讲RG线性多步法.pptVIP

第 三 节 主要内容： 一、 R-K法的常用公式 二、 线性多步法 三、 线性多步法的一般形式 四、 常用的线性多步公式 五、 预测—校正系统 §4 线性多步法 主要内容： 1: R-K法的常用公式 2: 线性多步法 3: 线性多步法的一般形式 4: 常用的线性多步公式 5: 预测—校正系统 常用多步公式 局部截断误差 局部截断误差 （二）米尔恩(Milne)公式 Milne公式 （三）海明公式 海明公式 分别用四阶Adams显式和隐式公式求初值问题的数值解 例6 解 根据题意， 由四阶Adams显示公式有 例 题 6 由四阶Adams隐示公式有 由上式可解出 利用精确解求出起步值(一般可用四阶R-K公式计算)后，按上面的公式计算。 例 题 6 方法比较 用显式公式计算预测值，然后用隐式公式进行校正，得到近似值yn+1这样一组计算公式称为预测—校正系统。 一般采用同阶的隐式公式与显式公式。常用的预测—校正系统有两种： 三、预测—校正系统 预测-校正系统 用局部截断误差进一步修正预测－校正公式 预测-校正系统 预测-校正系统 预测-校正系统 龙格—库塔(Runge—Kutta)方法 龙格—库塔法 主要内容 回顾 理论上讲上式阶数越高,精确度越高,但是计算量过大 观察 基本思想 共同的特点是: 基本想法: 基本思想 R-K法的构造 R-K方法 称为三阶R-K方法. 四阶R-K公式之一 R-K法的常用公式 参数的选取不是唯一的，无论怎样选取参数,公式的精确度都是有限的。 R-K(高阶)方法不唯一,选择不同的参数能得到 不同的R-K公式 如：二阶R—K公式除改进的欧拉公式外，还 有中点公式等。 注意的问题 例4 解 例 题 4 Clear[a,b,x,y] x[0]=0; y[0]=1; h=0.1; x[n_]:=n*h; f[u_,v_]:=v-2u/v; K1[n_]:=f[x[n-1],y[n-1]] K2[n_]:=f[x[n-1]+h/2,y[n-1]+h/2*K1[n]] K3[n_]:=f[x[n-1]+h,y[n-1]-h*K1[n]+2h*K2[n]]; y[n_]:=y[n-1]+h/6*(K1[n]+4K2[n]+K3[n]); Table[{x[n],y[n]},{n,0,6}]//N; MatrixForm[%] 0 1. 0.1 1.09544 0.2 1.18322 0.3 1.26491 0.4 1.34165 0.5 1.41422 0.6 1.48326 3阶R-K近似解 Mathematica程序 精确解 y[0] - 1 y[0.1] - 1.09545 y[0.2] - 1.18322 y[0.3] - 1.26491 y[0.4] - 1.34164 y[0.5] - 1.41421 y[0.6] - 1.48324 0 1. 0.1 1.09774 0.2 1.18757 0.3 1.27129 0.4 1.35013 0.5 1.42499 0.6 1.49657 改进Euler近似解 0 1. 0.1 1.09544 0.2 1.18322 0.3 1.26491 0.4 1.34165 0.5 1.41422 0.6 1.48326 3阶R-K近似解 结果比较 4阶R-K近似解 Clear[a,b,x,y] x[0]=0; y[0]=1; h=0.1; x[n_]:=n*h; f[u_,v_]:=v-2u/v K1[n_]:=f[x[n-1],y[n-1]] K2[n_]:=f[x[n-1]+h/2,y[n-1]+h/2*K1[n]] K3[n_]:=f[x[n-1]+h/2,y[n-1]+h/2*K2[n]] K4[n_]:=f[x[n-1]+h,y[n-1]+h*K3[n]] y[n_]:=y[n-1]+h/6*(K1[n]+2K2[n]+2K3[n]+K4[n]); Table[{x[n],y[n]},{n,1,6}]//N; MatrixForm[%] 0.0 1 0.1 1.09545 0.2 1.18322 0.3 1.26491 0.4 1.34164 0.5 1.41422 0.6 1.48324 提示:运行速度较慢 Mathematica程序 精确解 y[0] - 1