差分方程的迭代解法：递推法
各位同学，今天我们来聊聊差分方程最直接的解法——递推法。
说实话，我刚接触差分方程时，觉得这东西挺抽象的。后来在做一个数字滤波器项目时，发现递推法其实就是「一步一步往前推」的过程。你想想看，给定初始条件，按照方程规则，一步步算出后面的值，这不就是我们平时做事的逻辑吗？
递推法的核心思想
递推法，说白了就是「已知过去，推知未来」。
对于一个 n 阶差分方程：
y[k] + a₁y[k-1] + ... + aₙy[k-n] = b₀x[k] + b₁x[k-1] + ... + bₘx[k-m]我们可以把它改写成：
y[k] = -a₁y[k-1] - ... - aₙy[k-n] + b₀x[k] + b₁x[k-1] + ... + bₘx[k-m]嗯，这里要注意：y[k] 只依赖于过去的值。只要我们知道初始条件 y[0], y[1], ..., y[n-1]，就能一步步算出 y[n], y[n+1], ...
关键点：递推法不需要解特征方程，不需要求通解，直接数值计算。适合计算机实现，也适合手算小规模问题。
迭代公式的推导
我习惯把迭代公式写成标准形式。以一阶差分方程为例：
y[k] + a y[k-1] = b x[k]移项得到迭代公式：
y[k] = -a y[k-1] + b x[k]你看，这个公式告诉我们：当前输出 = 系数 × 上一个输出 + 系数 × 当前输入。
对于二阶情况：
y[k] + a₁y[k-1] + a₂y[k-2] = b₀x[k] + b₁x[k-1]迭代公式为：
y[k] = -a₁y[k-1] - a₂y[k-2] + b₀x[k] + b₁x[k-1]我曾经在做一个音频回声消除项目时，就是用这种二阶递推来模拟房间脉冲响应的。当时调试了好久才发现是初始条件设错了——嗯，这个坑后面会讲。
初值条件的作用
初值条件为什么重要？
你想想看，递推公式就像一台机器，你得给它「喂」初始数据，它才能开始运转。没有初值，递推就无从开始。
对于 n 阶差分方程，我们需要 n 个初始条件：
- 一阶方程：需要 y[0] 或 y[-1]
- 二阶方程：需要 y[0] 和 y[1]（或 y[-1] 和 y[-2]）
- n 阶方程：需要 n 个连续的初始值
避坑指南：我曾经在项目中把初始条件设成了全零，结果系统响应完全不对。后来发现，对于某些系统（比如积分器），初始条件不能随意设为零。一定要根据物理意义来设定。
数值计算示例
光说不练假把式。我们来看一个具体例子。
例：已知差分方程 y[k] - 0.5y[k-1] = x[k]，初始条件 y[0] = 1，输入 x[k] = 1（k ≥ 0）。求 y[1], y[2], y[3]。
解：
迭代公式：y[k] = 0.5y[k-1] + x[k]
| k | 计算过程 | y[k] |
|---|---|---|
| 0 | 已知 | 1 |
| 1 | y[1] = 0.5 × 1 + 1 | 1.5 |
| 2 | y[2] = 0.5 × 1.5 + 1 | 1.75 |
| 3 | y[3] = 0.5 × 1.75 + 1 | 1.875 |
你看，y[k] 逐渐趋近于 2。这个系统是稳定的，因为系数 0.5 的绝对值小于 1。
小技巧：手算时建议列个表格，k 从 0 开始，一行一行往下算。不容易出错，也方便检查。
递推法的流程图
下面我用 SVG 画了一张递推法的流程图，帮你理清思路：
递推法的优缺点
我个人觉得，递推法最大的优点是直观。你不需要懂什么 Z 变换、特征方程，只要会加减乘除就能算。
但缺点也很明显：
- 只能得到数值解，得不到解析表达式
- 误差会累积，步数越多误差越大
- 计算量大，如果要算 1000 步，手算得累死
我的建议：小规模问题（几步到几十步）用手算递推，大规模问题用 MATLAB 或 Python 编程实现。我在项目中通常先用递推法验证一下思路，再用解析法做精确分析。
总结
递推法，说白了就是「一步一步来」。
记住三个要点：
- 迭代公式要写对——移项时注意符号
- 初值条件要设对——缺一个都不行
- 计算过程要仔细——一步错，步步错
嗯，今天就到这里。下次我们聊 Z 变换法，那才是真正的高效工具。
公众号:蓝海资料掘金营，微信deep3321