欧拉方法是一种基于函数的一阶导数值来估计函数值的方法。
求解
的通用算法是

其中 f 是
。换句话说,新的值
是旧值
与步长
乘以变化
的和。
可以将该算法想象成一个拿着地图旅行的人:现在我站在这里,根据周围的环境,我朝那个方向走 1 公里。然后,我再次查看地图,确定我的方向,并再次朝那个方向走 1 公里。我重复这个过程,直到完成我的旅行。
欧拉方法主要用于求解以下形式的微分方程

一个简单的例子是求解方程

这将得到
,因此,更新规则为

这里使用步长
。
跟踪算法生成的连续值的最佳方法是绘制一个表格,其中包含以下列:
。
以上方程式可以是例如人口模型,其中 y 是人口规模,x 是时间。