如何估算Runge-Kutta 2法所得R(n)函数的垂直渐近线？

垂直渐近线对应的n₀本质是临界参数：当n趋近n₀时，yₙ(t)的首个根会趋向无穷大（或无穷小），而当n穿过n₀时，根的存在性会发生突变（比如从存在有限根变为无实根）。以下是几种比你之前尝试更可靠的思路：

1. 基于根存在性的二分法（最鲁棒） #

这种方法不需要计算R(n)的具体值，只判断yₙ(t)是否存在首个根，完全避开指数增长带来的数值波动问题：

• 第一步：确定包含n₀的初始区间[n_low, n_high]。比如找一个n_low，使得yₙ_low(t)能在有限t内出现符号变化（即R(n_low)有限）；再找一个n_high，使得yₙ_high(t)在足够大的t范围（比如你之前观测到的最大R(n)的3~5倍）内始终保持同一符号。
• 第二步：二分迭代。取mid=(n_low+n_high)/2，用Runge-Kutta 2法积分y_mid(t)到设定的最大t值，检查是否出现符号变化：
  • 若出现符号变化，说明mid在n₀的“有根侧”，更新n_low=mid；
  • 若未出现符号变化，说明mid在n₀的“无根侧”，更新n_high=mid；
• 第三步：重复迭代，直到n_high - n_low小于你需要的误差阈值（比如1e-6），此时区间中点即可作为n₀的近似。

2. R(n)倒数的线性/非线性拟合 #

当n足够接近n₀时，R(n)的渐近行为通常满足 R(n) ≈ C/(n₀ - n)（或类似的倒数关系），此时1/R(n)与n呈线性关系：

• 第一步：在n₀附近选取一组样本点（要靠近n₀但又不会让R(n)大到数值溢出），计算每个n对应的R(n)，再取倒数1/R(n)。
• 第二步：用线性回归拟合1/R(n) = k*(n - n₀)（截距近似为0，因为n→n₀时1/R(n)→0），得到拟合斜率k。
• 第三步：从拟合直线与横轴的交点求解n₀，即n₀ = n - (1/R(n))/k。如果线性拟合效果不好，可尝试二次拟合或有理函数拟合（比如R(n) = a/(n - n₀) + b）。

3. 临界极值点的牛顿迭代法 #

当n=n₀时，yₙ₀(t)的首个极值刚好触碰到t轴（即极值为0），此时首个根会趋向无穷大。基于这个特性可以用牛顿迭代直接求解n₀：

• 第一步：定义目标函数F(n) = yₙ(t*(n))，其中t*(n)是yₙ(t)的首个极值点（满足y’ₙ(t*(n))=0）。
• 第二步：对给定的n初始值，用RK2积分yₙ(t)，找到首个t*使得导数为0，计算F(n)=yₙ(t*)。
• 第三步：用牛顿迭代更新n：n_{k+1} = n_k - F(n_k)/F’(n_k)，其中F’(n_k)可以用数值差分近似（比如F’(n) ≈ [F(n+Δn) - F(n-Δn)]/(2Δn)，Δn取小量）。
• 第四步：迭代直到|F(n)|小于误差阈值，此时的n即为n₀的近似。

4. 摄动分析（半解析辅助） #

如果能对n=n₀时的临界解y₀(t)做解析分析，可通过摄动法快速估算n₀：

• 假设n = n₀ + ε（ε为小量），将yₙ(t)展开为y(t) = y₀(t) + εy₁(t) + O(ε²)，代入原微分方程得到y₁(t)的线性微分方程。
• 当n接近n₀时，首个根满足y₀(t) + εy₁(t) ≈ 0，解出t ≈ -y₀(t)/(εy₁(t))，当ε→0时t→∞，对应R(n)→∞。通过分析这个近似关系，可以反推出n₀的解析或半解析表达式，再结合数值计算修正。

注意事项 #

• 优先选择二分法，它对R(n)的增长形式没有假设，鲁棒性最强，适合大多数数值场景；
• 拟合方法需要确保样本点足够靠近n₀，同时避免数值溢出；
• 牛顿迭代法需要初始值足够接近n₀，否则可能不收敛，可先用二分法得到初始近似值再切换。

内容的提问来源于stack exchange，提问作者Matteo Menghini