二阶Runge-Kutta法的参数确定

MrUnowen

已于 2024-04-15 00:18:19 修改

阅读量593

点赞数 3

文章标签：算法

于 2024-04-15 00:11:31 首次发布

本文链接：https://blog.csdn.net/MrUnowen/article/details/137758423

版权

文章讨论了RK方法如何实现泰勒级数的精度，强调了n阶RK方法对n阶微分方程的解的高精度，以及如何通过比较泰勒展开求解参数。特别提到了二阶RK方法的实例和Ralston方法在参数选择中的优势。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

RK方法实现了泰勒级数的精度，其n阶形式可以概括如下

$\begin{equation} y_{i+1}=y_i+\phi\left(x_i, y_i, h\right) h \end{equation}^{}$

$\begin{equation} \phi=a_1 k_1+a_2 k_2+\cdots+a_n k_n \end{equation}$
$\begin{equation} \begin{aligned} &\begin{aligned} & k_1=f\left(x_i, y_i\right) \\ & k_2=f\left(x_i+p_1 h, y_i+q_{11} k_1 h\right) \\ & k_3=f\left(x_i+p_2 h, y_i+q_{21} k_1 h+q_{22} k_2 h\right) \end{aligned}\\ &k_n=f\left(x_i+p_{n-1} h, y_i+q_{n-1,1} k_1 h+q_{n-1,2} k_2 h+\cdots+q_{n-1, n-1} k_{n-1} h\right) \end{aligned} \end{equation}$

在这个方法中，每一个斜率值都是由上一个斜率值推出来的。p,q,a都是常数，需要将n阶RK算法与n阶泰勒展开进行对比得到具体值。

注意，由于RK方法实现了泰勒级数的精度，故对于一个微分方程的解为关于x的n阶方程的时候，其n阶RK方法得到的数值解与解析解的误差总是收敛于0的。这是因为n阶方程总可以得到泰勒n阶展开，而我们知道n阶RK方法的局部截断误差和全局截断误差和n阶泰勒级数的相同，都分别为 $\begin{equation} O\left(h^{n+1}\right) \end{equation}$ 和 $\begin{equation} O\left(h^{n}\right) \end{equation}$ ，由全局截断误差为h的n阶无穷小我们知道，当步长足够多的时候，误差趋于0。

至于如何通过同阶泰勒展开求解p,q,a的值，可以通过一个二阶RK方法的例子清楚地了解到。

首先我们知道，对于一元函数在x0处有二阶泰勒展开：

$\begin{equation} f(x)=f\left(x_0\right)+f^{\prime}\left(x_0\right)\left(x-x_0\right)+\frac{f^{\prime \prime}\left(x_0\right)}{2}\left(x-x_0\right)^2 \end{equation}$

当x=x0+h的时候，我们令f(x0)为 $\begin{equation} y_{i} \end{equation}$ ,f(x0+h)为 $\begin{equation} y_{i+1} \end{equation}$ 。所以上式又可以转换为式1.2

$\begin{equation} y_{i+1}=y_i+f\left(x_i, y_i\right) h+\frac{f^{\prime}\left(x_i, y_i\right)}{2 !} h^2 \end{equation}$

又有链式法则我们可以得到式1.3：

$\begin{equation} f^{\prime}\left(x_i, y_i\right)=\frac{\partial f(x, y)}{\partial x}+\frac{\partial f(x, y)}{\partial y} \frac{d y}{d x} \end{equation}$

代入式1.2可以得到式1.4：

$\begin{equation} y_{i+1}=y_i+f\left(x_i, y_i\right) h+\left(\frac{\partial f}{\partial x}+\frac{\partial f}{\partial y} \frac{d y}{d x}\right) \frac{h^2}{2 !} \end{equation}$

上式便是泰勒二阶展开表示的估计值，接下来我们看一下二阶RK方法表示的估计值.对于二阶RK算法，其标准形式为：

$\begin{equation} y_{i+1}=y_i+\left(a_1 k_1+a_2 k_2\right) h \end{equation}$

$\begin{equation} k_1=f\left(x_i, y_i\right) \end{equation}$

$\begin{equation} k_2=f\left(x_i+p_1 h, y_i+q_{11} k_1 h\right) \end{equation}$

又由二元二阶泰勒展开式：

$\begin{equation} g(x+r, y+s)=g(x, y)+r \frac{\partial g}{\partial x}+s \frac{\partial g}{\partial y}+\cdots \end{equation}$

将上式代入k2，我们可以得到：

$\begin{equation} \begin{aligned} & f\left(x_i+p_1 h, y_i+q_{11} k_1 h\right)=f\left(x_i, y_i\right)+p_1 h \frac{\partial f}{\partial x} \\ &+q_{11} k_1 h \frac{\partial f}{\partial y}+O\left(h^2\right) \end{aligned} \end{equation}$

代入 $\begin{equation} y_{i+1}=y_i+\left(a_1 k_1+a_2 k_2\right) h \end{equation}$

可以得到：

$\begin{equation} \begin{aligned} y_{i+1}= & y_i+\left[a_1 f\left(x_i, y_i\right)+a_2 f\left(x_i, y_i\right)\right] h \\ & +\left[a_2 p_1 \frac{\partial f}{\partial x}+a_2 q_{11} f\left(x_i, y_i\right) \frac{\partial f}{\partial y}\right] h^2+O\left(h^3\right) \end{aligned} \end{equation}$