第十章-常微分方程的初值问题.pptVIP

3、高阶ODE问题 二阶龙格－库塔方法可以类似适用于高阶ODE。 考虑 其中 是常数或 的函数。 设： 则： 其二阶龙格－库塔方法的格式为： 写为向量形式： 其中： 则二阶龙格－库塔方法格式为： * * 第十章 常微分方程的初值问题 只含有未知函数的一个或多个寻常导数的方程叫常微分方程，简写为ODE。方程的阶数为最高阶导数的阶数。 求解ODE问题可以归结为初值问题和边值问题，这取决于区域边界的条件是否已知。所有初值问题的条件在初始点都是已知的，如果末端点的条件也已知，则该问题就变为边值问题。在时间区域内的ODE都是初值问题，因此在初始时刻 的所有条件都是已知的。 一阶ODE问题的形式 其中， 是 的函数，第二个方程是初始条件， 是求解方程必不可少的条件。方程中，一阶导数也是 的函数，我们通过数值积分 求出未知函数 。 如果 无关，则计算变为第5章中讨论的任一种 直接积分方法应用 。 其中 是常数或 的函数，这样原方程就变为线性 ODE。如果 不是线性函数，方程就称为非线性ODE。 有些ODE问题可以求出解析解，但大多数ODE都没有解析解，这也是数值方法变得如此重要的原因。 设 的线性函数，如： 如果 的函数 ，积分过程将不同于前者。 Euler（欧拉）方法是求解一阶ODE的一种简 便方法。尽管精度不高，但由于简单，特别适用于快速编程求解。它有三种格式： 一、Euler 方法 （a）向前Euler 法 （b）改进的Euler 法 （c）向后Euler法 介绍这些方法是为了了解初值问题求解的基本思想。 1、向前Euler法 将向前差分公式改写，即得 的向前Euler法。 要增加时间步数，只需反复调用上式： 例1 求解 其中 ，并画图。 t = 0; n=0; v=0; C = 0.27; M = 70; g = 9.8; h = 0.1; t_rec(1)=t; v_rec(1) = v; while t20 n=n+1; v = v + h*( -C/M*v*v + g); t = t+h; v_rec(n+1) = v; t_rec(n+1) = t; end plot(t_rec,v_rec)；axis([0,20,0,60]) 尽管向前Euler法非常简单，但有两种误差效应：第一种是截断误差，第二种误差源于计算的不稳定性。当方程的时间系数为负值，h又不是很小时，第二种误差就会增加。带有负时间系数的常见方程为其精确解为 该问题的向前Euler格式为： 如果 ，数值解为正的趋于零；如果 ，随n的增加，解的符号交替改变；如果 ，则在每一步符号变化后，解的数量级增加，最终导致结果发散。 2、改进的Euler法 将梯形公式用于求解 可得改进的Euler法： 如果 f 是 y 的线性函数，则从上式易得出 。 例如，设 则 解得： 如果 f 是 y 的非线性函数，则式 1 也是 的非线性函数，所以需要到非线性方程的求解算法。 逐次代换法的形式为： 如果初值设为 ，则第一步迭代相当于向前Euler 法，如果每步只有两次迭代，这种方法就称为二阶龙格-库塔（Runge-kutta）方法。 例2 初值问题： 求解 的值。 向前Euler法： yf(1) = 10; t(1) = 0; h = 0.1; n=1; while t(n)1 n = n+1; t(n) = t(n-1) + h; yf(n) = yf(n-1) + h*( -yf(n-1)^1.5 + 1); end 迭代5步结果： ym(1) = 10; t(1) = 0; h = 0.1; n=1; while t(n)1 n = n+1; t(n) = t(n-1) + h; ym(n) = ym(n-1) + h*( - ym(n-1)^1.5 + 1); ymb = 1e10; while abs(ym(n) - ymb) 0.00001 y