改进欧拉公式

最新推荐文章于 2023-04-23 15:10:27 发布
最新推荐文章于 2023-04-23 15:10:27 发布
阅读量224 收藏
点赞数
分类专栏： 笔记 文章标签： 线性代数 概率论 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/loist91/article/details/120448924
版权 
import numpy as np
import matplotlib.pyplot as plt

x1 = 0
x2 = 0
y1 = 1
y2 = 1
h = 0.1 # x(n+1) - x(n)
X1 = np.zeros(100)
Y1= np.zeros(100)
X2 = np.zeros(100)
Y2 = np.zeros(100)

def f(x, y):
    return y - 2 * (x / y)

for i in range(0,100):
    y1 = y1 + 0.05 * ( f(x1, y1) + f( x1 + h, y1 + 0.1 * f(x1, y1)) )
    x1 = x1 + h
    Y1[i] = y1
    X1[i] = x1
    print(Y1[i], X1[i])

1.0929761904761905 0.1
1.1778321038457131 0.2
1.256135190384483 0.30000000000000004
1.3289255090966436 0.4
1.3969131621203812 0.5
1.4605841666711676 0.6
1.5202605105195306 0.7
1.5761349500530002 0.7999999999999999
1.6282905854696912 0.8999999999999999
1.6767103568548303 0.9999999999999999
1.72127910216094 1.0999999999999999
1.7617793927441254 1.2
1.797881423902427 1.3
1.8291264816568051 1.4000000000000001
1.8549027339756012 1.5000000000000002
1.8744111200174338 1.6000000000000003
1.8866176893489026 1.7000000000000004
1.8901864643978414 1.8000000000000005
1.8833829877262636 1.9000000000000006
1.8639315774100327 2.0000000000000004
1.828795420987003 2.1000000000000005
1.7738195031189075 2.2000000000000006
1.6931093964581405 2.3000000000000007
1.577845810541459 2.400000000000001
1.4137099967220328 2.500000000000001
1.174089343413283 2.600000000000001
0.7949418090592373 2.700000000000001
-0.04581579648560541 2.800000000000001
6.318660264291585 2.9000000000000012
6.872599825938077 3.0000000000000013
7.487986961757877 3.1000000000000014
8.171120444650981 3.2000000000000015
8.928900498648225 3.3000000000000016
9.768897372230537 3.4000000000000017
10.699426725532945 3.5000000000000018
11.72963231112202 3.600000000000002
12.869576554388049 3.700000000000002
14.130339767590321 3.800000000000002
15.524128858878676 3.900000000000002
17.064396524048437 4.000000000000002
18.765972035730275 4.100000000000001
20.64520487440429 4.200000000000001
22.720122580697907 4.300000000000001
25.010604351625872 4.4
27.538572057451173 4.5
30.328200523269526 4.6
33.406149102719375 4.699999999999999
36.80181677279951 4.799999999999999
40.54762320102935 4.899999999999999
44.67931848155403 4.999999999999998
49.236324507826716 5.099999999999998
54.26211124890561 5.1999999999999975
59.804611527107404 5.299999999999997
65.91667825994776 5.399999999999997
72.65658853245989 5.4999999999999964
80.08859931095043 5.599999999999996
88.28356010025172 5.699999999999996
97.31958838822197 5.799999999999995
107.28281431876972 5.899999999999995
118.2682016937123 5.999999999999995
130.38045313058015 6.099999999999994
143.73500800496015 6.199999999999994
158.45914268975415 6.299999999999994
174.69318357822402 6.399999999999993
192.59184445217699 6.499999999999993
212.32570094134522 6.5999999999999925
234.08281612621423 6.699999999999992
258.0705327766962 6.799999999999992
284.5174493068464 6.8999999999999915
313.67559827640883 6.999999999999991
345.82284820003173 7.099999999999991
381.26555155290185 7.19999999999999
420.34146420758645 7.29999999999999
463.4229641233958 7.39999999999999
510.92059996123567 7.499999999999989
563.2870034408808 7.599999999999989
621.0212027238244 7.699999999999989
684.6733779263831 7.799999999999988
754.8501040809623 7.899999999999988
832.2201315084866 7.999999999999988
917.5207586862086 8.099999999999987
1011.5648583412612 8.199999999999987
1115.2486237251887 8.299999999999986
1229.5601088876226 8.399999999999986
1355.5886443336424 8.499999999999986
1494.535217791298 8.599999999999985
1647.7239190127455 8.699999999999985
1816.614557672123 8.799999999999985
2002.8165746022783 8.899999999999984
2208.1043789372925 8.999999999999984
2434.434257315874 9.099999999999984
2683.963016281604 9.199999999999983
2959.0685355324695 9.299999999999983
3262.372427881515 9.399999999999983
3596.76502186628 9.499999999999982
3965.432905078334 9.599999999999982
4371.889290686522 9.699999999999982
4820.007496531112 9.799999999999981
5314.057855827187 9.89999999999998
5858.748411217088 9.99999999999998

for i in range(0,100):
    y2 = 1.1 * y2 - 0.2 * (x2 / y2)
    x2 = x2 + h
    Y2[i] = y2
    X2[i] = x2
    print(Y2[i], X2[i])

1.1 0.1
1.191818181818182 0.2
1.277437833714722 0.30000000000000004
1.35821259956029 0.4
1.4351329186577972 0.5
1.5089662535663324 0.6
1.580338237655218 0.7
1.6497834310477122 0.7999999999999999
1.717779347860088 0.8999999999999999
1.7847708324979834 0.9999999999999999
1.8511887110822296 1.0999999999999999
1.917465025144291 1.2
1.984046272046332 1.3
2.0514055684725467 1.4000000000000001
2.1200543441219546 1.5000000000000002
2.190553971934533 1.6000000000000003
2.2635275998130764 1.7000000000000004
2.339672339345207 1.8000000000000005
2.419771873967288 1.9000000000000006
2.504709464330856 2.0000000000000004
2.595481249764899 2.1000000000000005
2.6932096736597324 2.2000000000000006
2.7991568033689833 2.3000000000000007
2.914737281245499 2.400000000000001
3.0415306441486285 2.500000000000001
3.181292795402083 2.600000000000001
3.335966513495211 2.700000000000001
3.507691036387956 2.800000000000001
3.6988109593575618 2.9000000000000012
3.9118849066249957 3.0000000000000013
4.149694651664416 3.1000000000000014
4.415255533297773 3.2000000000000015
4.711829113820219 3.3000000000000016
5.042939033576937 3.4000000000000017
5.412390933993009 3.5000000000000018
5.824297167194873 3.600000000000002
6.283106817950801 3.700000000000002
6.793641370604512 3.800000000000002
7.36113619361956 3.900000000000002
7.991287909888882 4.000000000000002
8.690307681027537 4.100000000000001
9.464980455133118 4.200000000000001
10.322730298367317 4.300000000000001
11.271692036022365 4.4
12.320789553742157 4.5
13.479821242455882 4.6
14.759553203479546 4.699999999999999
16.1718209590997 4.799999999999999
17.72964053779977 4.899999999999999
19.447329923268757 4.999999999999998
21.340641974831755 5.099999999999998
23.42691004691238 5.1999999999999975
25.725207659648923 5.299999999999997
28.256523704780307 5.399999999999997
31.04395481310721 5.4999999999999964
34.11291666469445 5.599999999999996
37.491376192797986 5.699999999999996
41.21010681943666 5.799999999999995
45.30296906669943 5.899999999999995
49.80721911541924 5.999999999999995
54.76384813397673 6.099999999999994
60.217955477080224 6.199999999999994
66.21915915995032 6.299999999999994
72.82204735019371 6.399999999999993
80.08667499082237 6.499999999999993
88.07911007670793 6.5999999999999925
96.87203455693935 6.699999999999992
106.54540533113622 6.799999999999992
117.18718135323435 6.8999999999999915
128.89412345653736 6.999999999999991
141.77267417434913 7.099999999999991
155.93992555725364 7.19999999999999
171.52468378767807 7.29999999999999
188.66864027201905 7.39999999999999
207.52765985831195 7.499999999999989
228.2731978919703 7.599999999999989
251.0938589931828 7.699999999999989
276.19711172777073 7.799999999999988
303.8111747603836 7.899999999999988
334.18709163772365 7.999999999999988
367.60101306420745 8.099999999999987
404.3567074186819 8.199999999999987
444.7883223356561 8.299999999999986
489.26342245685134 8.399999999999986
538.1863309694535 8.499999999999986
592.0018053091021 8.599999999999985
651.199080443467 8.699999999999985
716.3163164938686 8.799999999999985
787.9454911281639 8.899999999999984
866.7377812014655 8.999999999999984
953.4094825689436 9.099999999999984
1048.748521887409 9.199999999999983
1153.6216196040705 9.299999999999983
1268.982169250727 9.399999999999983
1395.878904673502 9.499999999999982
1535.4654339912613 9.599999999999982
1689.0107269552052 9.699999999999982
1857.9106510493766 9.799999999999981
2043.7006612058437 9.89999999999998
2248.0697584957 9.99999999999998

plt.plot(X1, Y1, ls='-', lw=2, label='cosine', color='purple')
plt.plot(X2, Y2, ls='-', lw=2, label='cosine', color='blue')
plt.legend()
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

在这里插入图片描述

.bigship
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
欧拉公式
花月阁
08-14 869
LRJ算法入门经典第二版上面写错了，害得我想了半天。。。 V ： 点数， E ：边数  F ：面数 欧拉公式 V - E + F = 2； V =  n + n / 4 sum(i * (n - 2 - i));  [ 0 E = n + n / 2 sum((i * (n - 2 - i ) + 1); [ 0 代码实现： #include #include #include #
改进的欧拉公式
11-25
用改进欧拉方法求 dy/dx = 2/3xy^(-2),x∈[0,1], y(0) = 1 的数值解（取h = 0.1），并将计算结果与准确解y = ∛(1+x^2 )进行比较：
改进欧拉公式例题20210924
临溪而渔
09-24 3421
import numpy as np import matplotlib.pyplot as plt x = 0 y = 1 m = 0 n = 1 t = 0.1 list_1=[] list_2=[] list_3=[] list_4=[] for i in range(100): print(x,y) #改进欧拉公式 k1 = t*(y - (2*x)/y) k2 = t/2*(y + k1 - (2*(x+t)/(y+k1))) y = y + (k1+k2)/..
6.1 欧拉方法与改进欧拉方法
tang7mj的博客
04-23 8785
在数值求解常微分方程的过程中，我们希望得到一个与真实解足够接近的数值解。一般来说，我们认为一个数值方法的精度与其阶数有关。p阶方法是指一种数值方法，它在每个步骤中的误差与步长$h$的p次方成正比，也就是说，它的全局误差与步长$h^{p+1}$成正比。具体来说，假设我们使用一个p阶方法来求解方程$y'=f(t,y)$，在第$i$个步骤中，我们使用这个方法计算得到数值解$y_{i}$，真实解为$y(t_i)$。那么这个方法在当前步骤中的局部截断误差为$LTE_i = O(h^{p+1})$。
C++学习日记#4——改进欧拉(Euler)公式
ALEX_2814的博客
11-04 1923
在x，y的平面上，微分方程y'=f(x,y)的解y=y(x)称作它的积分曲线。积分曲线上的一点(x,y)的切线斜率等于函数f(x,y)值。如果按函数f(x,y)在xy平面上建立一个方向场，那么，积分曲线上每一点的切线方向均与方向场在该点的方向相一致。 在求解的方法中有：欧拉公式、梯形方法。梯形方法虽然提高了精度，但是其算法复杂，在应用迭代公式进行实际计算时，每迭代一次，都要重新计算函数f(x,y)的值，而迭代又要反复进行若干次，计算量很大，而且往往难以预测。——《数值分析 （第五版）李庆杨编著》 改进欧
数值分析C++实现改进的欧拉（Euler）公式求解常微分方程
陌意随影的博客
05-05 2923
算法的程序框图： 具体的算法： （1）读取x0,y0,h,n,以及给定的f(x,y) (2) 从i = 1开始每次i++，重复以下操作，直到i=n退出循环 2.1 计算x1=x0+h, y1 = y0+ h*f(x0,y0);y2=y0+f(x1,y1); y3 =(y1+y2)/2; 2.2打印x1,y3 2.3 x0=x1;y0 = y1; 源程序代码及运行结果截图 #include&lt...
homework_欧拉法；改进欧拉法；四阶龙格库塔方法_
10-04
利用MATLA采用欧拉法、改进欧拉法和四阶龙格库塔方法编译程序，对应着程序文件homework，求解0-5s的 。
改进的欧拉定理用c实现
12-06
改进的欧拉定理用c实现
Euler公式与改进Euler比较
03-10
在解微分方程数值解的问题上Euler公式与改进Euler比较，改进的Euler公式精确度高。
改进的欧拉（Euler）公式&四阶龙格-库塔(Runge-Kutta)方法，解常微分方程初值问题
热门推荐
LengDanRan
04-25 1万+
改进的欧拉（Euler）公式 欧拉公式 yn+1=yn+hf(xn,yn)n∈N \begin{array}{l}y_{n+1}=y_n+hf\left(x_n,y_n\right)n\in N\end{array} yn+1​=yn​+hf(xn​,yn​)n∈N​ 梯形公式 yn+1=yn+h2[f(xn,yn)+f(xn+1,yn+1)],n∈N \begin{array}{l}y_{n+1...
数值分析实验之改进的欧拉公式程序代码
07-16
数值分析实验之改进的欧拉公式，代码实现..................
欧拉方法与改进欧拉方法(C++实现)
weixin_43691984的博客
10-19 6471
综述： 在一阶常微分方程的数值解法中 ，常采用的欧拉方法，欧拉方法局部截断误差为O(2)，所以欧拉方法是一阶方法，改进后的欧拉方法截断误差为O(3),所以改进后的欧拉方法是二阶方法，精度更高。本文将以具体一微分方程为例，使用C++分别采用欧拉方法和改进后的欧拉方法对其求解。 题目： 求初值问题： 求解： 一、欧拉方法 1、利用欧拉方法： 二、改进欧拉方法 step1: 先用显式欧拉公式作预测，算出 step2: 再将代入隐式梯形公式的右边做校正得...
常微分方程初值问题（改进的欧拉公式）
Running Snail
07-12 707
function [x, y] = improvedEuler(fname, inte, y0, h) x=inte(1):h:inte(2); y(1)=y0; for n=1:length(x)-1 y(n)=vpa(y(n),6); k1=feval(fname,x(n),y(n)); y(n+1)=y(n)+h*k1; k2=feval(fname,x(n+1),y(n+1)); y(n+1)=y(n)+h*(k1+k2)/2; end x=x' y=y'..
数值分析---改进的欧拉公式
qq_45593796的博客
12-14 2002
#include<iostream> #include<bits/stdc++.h> using namespace std; float f(float x,float y) { return y-2*x/y; } void Euler(float x,float y,int N) { float yc,yp; float h=0.1; ...
欧拉公式和改进的欧拉公式C++源码
再难也要坚持的博客
11-07 8760
欧拉公式和改进的欧拉公式C++源码
最美的公式之一— —欧拉公式
muyangshaonian的专栏
06-02 9167
ei∗π+1=0e^{i*\pi}+1=0 欧拉公式将数学中最基本的e,i,πe,i,\pi聚在一起，同时加入了数学也是哲学中最重要的0与1，再以简单的加号相连。该公式的巧妙简洁让人顿感自然的美妙。 不同领域的人看到欧拉公式就会产生不同的幻想。比如，机械领域的人就看到圆周与振动运动的互相转换，以此创造了缝纫机。那么圆周运动是怎么和振动产生联系的呢？ 因为两者都有周期性的规律，周期性的往复。可以
欧拉公式和改进欧拉公式的优缺点
最新发布
12-06
欧拉公式和改进欧拉公式是数值计算中常用的一种数值积分方法，用于求解常微分方程的数值解。欧拉公式是一阶数值积分方法，而改进欧拉公式是二阶数值积分方法。 欧拉公式的优点是简单易懂，易于实现，计算速度快。...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值