计算物理习题课.pptVIP

第九章 蒙特卡罗方法及应用 What is a Random Number? Follow a definite distribution, usually uniform distribution /均匀性 Uncorrelated/独立性 Unpredictable /不可预计性 线性同余发生器 General Monte Carlo If the samples are not drawn uniformly but with some probability distribution P(X), we can compute by Monte Carlo: 线性多步法 用若干节点处的 y 及 y’ 值的线性组合来近似y(xi+1)。 ) ... ( ... 1 1 0 1 1 1 1 0 1 k i k i i i k i k i i i f f f f h y y y y - - + - - - + + + + + + + + + = b b b b a a a 其通式可写为： ? 亚当姆斯显式公式 利用k+1 个节点上的被积函数值 构造 k 阶牛顿后插多项式 , 有 k = 3 的4阶亚当姆斯显式公式 常用的是 k = 3 的4阶亚当姆斯隐式公式 ? 亚当姆斯预测-校正系统 Step 1: 用Runge-Kutta 法计算前 k 个初值； Step 2: 用Adams 显式计算预测值； Step 3: 用同阶Adams 隐式计算校正值。 4阶Adams隐式公式的截断误差为 4阶Adams显式公式的截断误差为 当 h 充分小时，可近似认为?i ? ?i ，则： 微分方程组与高阶方程 ? 一阶微分方程组 IVP的一般形式为： = ? = ? )) ( , ... ), ( , ( ) ( ... ... ... )) ( , ... ), ( , ( ) ( 1 1 1 1 x y x y x f x y x y x y x f x y m m m m 初值 0 0 0 2 0 2 0 1 0 1 ) ( , ... , ) ( , ) ( m m y x y y x y y x y = = = 将问题记作向量形式，令： 例题：习题7 第八章 矩阵的特征值与特征向量的计算 条件：A 有特征根 |?1| |?2| ? … ? |?n| ? 0，对应n个线性无关的特征向量 … … … 当k 充分大时，有 思路：从任意 出发，要求 1. 幂法 －计算矩阵的主特征根及对应的特征向量 ? 规范化 /* normalization */ 为避免大数出现，需将迭代向量规范化，即每一步先保证 ，再代入下一步迭代。一般用 。 记： 则有： 算法： 1、任取一个初始向量 2、构造迭代序列 3、取 4. 反幂法 /* Inverse Power Method */ 若 A 有| ?1 | ? | ?2 | ? … | ?n |，则 A?1 有 对应同样一组特征向量。 1 1 1 1 1 l l l ? …? - n n A?1 的主特征根 A的绝对值最小的特征根 采用规范化方法， 由幂法，给定v0， 改写为： 雅克比方法的基本思想是通过一系列的平面旋转矩阵构成的正交变换将是对称矩阵逐步化为对角阵,从而得到A的全部特征值及其相应的特征向量. § 8.3 对称矩阵的雅可比 (Jacobi) 旋转法 （2） 由公式 求出θ，从而得平面旋转矩阵 P1=Pij; （3） 的元素由公式(9)计算. （4） 以A1代替A，重复(1),(2),(3)步求出A2及P2，继续重复这一过程，直到的非对角线元素全化为充分小(即小于允许误差)为止。 （5） Am 的对角线元素为A 的全部特征值的近似值,的第 j 列为对应于特征值λj ( 为Am的对角线上第j个元素)的特征向量. 算法： （1） 从A(k-1)中找出绝对值最大元素 § 8.4 QR 算法 QR 算法也是一种迭代算法,是目前计算任意实的非奇异矩阵全部特征值问题的最有效的方法之一.该方法的基础是构造矩阵序列 ,并对它进行QR 分解. QR分解的基本思路： 例题：习题8 3 7 0 1 4 十进制公式: 二进制公式: 缺点: 数列具有周期性，有些数(如零)紧接着重复出现 伪随机数递推公式为: