو الأسلوب الأسي، أو تغيير الثوابت). في هذه الحالة، يمكن استخدام الأساليب العددية لتحديد تقريبات للحل المطلوب.

يمكن تقسيم طرق الحل العددي لمسائل القيمة الابتدائية للمعادلات التفاضلية العادية تقريبًا إلى مجموعتين رئيسيتين: طرق الخطوة الواحدة وطرق الخطوات المتعددة. وتشترك كلتا المجموعتين في حساب التقريبات.${\displaystyle y_{0},y_{1},y_{2},\dotsc }$للحصول على قيم الوظيفة المطلوبة${\displaystyle y(t_{0}),y(t_{1}),y(t_{2}),\dotsc }$في بعض النقاط${\displaystyle t_{0}<t_{1}<t_{2}<\ldots }$خطوة بخطوة. السمة المميزة لطرق الخطوة الواحدة هي أنها تعتمد فقط على التقريب "الحالي".${\displaystyle y_{j}}$يُستخدم لتحديد التقريب التالي${\displaystyle y_{j+1}}$في المقابل، تتضمن الطرق متعددة الخطوات أيضًا تقريبات محسوبة مسبقًا؛ وبالتالي، ستستخدم طريقة من ثلاث خطوات${\displaystyle y_{j-1}}$و${\displaystyle y_{j-2}}$لتحديد التقريب الجديد${\displaystyle y_{j+1}}$بالإضافة إلى${\displaystyle y_{j}}$.

أبسط الطرق وأكثرها أساسيةً هي طريقة أويلر الصريحة، التي قدمها عالم الرياضيات والفيزياء السويسري ليونارد أويلر عام 1768 في كتابه "مؤسسات حساب التكامل". ^{[ 2 ]} تقوم فكرة هذه الطريقة على تقريب الحل المطلوب بدالة خطية متعددة القطع، حيث يُعطى ميل القطعة المستقيمة بالعلاقة التالية:${\displaystyle t_{j}}$في كل خطوة من النقطة${\displaystyle t_{j+1}}$مباشرة إلى النقطة${\displaystyle f(t_{j},y_{j})}$بتفصيل أكثر: يُحدد تعريف المسألة بالفعل قيمة الدالة التي يتم البحث عنها، وهي${\displaystyle y(t_{0})=y_{0}}$ومع ذلك، فإن المشتقة عند هذه النقطة معروفة أيضاً، كما هو الحال${\displaystyle y'(t_{0})=f(t_{0},y_{0})}$ينطبق هذا. يسمح هذا بتحديد المماس لمنحنى دالة الحل واستخدامه كتقريب. عند النقطة${\displaystyle t_{1}>t_{0}}$النتائج التالية مع حجم الخطوة${\displaystyle h_{0}:=t_{1}-t_{0}}$

${\displaystyle y(t_{1})\approx y_{0}+h_{0}f(t_{0},y_{0})=:y_{1}}$.

يمكن الآن متابعة هذا الإجراء في الخطوات التالية. وبشكل عام، ينتج عن ذلك قاعدة الحساب التالية لطريقة أويلر الصريحة.

${\displaystyle y_{j+1}=y_{j}+h_{j}f(t_{j},y_{j}),\quad j=0,1,2,\dotsc }$

مع الزيادات${\displaystyle h_{j}=t_{j+1}-t_{j}}$[ ^{3 ]​}

تُعد طريقة أويلر الصريحة نقطة انطلاق للعديد من التعميمات التي يكون فيها التدرج${\displaystyle f(t_{j},y_{j})}$يتم استبدالها بتدرجات تقارب سلوك الحل بين النقاط${\displaystyle t_{j}}$و${\displaystyle t_{j+1}}$وبشكل أدق، تُقدم طريقة أويلر الضمنية فكرة إضافية للطرق ذات الخطوة الواحدة، والتي تستخدم${\displaystyle f(t_{j+1},y_{j+1})}$كما هو الحال مع التدرج اللوني. للوهلة الأولى، لا يبدو هذا الخيار مناسبًا جدًا، لأن${\displaystyle y_{j+1}}$غير معروف. ومع ذلك، كخطوة إجرائية، نحصل الآن على المعادلة

${\displaystyle y_{j+1}=y_{j}+h_{j}f(t_{j+1},y_{j+1})}$

منها${\displaystyle y_{j+1}}$يمكن حسابها (باستخدام طريقة عددية إذا لزم الأمر). على سبيل المثال، إذا تم اختيار المتوسط ​​الحسابي لميول طريقتي أويلر الصريحة والضمنية كميل، فسيتم الحصول على طريقة شبه المنحرف الضمنية. وبدورها، يمكن الحصول على طريقة صريحة من هذه الطريقة إذا كان، على سبيل المثال، المجهول${\displaystyle y_{j+1}}$يتم تقريب الطرف الأيمن من المعادلة باستخدام طريقة أويلر الصريحة، والتي تُعرف باسم طريقة هيون. ^{[ 4 ]} تشترك جميع هذه الطرق وجميع التعميمات الأخرى في الفكرة الأساسية لطرق الخطوة الواحدة: الخطوة

${\displaystyle y_{j+1}=y_{j}+h_{j}\Phi }$

بتدرج${\displaystyle \Phi }$قد يعتمد ذلك على${\displaystyle t_{j}}$،${\displaystyle y_{j}}$و${\displaystyle h_{j}}$وكذلك (بالنسبة للطرق الضمنية) على${\displaystyle y_{j+1}}$.

لإجراء عملي من خطوة واحدة، يتم حساب${\displaystyle y_{j}}$ينبغي أن تكون هذه القيم تقريبية جيدة.${\displaystyle y(t_{j})}$الحل الدقيق${\displaystyle y}$عند النقطة${\displaystyle t_{j}}$بما أن المتغيرات عادة ما تكون${\displaystyle d}$بالنسبة للمتجهات ذات الأبعاد n، تُقاس جودة هذا التقريب باستخدام معيار المتجه كـ${\displaystyle \|y_{j}-y(t_{j})\|}$، الخطأ عند النقطة${\displaystyle t_{j}}$من المستحسن أن تتقارب هذه الأخطاء بسرعة إلى الصفر لجميع${\displaystyle j}$إذا سُمح لأحجام الخطوات بالتقارب إلى الصفر. ولتغطية حالة أحجام الخطوات غير الثابتة أيضًا،${\displaystyle h}$يُعرَّف بشكل أدق بأنه الحد الأقصى لأحجام الخطوات المستخدمة وسلوك الخطأ الأقصى عند جميع النقاط${\displaystyle j}$يتم النظر في ذلك بالمقارنة مع قوى${\displaystyle h}$يُقال إن طريقة الخطوة الواحدة لحل مسألة القيمة الابتدائية المعطاة لها رتبة تقارب معينة.${\displaystyle p\geq 1}$إذا كان التقدير

${\displaystyle \max _{j=0,\dotsc ,n}\|y_{j}-y(t_{j})\|\leq Ch^{p}}$

ينطبق على جميع الأحجام الصغيرة بما فيه الكفاية${\displaystyle h}$مع ثابت${\displaystyle C>0}$وهذا مستقل عن${\displaystyle h}$[ ^{6 ]} يُعدّ ترتيب التقارب أهمّ معيار لمقارنة طرق الخطوة الواحدة المختلفة. ^{[7] الطريقة ذات ترتيب} التقارب الأعلى${\displaystyle p}$بشكل عام، ينتج عن ذلك خطأ إجمالي أقل لحجم خطوة معين، أو على العكس من ذلك، يتطلب الأمر عددًا أقل من الخطوات لتحقيق دقة معينة. بالنسبة لطريقة ذات${\displaystyle p=1}$من المتوقع أن ينخفض ​​الخطأ إلى النصف تقريبًا فقط إذا تم تقليل حجم الخطوة إلى النصف. باستخدام طريقة رتبة التقارب${\displaystyle p=4}$من ناحية أخرى، يمكن افتراض أن الخطأ قد انخفض بمعامل يقارب${\displaystyle {\bigl (}{\tfrac {1}{2}}{\bigr )}^{4}={\tfrac {1}{16}}}$.

الأخطاء${\displaystyle \|y_{j}-y(t_{j})\|}$تتكون العناصر التي تُؤخذ في الاعتبار عند تعريف رتبة التقارب من عنصرين منفصلين بطريقة تبدو معقدة في البداية: فمن جهة، تعتمد هذه العناصر بالطبع على الخطأ الذي ترتكبه الطريقة في خطوة واحدة عند تقريب تدرج الدالة المجهولة التي تبحث عنها. ومن جهة أخرى، يجب أيضًا مراعاة أن نقطة البداية${\displaystyle (t_{j},y_{j})}$لا تتطابق نقطة البداية عادةً مع نقطة البداية الدقيقة${\displaystyle (t_{j},y(t_{j}))}$وبالتالي، يعتمد الخطأ الذي يلي هذه الخطوة أيضًا على جميع الأخطاء التي حدثت بالفعل في الخطوات السابقة. وذلك بسبب التعريف الموحد للإجراءات ذات الخطوة الواحدة، والتي تختلف فقط في اختيار دالة الإجراء.${\displaystyle \Phi }$ومع ذلك، يمكن إثبات ذلك (في ظل ظروف تقنية معينة عند${\displaystyle \Phi }$) يمكن للمرء أن يستنتج مباشرة ترتيب التقارب من ترتيب الخطأ في خطوة واحدة، وهو ما يسمى بترتيب الاتساق.

يُعدّ مفهوم الاتساق مفهومًا عامًا ومحوريًا في الرياضيات العددية الحديثة. فبينما ينطوي تقارب أي طريقة على دراسة مدى تطابق التقريبات العددية مع الحل الدقيق، يُطرح السؤال "المعكوس" في حالة الاتساق: ما مدى استيفاء الحل الدقيق لمواصفات الطريقة؟ في هذه النظرية العامة، تكون الطريقة متقاربة إذا كانت متسقة ومستقرة. ولتبسيط الترميز، يفترض التحليل التالي وجود إجراء صريح من خطوة واحدة.

${\displaystyle y_{j+1}=y_{j}+h\Phi (t_{j},y_{j},h)}$

بخطوة ثابتة الحجم${\displaystyle h}$موجود. مع الحل الحقيقي${\displaystyle t\mapsto y(t)}$، خطأ الاقتطاع المحلي (يسمى أيضًا خطأ العملية المحلي)${\displaystyle \eta }$يُعرَّف على أنه ^{[ 8 ]}

${\displaystyle \eta (t,h)=y(t)+h\Phi (t,y(t),h)-y(t+h)}$.

وبالتالي، يفترض المرء أن الحل الدقيق معروف، ويبدأ خطوة من خطوات الطريقة عند هذه النقطة.${\displaystyle (t,y(t))}$ويشكل الفرق عن الحل الدقيق عند النقطة${\displaystyle t+h}$وهذا يُعرّف: أن الطريقة ذات الخطوة الواحدة لها ترتيب الاتساق${\displaystyle p\geq 1}$إذا كان التقدير

${\displaystyle \|\eta (t,h)\|\leq Ch^{p+1}}$

ينطبق على جميع الأحجام الصغيرة بما فيه الكفاية${\displaystyle h}$مع ثابت${\displaystyle C>0}$وهذا مستقل عن${\displaystyle h}$.

يكمن الاختلاف البارز بين تعريفات ترتيب الاتساق وترتيب التقارب في القوة${\displaystyle h^{p+1}}$بدلاً من${\displaystyle h^{p}}$يمكن تفسير ذلك بوضوح على أنه يعني أن جزءًا من قوة حجم الخطوة "يُفقد" أثناء الانتقال من الخطأ المحلي إلى الخطأ الكلي. وتنطبق النظرية التالية، وهي أساسية في نظرية الطرق أحادية الخطوة: ^{[ 9 ]}

إذا كانت وظيفة العملية${\displaystyle \Phi }$هي دالة متصلة وفقًا لشرط ليبشيتز، والعملية المرتبطة بها ذات الخطوة الواحدة لها رتبة الاتساق${\displaystyle p}$ثم يكون لها أيضًا رتبة التقارب${\displaystyle p}$.

يتحقق شرط استمرارية ليبشيتز لدالة العملية كشرط إضافي للاستقرار بشكل عام إذا كانت الدالة${\displaystyle f}$بما أن المعادلة التفاضلية نفسها متصلة وفقًا لشرط ليبشيتز، فإن هذا الشرط يُفترض في معظم التطبيقات لضمان حل مسألة القيمة الابتدائية بشكل قاطع. ووفقًا للنظرية، يكفي تحديد رتبة الاتساق لطريقة الخطوة الواحدة. من حيث المبدأ، يمكن تحقيق ذلك عن طريق توسيع تايلور لـ${\displaystyle \eta (t,h)}$إلى قوى${\displaystyle h}$. عملياً، تصبح الصيغ الناتجة للرتب العليا معقدة ومربكة للغاية، مما يستدعي استخدام مفاهيم ورموز إضافية. ^{[ 10 ]}

كما أثبت عالم الرياضيات الفرنسي أوغستين لويس كوشي حوالي عام 1820، فإن طريقة أويلر لها رتبة تقارب تساوي 1. إذا قمت بحساب متوسط ​​الانحدارات${\displaystyle f(t_{j},y_{j})}$من طريقة أويلر الصريحة و${\displaystyle f(t_{j+1},y_{j+1})}$باستخدام طريقة أويلر الضمنية، حيث توجد هذه النقاط عند طرفي الخطوة، ^{[ 15 ]} يُمكن توقع الحصول على تقريب أفضل على كامل الفترة. في الواقع، يُمكن إثبات أن طريقة شبه المنحرف الضمنية التي تم الحصول عليها بهذه الطريقة

${\displaystyle y_{j+1}=y_{j}+{\frac {h}{2}}{\Big (}f(t_{j},y_{j})+f(t_{j+1},y_{j+1}){\Big )}}$

يتميز هذا الأسلوب برتبة تقارب 2. يتمتع بخصائص استقرار جيدة جدًا، ولكنه ضمني، مما يعني أنه يجب حل معادلة 𝑦 𝑗 + 1 في كل خطوة. إذا تم تقريب هذا المتغير في الطرف الأيمن من المعادلة باستخدام طريقة أويلر الصريحة، فإن النتيجة هي طريقة هيون الصريحة ^{[ 16 ].}

${\displaystyle y_{j+1}=y_{j}+{\frac {h}{2}}{\Big (}f(t_{j},y_{j})+f{\big (}t_{j+1},y_{j}+hf(t_{j},y_{j}){\big )}{\Big )}}$،

والتي تتميز أيضًا برتبة تقارب 2. وهناك طريقة صريحة بسيطة أخرى من الرتبة 2، وهي طريقة أويلر المحسّنة، والتي يمكن الحصول عليها من خلال الاعتبار التالي: سيكون الميل "المتوسط" في خطوة الطريقة هو ميل الحل 𝑦 في منتصف الخطوة، أي عند النقطة${\displaystyle y_{j+1}}$ومع ذلك، ولأن الحل غير معروف، يتم تقريبه بخطوة أويلر صريحة بنصف حجم الخطوة. وينتج عن ذلك الإجراء التالي

${\displaystyle y_{j+1}=y_{j}+hf{\big (}t_{j}+{\tfrac {h}{2}},y_{j}+{\tfrac {h}{2}}f(t_{j},y_{j}){\big )}}$.

نُشرت جميع هذه الطرق ذات الخطوة الواحدة من الرتبة 2 كتحسينات لطريقة أويلر في عام 1895 من قبل عالم الرياضيات الألماني كارل رونج. ^{[ 17 ]}

تؤدي الأفكار المذكورة آنفًا بشأن الطرق البسيطة ذات الخطوة الواحدة إلى فئة مهمة من طرق رونج-كوتا عند تعميمها بشكل أكبر. على سبيل المثال، يمكن عرض طريقة هيون بشكل أوضح على النحو التالي: أولًا، ميل مساعد${\displaystyle k_{1}=f(t_{j},y_{j})}$يتم حساب ميل طريقة أويلر الصريحة. ويُستخدم هذا الميل لتحديد ميل مساعد إضافي، هنا.${\displaystyle k_{2}=f(t_{j}+h,y_{j}+hk_{1})}$تدرج العملية الفعلي${\displaystyle \Phi }$ثم يتم حساب القيمة المستخدمة كمتوسط ​​مرجح للتدرجات المساعدة، أي${\displaystyle {\tfrac {1}{2}}k_{1}+{\tfrac {1}{2}}k_{2}}$في طريقة هيون. يمكن تعميم هذا الإجراء ليشمل أكثر من ميلين مساعدين.${\displaystyle s}$- تقوم طريقة رونج-كوتا في المرحلة الأولى بحساب المنحدرات المساعدة.${\displaystyle k_{1},\dotsc ,k_{s}}$عن طريق تقييم 𝑓 عند نقاط مناسبة ثم${\displaystyle \Phi }$كمتوسط ​​مرجح. في طريقة رونج-كوتا الصريحة، المنحدرات المساعدة${\displaystyle k_{1},k_{2},k_{3},\dotsc }$تُحسب هذه القيم مباشرةً واحدة تلو الأخرى؛ أما في الطريقة الضمنية، فتُستخلص كحلول لنظام من المعادلات. ومن الأمثلة النموذجية على ذلك طريقة رونج-كوتا الكلاسيكية الصريحة من الرتبة الرابعة، والتي يُشار إليها أحيانًا ببساطة باسم طريقة رونج-كوتا: أولًا، المنحدرات المساعدة الأربعة ^{[ 18 ]}

${\displaystyle {\begin{aligned}k_{1}&=f(t_{j},y_{j})\\k_{2}&=f(t_{j}+{\tfrac {h}{2}},y_{j}+{\tfrac {h}{2}}k_{1})\\k_{3}&=f(t_{j}+{\tfrac {h}{2}},y_{j}+{\tfrac {h}{2}}k_{2})\\k_{4}&=f(t_{j}+h,y_{j}+hk_{3})\end{aligned}}}$

ثم يتم حساب المتوسط ​​المرجح كميل العملية

${\displaystyle {\tfrac {1}{6}}k_{1}+{\tfrac {1}{3}}k_{2}+{\tfrac {1}{3}}k_{3}+{\tfrac {1}{6}}k_{4}}$

تُستخدم هذه الطريقة المعروفة. وقد نشرها عالم الرياضيات الألماني فيلهلم كوتا عام 1901، بعد أن اكتشف كارل هيون طريقة من ثلاث خطوات بخطوة واحدة من الرتبة 3 قبل ذلك بعام. ^{[ 19 ]}

يُعدّ بناء طرق صريحة ذات رتبة أعلى بأقل عدد ممكن من الخطوات مشكلة رياضية معقدة للغاية. فكما أثبت جون سي. بوتشر عام 1965، لا يوجد، على سبيل المثال، سوى ست خطوات كحد أدنى للرتبة 5؛ بينما تتطلب طريقة رونج-كوتا الصريحة من الرتبة 8 إحدى عشرة خطوة على الأقل. وفي عام 1978، وجد عالم الرياضيات النمساوي إرنست هايرر طريقة من الرتبة 10 ذات 17 مستوى. ويجب أن تحقق معاملات هذه الطريقة 1205 معادلة محددة. أما مع طرق رونج-كوتا الضمنية، ^{[ 20 ]} فالوضع أبسط وأوضح: لكل عدد من الخطوات${\displaystyle s}$هناك طريقة للترتيب${\displaystyle p=2s}$ وهذا أيضاً هو الحد الأقصى للترتيب الذي يمكن تحقيقه. ^{[ 21 ]}

لا تقتصر فكرة الاستقراء على حل مسائل القيمة الأولية باستخدام طرق الخطوة الواحدة، ولكن يمكن تطبيقها بشكل مماثل على جميع الطرق العددية التي تقسم المسألة المراد حلها إلى خطوات.${\displaystyle h}$من الأمثلة المعروفة على أساليب الاستقراء تكامل رومبرغ للحساب العددي للتكاملات. بشكل عام، لنفترض أن${\displaystyle v}$لنفترض أن قيمةً ما تُحدد عدديًا، كما في حالة هذه المقالة، على سبيل المثال، قيمة دالة الحل لمسألة القيمة الابتدائية عند نقطة معينة. وتقوم طريقة عددية، كطريقة الخطوة الواحدة مثلاً، بحساب قيمة تقريبية.${\displaystyle {\tilde {v}}(h)}$وهذا يعتمد على اختيار حجم الخطوة${\displaystyle h>0}$يُفترض أن الطريقة متقاربة، أي أن${\displaystyle {\tilde {v}}(h)}$يتقارب إلى${\displaystyle v}$متى${\displaystyle h}$يتقارب إلى الصفر. ومع ذلك، فإن هذا التقارب ليس إلا بيانًا نظريًا بحتًا، حيث أن القيم التقريبية${\displaystyle {\tilde {v}}(h_{1}),{\tilde {v}}(h_{2}),\dotsc ,{\tilde {v}}(h_{m})}$يمكن حسابها لعدد محدود من أحجام الخطوات المختلفة${\displaystyle h_{1}>h_{2}>\ldots >h_{m}}$لكن بالطبع لا يمكن السماح لحجم الخطوة بأن "يتقارب إلى الصفر". ومع ذلك، يمكن تفسير التقريبات المحسوبة لأحجام الخطوات المختلفة على أنها معلومات حول الدالة (المجهولة).${\displaystyle {\tilde {v}}}$في أساليب الاستقراء،${\displaystyle {\tilde {v}}}$يتم تقريبها بواسطة متعددة حدود الاستيفاء، أي بواسطة متعددة حدود${\displaystyle P}$مع ^{[ 22 ]}

${\displaystyle P(h_{k})={\tilde {v}}(h_{k})}$

ل${\displaystyle k=1,2,\dotsc ,m}$القيمة${\displaystyle P(0)}$من متعدد الحدود عند النقطة${\displaystyle h=0}$ثم يُستخدم كتقريب قابل للحساب للقيمة الحدية غير القابلة للحساب لـ${\displaystyle {\tilde {v}}(h)}$ل${\displaystyle h}$نحو الصفر. نُشرت خوارزمية استقراء ناجحة مبكرة لمسائل القيمة الأولية بواسطة رولاند بوليرش وجوزيف ستوير في عام 1966. ^{[ 23 ]}

مثال ملموس في حالة طريقة الترتيب ذات الخطوة الواحدة${\displaystyle p}$يمكن توضيح الإجراء العام للاستقراء. باستخدام هذه الطريقة، يمكن وصف التقريب المحسوب لأحجام الخطوات الصغيرة ℎ بسهولة بواسطة متعددة حدود من الشكل التالي

${\displaystyle P(h)=a+bh^{p}}$

بمعاملات غير معروفة في البداية${\displaystyle a}$و${\displaystyle b}$إذا قمت الآن بحساب قيمتين تقريبيتين${\displaystyle y_{h_{1}}}$و${\displaystyle y_{h_{2}}}$استخدام طريقة حجم الخطوة${\displaystyle h_{1}}$وبنصف حجم الخطوة${\displaystyle h_{2}={\tfrac {1}{2}}h_{1}}$معادلتان خطيتان للمجاهيل${\displaystyle a}$و${\displaystyle b}$يتم الحصول عليها من شروط الاستيفاء${\displaystyle P(h_{1})=y_{h_{1}}}$و${\displaystyle P(h_{2})=y_{h_{2}}}$.

القيمة المستنبطة إلى

${\displaystyle P(0)=a=y_{h_{2}}+{\frac {y_{h_{2}}-y_{h_{1}}}{2^{p}-1}}}$

وبالتالي، فإن هذه القيمة تُعدّ تقريبًا أفضل بكثير من القيمتين المحسوبتين مبدئيًا. ويمكن إثبات أن رتبة طريقة الخطوة الواحدة التي تم الحصول عليها بهذه الطريقة هي على الأقل${\displaystyle p+1}$أي أكبر بواحد على الأقل من الطريقة الأصلية. ^{[ 24 ]}

إحدى مزايا طريقة الخطوة الواحدة هي إمكانية تطبيق أي حجم خطوة${\displaystyle j}$يمكن استخدام في كل خطوة 𝑗 بشكل مستقل عن الخطوات الأخرى. عمليًا، يثير هذا الأمر تساؤلًا حول كيفية اختيار ℎ 𝑗. في التطبيقات العملية، سيكون هناك دائمًا هامش خطأ عند حساب حل مسألة القيمة الابتدائية؛ على سبيل المثال، من غير المجدي تحديد تقريب عددي أكثر "دقة" بشكل ملحوظ من بيانات القيم الابتدائية ومعاملات المسألة المعطاة، والتي تخضع لأخطاء القياس . لذلك، سيكون الهدف هو اختيار أحجام الخطوات بطريقة تضمن، من جهة، الالتزام بهامش الخطأ المحدد، ومن جهة أخرى، استخدام أقل عدد ممكن من الخطوات لتقليل الجهد الحسابي إلى أدنى حد. تلعب هذه المسألة، التي تُعطى فيها معادلة تفاضلية عادية مع شرط ابتدائي، دورًا محوريًا في جميع العلوم الطبيعية والهندسية، كما أنها تكتسب أهمية متزايدة في العلوم الاقتصادية والاجتماعية، على سبيل المثال. تُستخدم مسائل القيمة الابتدائية لتحليل العمليات الديناميكية أو محاكاتها أو التنبؤ بها. ^{[ 25 ]}

بالنسبة لمسائل القيمة الابتدائية ذات الحالة الجيدة ، يمكن إثبات أن خطأ العملية الكلي يساوي تقريبًا مجموع أخطاء القطع المحلية.${\displaystyle \eta _{j}:=\|\eta (t_{j},h_{j})\|}$في الخطوات الفردية. لذلك، أكبر قدر ممكن${\displaystyle h_{j}}$ينبغي تحديدها كحجم الخطوة، والتي${\displaystyle \eta _{j}}$يقل عن عتبة التسامح المحددة. تكمن المشكلة هنا في أن${\displaystyle \eta _{j}}$لا يمكن حسابها مباشرة، لأنها تعتمد على الحل الدقيق غير المعروف${\displaystyle y(t_{j})}$مسألة القيمة الابتدائية عند النقطة${\displaystyle t_{j}}$وبالتالي، فإن الفكرة الأساسية للتحكم في حجم الخطوة هي التقريب${\displaystyle y(t_{j})}$باستخدام طريقة أكثر دقة من الطريقة الأساسية الأساسية. ^{[ 26 ]}

هناك فكرتان أساسيتان للتحكم في عرض الخطوة، وهما: تقليل عرض الخطوة إلى النصف والعمليات المضمنة. في حالة تقليل عرض الخطوة إلى النصف، تُحسب نتيجة خطوتين بنصف عرض الخطوة كقيمة مقارنة بالإضافة إلى خطوة العملية الفعلية. وهذا يوفر تقريبًا أكثر دقة لـ${\displaystyle y(t_{j})}$ثم يتم تحديد قيمة من كلا القيمتين عن طريق الاستقراء، ويتم تقدير الخطأ المحلي 𝜂 𝑗. إذا كان هذا الخطأ كبيرًا جدًا، يتم تجاهل هذه الخطوة وتكرارها بخطوة أصغر. أما إذا كان أصغر بكثير من التسامح المحدد، فيمكن زيادة حجم الخطوة في الخطوة التالية. ^{[ 27 ]} يُعد الجهد الحسابي الإضافي لإجراء تنصيف عرض الخطوة هذا مرتفعًا نسبيًا؛ ولهذا السبب تستخدم التطبيقات الحديثة عادةً ما يُسمى بالإجراءات المضمنة للتحكم في عرض الخطوة. وتتمثل الفكرة الأساسية في حساب تقريبين لـ${\displaystyle y(t_{j})}$في كل خطوة، تُستخدم طريقتان أحاديتان الخطوة لهما رتبتا تقارب مختلفتان، وبالتالي تقدير الخطأ المحلي. ولتحسين الجهد الحسابي، ينبغي أن تشترك الطريقتان في أكبر عدد ممكن من الخطوات الحسابية، أي أنهما "مدمجتان في بعضهما". على سبيل المثال، تستخدم طرق رونج-كوتا المدمجة نفس المنحدرات المساعدة، وتختلف فقط في كيفية حساب متوسطها. ومن الطرق المدمجة المعروفة طريقة رونج-كوتا-فيلبرغ ( إروين فيلبرغ ، 1969) وطريقة دورماند-برينس (جيه آر دورماند وبي جيه برينس، 1980). ^{[ 28 ]}