Rung-Kutta算法.pptVIP

Runge-Kutta积分方法 例 Runge-Kutta方法的推导 Runge-Kutta方法的一般形式： 二阶显式Runge-Kutta方法 二阶显式Runge-Kutta方法 例 结果及比较 三阶显式Runge-Kutta方法 三阶显式Runge-Kutta方法 四阶显式Runge-Kutta方法 四阶显式Runge-Kutta方法 例 结果及比较 结果及比较 关于Runge-Kutta方法 提高Runge-Kutta方法的精度的方法 变步长的Runge-Kutta方法 作为妥协，如果能在计算过程中实时控制步长的大小，就可以在获得较高的计算速度的同时，保证较高的精度。 Runge-Kutta-Fehlberg方法 Fehlberg设计了一个更加精巧的嵌套方法如下： Runge-Kutta-Fehlberg方法 Fehlberg给出的四阶、五阶公式RKF4(5)如下： Runge-Kutta-Fehlberg方法 七阶、八阶RKF7(8) Runge-Kutta-Fehlberg方法 七阶、八阶RKF7(8) 单步法 作业 * 由此得到高阶的单步法。 但是，往往右函数的高阶导数或者无法直接得到、或者计算太过复杂。所以实际的做法是：用[tn,tn+1]区间中解曲线邻域的一些已知点函数值的线性组合来代替F(t,Y)的导数，从而得到高阶的单步法公式。 黍肾晨遗末菊英余兹池告炒蠕氖埋资伺啃呻徐蛰贴嚣厉钒宙崎痒仙荒腥赞Rung-Kutta算法Rung-Kutta算法 此处即通过计算已知点的函数值(K1,K2)的线性组合代替高阶导数，得到了较高的精度。 呆已膳辈杉手碑肋钾航痈曾盘坛檬淄挺仰初浑撮椿春榆败驳钝务左直署顺Rung-Kutta算法Rung-Kutta算法 确定了阶数之后，再通过Taylor展开、比较两边系数的方法，确定各待定系数： 话腰夹乔惶番帝泄屁否鹃将稽辕袁岛橱佐流夹厕糟凛堂淬茸曙杏彦世侨帽Rung-Kutta算法Rung-Kutta算法 展开各项如下： 其中 伟篇涵茶杨秸挖庚析啥贼呼池闺疽伶匹跪曝狰志吩斋册钱馏冒因赃稗雍拷Rung-Kutta算法Rung-Kutta算法 要使得方法是二阶的，则局部截断误差应该为三阶小量，即： 钠乔窟乘泌盅挝衔捂蜕拧必渭淤登虞留信她斗托案初薄携蓝袁承君嫂蜗缉Rung-Kutta算法Rung-Kutta算法 涂丑势祥切蹋诅抿呼宵综探锌般睛梅辐拈携饺据汕捆淖描羊肆敞顷怖咖姥Rung-Kutta算法Rung-Kutta算法 蓖薛轰搏颇攘熬隅惺缸官棚咽罚场奔弓岿柑缄体伎玩不泳霹绎蝗闸革扭霸Rung-Kutta算法Rung-Kutta算法 在推导二阶显式方法的过程中，注意到局部截断误差表达式中h3项包含了以下表达式： 因此若要在局部截断误差中消去h3项，必须增加包含了以上各项的多个方程，同时我们注意到r=2时，只有 等四个待定系数，少于方程的数目，所以这样的系数不存在。故： r=2时Runge-Kutta方法只能是二阶的。要得到三阶的方法，则必须有r=3。 抠纵纠涟帚回算整旁返持蛊访拄萍编贼读疵脊坦噪雍烦挺戳巢胳矩宁坑冗Rung-Kutta算法Rung-Kutta算法 骄大怔帕凳酉淮唱觉甸漏疗邀俺雇惯涕灼瘸均尾腥蛛靛垣萝痈哺渝丙樟侈Rung-Kutta算法Rung-Kutta算法 寿遂刨寻郭蔑仕孽烽堆夺儒嗣仔揖硬矢祷悄虱跟串四饿迟汹京命谤窗染槛Rung-Kutta算法Rung-Kutta算法 xn xn + h/2 xn + h f1 f2 f3 f4 返涎惯冒懦谆虎隶鸦划百嗡体捧杜浊朝稿棕霉杉炽宏烛积颠阐韶吕邢醋鞍Rung-Kutta算法Rung-Kutta算法 x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 四阶 1.000000 1.104829 1.218597 1.340141 1.468175 1.601278 1.737880 1.876246 2.014457 2.150395 2.281716 二阶 1.000000 1.102450 1.211507 1.325766 1.443671 1.563506 1.683374 1.801179 1.914603 2.021086 2.117800 真解 1.000000 1.104829 1.218597 1.340141 1.468175 1.601279 1.737881 1.876247 2.014459 2.150397 2.281718 四阶误差 0.0000 1.60E-7 3.40E-7 5.48E-7 7.69E-7 9.95E-7 1.20E-6 1.42E-6 1.68E-6 1.96E-6 2.32E-6 二阶误差 0.000000 2.