- •Вычислительная математика
- •Оглавление
- •3. Численное интегрирование…………………………………………………...51
- •4. Уравнения в частных производных…………………………………………65
- •5. Численные методы линейной алгебры……………………………………...73
- •1. Численные методы решения обыкновенных дифференциальных уравнений Основные понятия
- •Элементы теории погрешностей
- •Численное дифференцирование. Аппроксимационные формулы
- •Задача Коши для обыкновенного дифференциального уравнения 1-го порядка. Метод Эйлера
- •Задача Коши для обыкновенных дифференциальных уравнений 1-го порядка. Методы Рунге-Кутта
- •Краевые задачи для обыкновенного дифференциального уравнения 2-го порядка
- •Метод Галеркина для обыкновенных дифференциальных уравнений 2-го порядка
- •2. Аппроксимация функций Интерполяционный многочлен Лагранжа
- •Многочлены Чебышева
- •Минимизация погрешности интерполяции полинома Лагранжа
- •Интерполяция с равноотстоящими узлами
- •Кусочная аппроксимация
- •Сплайн- интерполяция
- •Метод наименьших квадратов
- •Ортогональные полиномы
- •3. Численное интегрирование Простейшие квадратурные формулы
- •Квадратурные формулы Ньютона-Котеса
- •Экстраполяция по Ричардсону
- •Квадратурные формулы Гаусса, Чебышева
- •Метод Монте-Карло
- •4. Уравнения в частных производных
- •5. Численные методы линейной алгебры
- •Матрицы и действия над ними
- •Клеточные матрицы
- •Разложение матрицы на произведение двух треугольных матриц
- •Итерационные методы
- •Метод Якоби
- •Метод Зейделя
- •Практикум по вычислительной математике Лабораторные работы для Mathcad 2001i Professional Лабораторная работа № 1 Обращение матриц
- •Лабораторная работа №2 Решение системы нелинейных уравнений
- •Лабораторная работа №3 Построение уравнений регрессии
- •Лабораторная работа № 4 Разложение функций в ряд Фурье пополиномам Лежандра
- •Лабораторная работа № 5 Решение дифференциального уравнения второго порядка
- •Лабораторная работа № 6 «Аппроксимации»
- •Лабораторная работа № 7 Решение слау с помощью lu разложения
- •Лабораторная работа № 11 Метод прогонки
- •Синтаксис среды Maple
- •Данные множественного типа
- •Решение дифференциальных уравнений в среде Maple Примеры решения уравнений встроенными функциями
- •Примеры численного решения оду
- •Лабораторная работа №1 Решение оду различными методами
- •Задания для самостоятельного решения
- •Лабораторная работа № 2 Интерполяция функции полиномами Лежандра
- •Лабораторная работа № 3 Метод наименьших квадратов
- •Лабораторная работа № 4 Применение системы Maple в сопротивлении материалов
- •Эпюра q
- •Эпюра q
- •Эпюра q
- •Эпюра q Лабораторная работа № 5 Решение системы методом прогонки
- •Библиографический список
Задача Коши для обыкновенных дифференциальных уравнений 1-го порядка. Методы Рунге-Кутта
Методы Рунге-Кутта – одношаговые методы, существенно более точные, чем метод Эйлера.
Общая схема получения методов. Идея методов Рунге-Кутта состоит в том, что, в отличие от метода Эйлера, приближенное значение на следующем шаге вычисляется вначале в некоторых промежуточных точках, а затем усредняется:
, (1.3)
где
– из метода Эйлера,
,
. . . . . . . . . . . . . . .
,
r ≥ 1 – фиксированное целое число, порядок точности метода, pi, αi, βij – параметры. Эти параметры определяются при конкретных значениях r из того, чтобы погрешность метода на шаге была наименьшей по порядку. Определим эти параметры для r=2. Из формулы (1.3) получаем
,
(1.4)
где
,
.
Для определения
параметров оценим погрешность метода
на шаге Δm(h).
,
где
– точное значение в точке xm+1,
ym+1
– приближенное
значение, вычисленное по формуле (1.4),
исходя из точного
.
Запишем разложение функции по формуле
Тейлора:
.
(1.5)
Из дифференциального
уравнения
,
которое запишем, как
и продифференцируем:
или
.
Из формулы (1.5)
(1.6)
Из формулы (1.4)
.
Из формулы Тейлора для двух переменных:
,
т.к.
,
.
(1.7)
Из сравнения формул (1.4) и (1.5) получаем систему уравнений
(1.8)
В системе три уравнения и четыре неизвестных. Такая система имеет бесконечно много решений. Одно из неизвестных может быть выбрано произвольно. Чаще всего встречаются следующие два частных решения.
I.
,
;
II.
,
.
В I случае расчетная формула метода Рунге-Кутта 2-го порядка имеет вид:
,
где из формулы (1.4)
;
.
Во II случае вычисления проводятся по схеме
,
где
.
Система (1.8)
получается из условия наиболее полного
возможного совпадения формул (1.6) и (1.7)
и обеспечивает равенство слагаемых –
свободных, линейных и квадратных в этих
формулах, таким образом, погрешность
полученных методов на шаге имеет порядок
точности 3:
.
Полная погрешность метода на всем
интервале [a;b]
за n
шагов составляет величину
.
Основной метод Рунге-Кутта получается при r=4. Вывод формул аналогичен только что рассмотренному, но в формуле Тейлора потребуется продолжить разложение вплоть до слагаемых 4-го порядка. Можно получить
,
где
;
;
;
.
Погрешность метода
на шаге составляет величину
,
общая погрешность метода –
.
Формулы погрешности, полученные для методов Рунге-Кутта, позволяют определить порядок метода, т.е. насколько быстро меняется погрешность при изменении шага вычислений, но не дают возможности оценить саму величину погрешности. К.Рунге предложил практическое правило для оценки величины погрешности в случае, если задан порядок метода. Оценка осуществляется двойным пересчетом.
Предположим, вы
решаете задачу методом, порядок точности
которого равен k,
т.е. разница между точным решением y
и приближенным решением, полученным с
шагом h
– yh,,
выражается
так:
,
тогда, если повторить решение той же
задачи, но с шагом
,
вы получите более точное решение
,
причем
Рассмотрим абсолютную величину разности между точным и приближенным решением для шага и для шага и вычтем уравнения почленно:
;
;
получим
.
Преобразуем это выражение к виду:
или
,
тогда
,
т.е. погрешность второго пересчета можно
оценить. Некоторая условность полученной
оценки происходит от того, что в формулах
для
и
могут оказаться различные константы
М.
Но лучшего способа оценки погрешности
придумано не было.
В случае метода
Рунге-Кутта четвертого порядка точности
и оценить погрешность можно следующим
образом:
.
Отсюда получается
правило регулировки шага вычислений.
Если вычисленная таким способом
,
где ε – наперед заданная предельно
допустимая погрешность вычислений, то
шаг удваивается, а если
,
то шаг измельчается.
