82数值分析.ppt

第八章常微分方程数值解法 8.2 Runge-Kutta 方法 8.2.2 几类显式Runge-Kutta方法 8.2.1 Runge-Kutta方法的基本思想 8.2.1 Runge-Kutta方法的基本思想 显式Euler方法是最简单的单步法，它是一阶的，它可以看作Talylor展开后 取前两项。因此，得到高阶方法的一个直接想法是用Talylor展开，如果能计算 的高阶导数，则可写出p阶方法的计算方法 其中 是 的近似值， 若将 分别记成 则对于二阶和三阶导数可表示为 这个方法并不实用，因为一般情况下，求 的导数相当麻烦。从计算高 阶导数的公式知道，方法的截断误差提高一阶，需要增加的计算量很大。但是 由此启发我们用区间上若干个点的导数 ，而不是高阶导数，将它们作线性 组合得到平均斜率，将其与解的Taylor展开相比较，使前面若干项吻合，从而 得到具有一定阶的方法。这就是Runge-Kutta方法的基本思想，其一般形式为 (8.2.1) 其中， 与 的区别在于：用微分方程准确解 　代替 中的 就得 到 。参数 和 待定，确定它们的原则和方法是：将（8.2.2）式中 的 在 处作Taylor展开，将 在 　处作二元Taylor展开，将展开式按H的幂次整理后，令 中h的低次幂的系数为零，使 首项中h的幂次尽量高，比如使 ，则称（8.2.1）式为L级p阶Runge-Kutta方法（简称R-K法）。 其中， 　 。它的局部截断误差是 ， （8.2.2） 它与显式R-K公式的区别在于：显式公式中，对系数 求和的上限是 ，从 而 构成的矩阵是一个严格下三角阵。而在隐式公式中，对系数 求和的上 限是L，从而 构成的矩阵是方阵，需要用迭代法求出近似斜率 推导隐式公式的思路和方法与显式公式法类似。 类似于显式R-K公式（8.2.1），稍加改变，就得到隐式R-K公式 8.2.2 几类显式Runge-Kutta方法 对于L=2，则 其局部截断误差是 　　　　　　　（8.2.3） 将 中的各项作Taylor展开，并利用 则有 将它们代入（8.2.3）式，整理后得 选取 和 ，使方法的阶尽可能高，就是使 h 和 的系数为零，因为 的系数一般不为零。于是得到方程组 显然，该方程组有无穷多组解，从而得到一族二级二阶R-K方法。 若以 为自由参数，取 得中点公式 （8.2.4） 取c=2/3得Heun公式 ， （8.2.5） 取c=1得改进的Euler公式（8.1.6）。 对于L=3的情形，要计算三个斜率的近似值： 类似于二阶方法的推导，可以得三阶的方法，所得系数应满足的方程组是 该方程组的解也是 不唯一的。常见的一种三级三阶方法是 对于L=4的情形，可进行类似推导。最常用的四级四阶方法是如下经典R-K方法 （8.2.6） 　　为了分析经典R-K公式的计算量和计算精度，将四阶经典R-K公式（8.2.6） 与一阶显式Euler公式（8.1.2）及二阶改进的Euler公式相比较。一般说来，公 式的级数越大，计算右端项 f 的次数越多，计算量越大。在同样步长的情况 下，Euler方法每步只计算一个函数值，而经典方法要计算4个函数值。四阶R- K法的计算量差不多是改进的Euler公式的2倍，是显式Euler公式的4倍。下面 的例子中Euler方法用步长 ，二阶改进的Euler法用步长 ，而四阶经典公 式用步长 。这样，从 到 三种方法都计算了4个函数制，计算 量