1. 课程导入与数值模拟概览

经典力学粒子运动数值模拟，是指以牛顿运动定律（或拉格朗日、哈密顿等与之等价的表述）为物理基础，借助计算机对单个或多个质点的运动状态进行离散化求解，从而得到位置、速度、加速度等物理量随时间演化过程的一类计算方法。它的核心思想并不复杂：真实世界的运动是连续的，而计算机只能处理离散的数据，因此我们把时间切成一个个小步长，在每一步内用近似的方法推进状态，让离散的轨迹尽可能逼近连续的真实解。

理解这门课程，首先要建立一个基本认识：数值模拟不是"让计算机替我们算答案"，而是"我们设计算法、控制误差、解释结果"。同一个物理问题，用不同的积分方法、不同的步长，会得到精度和稳定性截然不同的结果。课程的目标，正是让你具备从物理模型到可运行程序、再到可信结果判断的完整能力。

为什么需要数值模拟

经典力学中只有极少数问题存在解析解，例如匀速直线运动、匀加速运动、简谐振子和二体开普勒问题。一旦涉及空气阻力、非线性弹簧、多体相互作用、约束或变质量，解析求解往往无从下手。数值模拟的价值就在于：它不依赖问题是否有闭式解，只要运动方程能写出，就能一步步推进出轨迹。

在实际工程与科研中，这类模拟的应用非常广泛。弹道与抛体设计需要预测含阻力条件下的落点；分子动力学用大量粒子的数值积分研究材料与生物大分子的行为；航天轨道计算需要在引力场中长时间推进探测器状态；游戏与动画物理引擎则要在实时性约束下快速求解碰撞与运动。它们的共同点是：都以"粒子状态随时间的演化"为基本计算单元。

从物理方程到计算流程

一个典型的粒子运动数值模拟，可以概括为如下链条：先确定研究对象与坐标系，写出受力分析，得到加速度表达式 a = F/m；再把二阶微分方程降为一阶方程组，即位置对时间的导数等于速度、速度对时间的导数等于加速度；然后选择积分算法，设定初始条件与步长，循环推进；最后对轨迹、能量、动量等量做可视化与误差检验。

下面这张图展示了这一核心数据流：物理模型如何转化为可计算的离散推进过程，以及结果如何反馈修正模型与参数。

课程的整体学习路径

本课程共 30 章，整体遵循"先建立物理与数学基础，再掌握核心算法，最后进入综合应用与误差分析"的递进结构。前期会从坐标系与运动学描述讲起，明确位置、速度、加速度的矢量关系与符号约定；随后进入牛顿方程与受力建模，学会把实际问题抽象为可计算的微分方程。

中段是课程的重心，围绕数值积分方法展开：欧拉法作为最直观的起点，帮助你理解"用当前斜率外推"的基本思想；随后引入改进欧拉法与四阶龙格—库塔法，比较它们在精度和稳定性上的差异；再讨论步长选择、能量漂移、长时间积分的累积误差等工程上必须面对的问题。这一部分会配合大量可运行的示例，例如带线性阻力的抛体、非线性单摆、二体引力问题。

后段则走向综合：多粒子系统与相互作用、约束与碰撞处理、结果可视化与验证方法，最终完成一个较完整的模拟项目。整条路径的设计原则是"每学一个方法，就有一个能动手验证的物理场景"，避免算法与物理脱节。

一个最小示例：先看清"一步"在做什么

为了让你在正式进入算法细节前建立直觉，这里给出一个显式欧拉法推进单步的伪代码。假设粒子质量 m=1 kg，仅受重力 g=9.8 m/s²（取竖直向下为 y 轴正方向），初始位置 y₀=0、速度 v₀=0，步长 Δt=0.01 s：

a = g                      # 加速度，恒定
v = v + a * dt             # 先更新速度
y = y + v * dt             # 再用新速度更新位置
t = t + dt

运行若干步后，你会得到一条近似抛物线（若加入水平初速度）或自由落体轨迹。但请注意：欧拉法在每一步都引入了截断误差，长时间积分后能量会系统性漂移。这正是后续章节要解决的问题——不是"能不能算"，而是"算得准不准、稳不稳"。判断依据通常包括：与解析解对比的相对误差、总能量随时间的漂移量、以及减小步长后结果是否收敛。

本课程对学习者的期待

你不需要预先精通数值分析，但应具备微积分与经典力学的基本概念，并能读写简单的程序（Python 或同类语言即可）。课程强调的是"可复现"：每个示例都应能由你亲手运行、修改参数、观察变化。最终目标不是背下龙格—库塔法的系数，而是当面对一个新的粒子运动问题时，你能判断该选什么方法、步长取多大、结果是否可信，并能解释偏差从何而来。