数学建模培训：经典数值方法.ppt

* 例 用弦截法求下列方程的根. 解 因为 f (1.5)0, f (2)0, [1.5, 2]为有根区间. 取 按弦截法计算公式求, 结果如下 ? 此计算结果表明, 迭代5次所得近似解精确到8位有效数字. 它的收敛速度比Newton法慢. znewton2(inline(x^3+2*x^2+10*x-20),1,2,1e-2,200) * 3：常微分方程数值解法 近似求解 数值解法: 就是寻求解 y(x)在一系列离散点 上的近似值 相邻两个节点的间距 称为步长. 本章均假设 此时节点 * ? 初值问题的各种差分方法都采用“步进式”，即求解过程顺着节点排列的次序一步一步地向前推进. ? 只要给出从已知信息 计算 的递推公式，此类计算格式统称为差分格式. ? 常微分方程差分格式 * 数值求解一阶常微分方程初值问题 难点: 如何离散 y ? ? ? 常见离散方法 ? 差商近似导数 ? 数值积分方法 ? Taylor展开方法 * 方法1 Euler方法 用差分格式 来近似微分方程初值问题 解：Euler公式为 当h=0.5时 当h=0.25时 p=zeuler(inline(x.*sqrt(y)),[0, 1],1,0.5) p=zeuler(inline(x.*sqrt(y)),[0, 1],1,0.25) * ? 梯形公式 §2 改进的Euler法 从直观上看, 用梯形公式计算数值积分要比矩形公式精度高. 相应地求解常微分方程的梯形公式的精度也要比Euler公式精度高 . * 则当hL2时, 梯形公式是一个隐式公式. 已知 yn , 用迭代法计算yn+1 ? 用梯形法计算, 从 yn 到yn+1要进行迭代计算, 计算量较大. 实际计算常把Euler法和梯形法结合起来, 这就是改进的Euler法. * ? 先用Euler法求得一个初步的近似值，记为 ，称之为预测值，然后用它替代梯形法右端的yn+1 再直接计算 fn+1, 得到校正值 yn+1, 这样建立的预测－校正系统称为改进的Euler法： 预测 校正 ? 改进的Euler法 * ? 实践表明, 改进Euler法的精度明显高于Euler法. 利用Taylor展开可以证明, 改进Euler的局部截断误差为O ( h3 ), 故它是二阶方法. 它有下列平均化形式： p=zeuler2(inline(-y-y.^2*sin(x)),[1,2],1,0.2) * 考察差商 根据微分中值定理，存在点?，利用所给方程 y?=f (x, y) 得 称 K*=f (?, y(? ))为区间[xn , xn+1]上的平均斜率, 这样只要对平均斜率 K*提供一种算法，相应地便导出一种计算格式. §3 Runge-Kutta法 ? Runge-Kutta法的基本思想 * 梯形法： 改进Euler法： 其中 Euler法： 向后Euler法： * Runge－Kutta法的基本思想就是设法在[xn , xn+1]内多预报几个点的斜率值，然后把它们加权平均作为平均斜率，以期望构造出更高精度的计算格式. ? Runge-Kutta法的基本思想 * 经典的四阶Runge-Kutta方法 * 例 设取步长 h=0.2用四阶 Runge-Kutta 方法求解 解 * y (xn) 1.1832 1.3416 1.4832 1.6125 1.7321 xn 0.2 0.4 0.6 0.8 1.0 yn 1.1832 1.3416 1.4832 1.6124 1.7320 ? 同Euler法和改进Euler法的计算结果比较, 显然以四阶RK法的精度为高. 四阶RK法每1步计算4次函数值, 改进Euler法每1步只要计算2次函数值, 但由于这里步长放大了2倍, 两者所用计算量几乎相同. 取步长 h=0.2, 计算结果见右表 clear;dyfun=inline(‘x-2x\y) p=zrungekutta4(dyfun,[0, 1],0,0.2) * * * 数模培训：经典数值方法简介 ? 2: 非线性方程的迭代解法 ? 3：常微分方程的数值解法 ? 1：线性方程组Ax=b的迭代方法 * ? 1：线性方程组迭代法概述 等价线性方程组 取初始向量 x(0)?Rn, 构造如下单步定常线性迭代公式 以此来产生近似向量序列 x(1), x(2), ... 当k充分大时， ? 基本思想 等价变形 如何做 收敛性条件 M: 迭代矩阵 * ? 若由迭代公式 产生的向量序列 { x(k)} 收敛于向量 x，则 即向