第七章常微分方程数值解课件1.pptVIP

《数值分析》 主讲教师：陈松林 第七章 常微分方程数值解 第七章 常微分方程数值解 §7.1 引言 §7.2 简单的单步法及基本概念 §7.3 Runge-Kutta方法 §7.4 单步法的收敛性与绝对稳定性 §7.5 线性多步法 §7.6 一阶方程组与高阶方程数值方法 §7.1 引言 §7.2简单的单步法及基本概念 §7.2.1 Euler法，后退Euler法与梯形法 §7.2.2 单步法的局部截断误差 §7.2.3 改进Euler法 Euler法 Euler法的第二种导出方法 Euler法的第三种导出方法 隐式Euler法 梯形法 改进Euler法 §7.3 Runge-Kutta方法 §7.3.1 显式Runge-Kutta法的一般形式 §7.3.2 二、三阶显式R-K方法 §7.3.3 四阶R-K方法及步长的自动选择 §7.4 单步法的收敛性与绝对稳定性 §7.4.1 单步法的收敛性 §7.4.2 绝对稳定性 §7.4.1 单步法的逐步截断误差与方法的收敛性 称 为方法的累计误差。 §7.4.2 绝对稳定性 §7.5 线性多步法 §7.5.1 线性多步法 §7.5.2 Adams显式与隐式方法 §7.5.3 Adams预测-校正方法 §7.5.4 Milne方法与Hamming方法 §7.5.1 线性多步法 前面介绍的一步法（如Eular公式、Runge-Kutta法），在提高精度时，需要增加中间函数值的计算。能否利用更多的已算出的函数值（构造Gauss-Seidel迭代法时曾用过此思想）来构造高精度的算法。其中较简单的一种形式是线性多步法的一般形式 §7.5.2 Adams显式与隐式方法 Adams显式方法 因此构造4步显式Adams公式： Adams隐式方法 注1 出于误差和稳定性方面的考虑，通常构造预估校正格式： 注 2:研究表明k步显式Adams方法是k阶的： 注3 用k步法计算时须先用其它方法（如Runge-Kutta法）求出前面k个值作为初值，此后每推进一步只须计算一个新的f值。 继而考虑Adams方法的稳定性： Adams方法的稳定性 Adams方法的稳定性 §7.5.3 Adams预测-校正方法 Adams修正的预估校正公式：利用4步Adams显式和3步隐式公式具有同阶截断误差但系数不同的特点，将截断误差用显式公式（预估值，用表示）和隐式公式（校正值，用表示）表示出来，继而进行补足，具体做法如下： 于是构造修正的预估校正公式： 预估及其修正： §7.5.4 Milne方法与Hamming方法 例：利用Milne- Hamming公式构造修正的预估校正公式的推导： 于是构造修正的预估校正公式： §7.6 一阶方程组与高阶方程数值方法 对于高阶微分方程初值问题，原则上总可归结为一阶方程组，例如下列m阶微分方程 校正及其修正： 如 Simpson公式： 局部截断误差为： Hamming公式： 局部截断误差为： 由局部误差估计公式： 相减得： 所以： 预估及其修正： 校正及其修正： * * 若对初值问题积分形式采用右矩形公式可得： 称为隐式（后退）Euler法。 若对初值问题中对应的积分形式采用梯形公式可得： 将梯形法和Euler法相结合，可得到改进的Euler法： 然后通过合适地选取诸松弛参数来获得高精度公式:（回顾Gauss求积公式的获得） 事实上，我们有关于“计算函数值的个数与方法的阶数之间”的关系如右，因此四阶Runge-Kutta法是最经济的。 四阶Runge-Kutta法：每推进一步须计算四次函数值的4阶单步法。 为了讨论累计误差，首先引入逐步误差估计的概念：假定用某公式计算当前近似值 时用到的前面一步（或多步）的值是准确值，此时的累计误差称为第n+1部的逐步误差。 Euler法,隐式Euler法,以及梯形公式的误差问题: 例6(6页) 得p+1个方程，2k个未知参数，令p+1=2k，可以证明其解的存在性，此时有： * * *