二阶非线性常微分方程打靶法.pptVIP

二阶非线性常微分方程的打靶法 计算思路 主要分为以下五步： 给定容许误差ε，迭代初始值γ1，对k=1,2，...做： (1)用四阶Runge-Kutta 方法求解初值问，得出u1之后取其在γk的值，从而得到F(γk)=u1(b,γk)-β (2)若|F(γk)|＜ε,则u1 即为所求，跳出循环。 否则： (3)用四阶Runge-Kutta 方法求解初值问题 由此得到F(γk)=v1(b,γk) (4)用牛顿迭代计算γk+1，即 (5)置k+1→k，转(1)直到误差在范围内。 综上，实现了打靶法对非线性方程的拟合。 接下来是每一步的代码： 程序开头各变量的设置 function ys=ndbf(f,g,a,b,alfa,beta,n,eps,s0) %f 为二阶导数,y=f(x,y,y)，g 为f 对y 求偏导后的 %(a,b)为自变量迭代区间 %alfa,beta 为给定的边值条件 %eps 题目规定的精度 %n 为迭代次数 %选取适当的s0 的初值 循环第一步 x0=[alfa,s0]; %选取合适的迭代初值 y0=RK4(f,a,b,h,x0); %龙格库塔算出u1(γk) constant=y0(n,1)-beta; 这里的y0(n,1)即是u1(γk，b)，constant即为F(γk) 循环第二步 检验误差以跳出 if abs(constant)eps%检验精度是否合题意 break; 循环第三步 得到F函数的导数 u0=[0,1]; u1=NRK4(g,a,b,h,u0,y0); 通过偏导数求得的F’。 循环第四步 用牛顿迭代算出新的初值 s0=s0-constant/u1(n,1); 之后把所有的步奏放进一个while循环，跳出的条件即是constant小于给定的误差 数值实验 微分方程 得到图像 可以看出精度还是蛮高的 与matlab自带函数的比较 分别用Bvp4c 函数和打靶法解微分方程： 得到结论：图像上的拟合度差不多，但是具体做数值误差之后Bvp4c函数的精确度比较高。Bvp4c大概为1.0e-10，打靶法只有1.0e-4 再改变迭代方法进行比较 用二分法迭代γk 此时不用再求F的导数，所以也不用输入偏导数g 同样解上面的微分方程： 图像的拟合度也比较高。 数值误差方面和牛顿迭代在同一 数量级，所以相差不大。 算法总结 牛顿打靶法精度比较高 但是对于初值的选取要求很高，需要在精确值附近 而且在开头需要手动输入偏导数 谢谢观赏，祝大家期末满绩！ * *