前几篇我们一直在做一类题：
给一个起点，往后推一条曲线。
这一篇换一种更麻烦、也更常见的题：
如果题目不是给你一个起点，而是把条件放在两头，你还怎么把中间那条曲线找出来？
先给一句人话答案：
这类题不能只从左边往右走，因为你走到右边以后还得刚好满足右端条件。
这就是边值问题的核心。
边值问题的英文是 boundary value problem，简称 BVP。
先别急着背这个缩写，它只是说：
你要满足的不止是起点，还有边界。
这一节的 takeaway：初值问题是“从起点出发”，边值问题是“两头都要对”。
0. 先看最小问题
想象一根长度固定的细杆，两端温度都被固定成 0。
杆中间有一点加热，所以温度在中间会鼓起来，往两边慢慢降下去。
我们想问的不是“它会怎么随时间变化”，而是：
在稳态下，整根杆的温度曲线长什么样？
这类题很常见：
- 两端固定温度的导热棒
- 两端固定位置的绳子
- 两头都定死条件的梁挠度
这一节的 takeaway：有些题不是“时间演化题”，而是“空间上怎么连起来”的题。
1. 变量和方程
我们把空间位置记成 x，温度曲线记成 u(x)。
稳态情况下，最简单的模型可以写成：
边界条件是：
这里的意思是：
- 左端温度固定为 0
- 右端温度固定为 0
- 中间有均匀的“抬高”作用，所以曲线会鼓起来
为什么这个模型好？
因为它足够简单，但已经包含了边值问题的全部难点：
方程在中间，条件在两头。
这一节的 takeaway：边值问题的难点不在公式长，而在条件分散在不同位置。
2. 为什么不能直接像 solve_ivp 那样算
如果这是初值问题，我们只需要知道：
- 起点在哪里
- 起点斜率是多少
然后就能一路往前推。
可边值问题不一样。
你虽然知道 u(0)=0，但你不知道 u'(0) 应该是多少。
而右端又要求 u(1)=0。
所以如果你只在左边随便猜一个斜率，曲线大概率会在右边偏掉。
这就逼出了一个很自然的办法：
先猜左边斜率，再看右边对不对，不对就改猜。
这就是射击法（shooting method）的直觉。
这一节的 takeaway：边值问题不是不能算，而是不能一次把所有条件都同时从左边带过去。
3. 射击法的想法
射击法的人话版本是：
- 先猜一个左端斜率
- 把它当成初值问题往右算
- 看右端边界有没有命中
- 没命中就改斜率，再来一次
这很像往靶子上射箭：
- 你知道靶子在哪里
- 但你不知道第一箭该抬多高
- 所以你得试几次
数学上，我们把二阶方程改成一阶方程组：
这样就能用 solve_ivp 去“猜斜率再积分”。
这一节的 takeaway：射击法就是把边值问题拆成“猜斜率 + 初值积分 + 反复修正”。
4. 直接用 solve_bvp
SciPy 里其实有现成的边值问题求解器，叫 solve_bvp。
它做的事就是：
直接在两头条件都知道的情况下，把整条曲线找出来。
对应代码可以写成：
def bvp_rhs(x, y):
# y[0] = u, y[1] = u'
# u' = v
# v' = -1
return np.vstack((y[1], -np.ones_like(x)))
def bc(ya, yb):
# ya 是 x=0 处的状态，yb 是 x=1 处的状态
# 两端温度都等于 0
return np.array([ya[0], yb[0]])这里最值得注意的是：
-
ya代表左端 -
yb代表右端 -
bc就是boundary conditions，边界条件
它和 rhs 很像，但不是同一个东西：
-
rhs负责方程中间怎么变 -
bc负责两头怎么对
这一节的 takeaway：solve_bvp 不是在猜一个起点，而是在同时满足中间方程和两端边界。
5. 最小可用例子
这道题其实有解析解：
你可以直接代回去验证：
这很好，因为它能拿来检验数值结果有没有跑偏。
如果 solve_bvp 算出来的曲线和这个抛物线接近，就说明求解过程是对的。
这一节的 takeaway：边值问题也要尽量找一个最小例子做验算。
6. 用代码算
完整脚本可以这样写：
import numpy as np
from scipy.integrate import solve_bvp, solve_ivp
def bvp_rhs(x, y):
# y[0] = u, y[1] = u'
return np.vstack((y[1], -np.ones_like(x)))
def bc(ya, yb):
# 左右两端温度都固定为 0
return np.array([ya[0], yb[0]])
# 先给一个网格和初猜
x = np.linspace(0, 1, 50)
y_guess = np.vstack((0.1 * x * (1 - x), 0.1 - 0.2 * x))
# solve_bvp 直接求解边值问题
sol = solve_bvp(bvp_rhs, bc, x, y_guess)这里 y_guess 是初猜，不是最终答案。
边值问题通常都需要一个比较像样的初猜，因为求解器要从一个近似曲线慢慢修。
如果你想看射击法，也可以这样做：
def shooting_residual(s):
# 先猜左端斜率 s，把边值问题变成初值问题
def ivp_rhs(x, y):
return [y[1], -1.0]
# 从左端出发，初值是 u(0)=0, u'(0)=s
sol_ivp = solve_ivp(ivp_rhs, (0.0, 1.0), [0.0, s], t_eval=np.linspace(0, 1, 200))
# 右端温度离 0 有多远，就是这次射击偏了多少
return sol_ivp.y[0, -1]射击法的关键不是“猜中一次”，而是：
你能不能不断修正那根起始斜率。
这一节的 takeaway：边值问题可以直接解，也可以先猜后修正。
7. 结果怎么看
这道题的结果应该是一条向上鼓起的抛物线。
它告诉我们：
- 两端因为边界条件固定，所以都落在 0
- 中间因为有“抬高”作用，所以会高起来
- 整条曲线是被两头条件钉住的
如果你改错了边界条件，形状就会完全不一样。
所以边值问题里最容易错的不是求解器，而是：
边界条件有没有写对。
这一节的 takeaway：结果形状是否合理，首先取决于边界条件有没有写对。
8. 一个实用判断
遇到边值问题时，可以先问自己三个问题：
- 条件是在起点，还是在两头
- 我是不是把问题误当成了初值问题
- 有没有一个简单曲线能先用来验算
只要这三件事想清楚，solve_bvp 和射击法就不再神秘。
这一节的 takeaway：边值问题最怕的不是难，而是把它当成初值问题硬推。
9. 小结
这一篇压成一句话就是：
边值问题不是从一个起点往前推，而是要让整条曲线同时满足两头的条件。
如果只记五句话，就记这五句：
-
BVP是boundary value problem - 条件放在两头时，不能只从左边一路算到底
- 射击法就是“猜斜率，再修正”
-
solve_bvp直接处理边界条件 - 最简单的验算对象是一条能手算的抛物线
下一篇我们把时间加回来，看看热量在空间和时间里同时变化时，偏微分方程要怎么落到网格上。