数值微分和微分方程.docVIP

数值微分和微分方程 第一节 数值微分 理论基础：Taylor展开 导数定义 我们取均匀的 记 ∴ 这是两点公式（即Euler方法），是的量级。 来源于 (4.1.1) 的项。 若希望提高精度，可设法消除这一项 (4.1.2) ∴ (4.1.1) +(4.1.2)可得上式，来自的项，这称3点公式。 注意：这时的项都被消去了。 5点公式 对二级导数 3点公式 由 (4.1.1) － (4.1.2) 可得上式 5点公式 （习题） 初值问题 微分方程大体可分三类 初值问题 边值问题 本征值问题 我们这里关心初值问题 与简单的数值微分比较， 还是 y(t) 的函数 时间分立化，令 Euler方法 这方法误差太大，如何提高精度呢？ 我们可以参考简单的数值微分的思想，但这里是未知数， 与有关，问题相对复杂。 Picard方法 证明： 微分方程可写为 取 数值积分 零阶近似 一阶近似 ∴ ∵ ∴ 从直观看，用近似比只用或好。 但是，这一方法需要知道，即 Predictor-Corrector方法 简单方法 用Euler方法，求，再用Picard方法得到更准确的。 改进方法 取 ∴ 做积分 得到 ∵ 这类方法的缺点是，我们需要估计多点的初始条件，这本身便会带来误差。 Runge-Kutta方法 这方法可以避免多点初始条件 级数展开 如果我们希望准确到项，只需计算和。近似计算和的方法不唯一 设 ∴ 我们必须取 例如：取 ∴ 只需要初始条件即可求解方程。 第四节 边值和本征值问题 典型的边值问题由二阶微分方程给出 不失一般性，设边界在 和 处。 边界条件有四类 （1） （2） （3） （4） 边值问题比初值问题难，因为我们不能简单用‘迭代’方法求解。 ‘迭代’需要已知 和 。 本征值问题比边值问题还难，需要求解带特殊参数的微分方程 这里在边界条件确定时，只能取特殊值方程才有解。例如，量子力学的本征方程，给出量子化的物理量。 The shooting method 对第（1）类边值问题， 1） 设 然后用初值问题中的迭代方法求解方程。当然，得到的结果一般和给定的边值不一致。 2） 改变，求的根 Newton 方法 设 是 f(x) 的零点，x 是零点附近的尝试点，可作级数展开， 当 x 足够靠近 ，高阶项可略去， 可看作更靠近零点的尝试点。所以， 即 Secant方法 我们可以近似计算， Newton 方法和 Secant 方法的比较 Newton 方法是一点方法, 即只需要已知和 Secant 是两点方法，好处是不必已知。 求的根，可用Secant 方法