常微分方程数值解

        

目录

1 基本概念

1.1 微分方程

1.2 解析解与数值解

2 误差分析

2.1 整体截断误差

2.2 局部截断误差

2.3 数值算法精度

3 解析解求解

3.1 分离变量

3.2 积分因子

4 数值解求解

4.1 常微分方程离散化

4.1.1 用差商近似导数

4.1.2 数值积分法

4.1.3 Taylor多项式近似

4.2 Euler方法和改进Euler方法

4.2.1 向前Euler公式

4.2.2 向后Euler公式

4.2.3 Euler方法的误差

4.2.4 改进的Euler方法

梯形公式

改进Euler方法

4.3 Runge-Kutta方法

4.3.1 二阶Runge-Kutta

 Runge-Kutta局部截断误差

4.3.2 四阶Runge-Kutta

4.4 线性多步法

4.4.1 二节点近似

4.4.2 四节点近似

5 注

---

        在数学建模中，首先我们要对实际研究情况作具体分析，然后利用已有规律、或者模拟，精确或近似地得到各种因素变化率之间的关系，从而建立一个微分方程或方程组。一般可以通过微元法、模拟近似来建立微分方程。但是大多数微分方程很难得到解析解，常需要研究其解的稳定性和数值方法。

1 基本概念

1.1 微分方程

微分方程的基本格式：

常微分方程：方程中仅有一个未知数

偏微分方程：方程中有多个未知数

初边值条件：求微分的过程中，需要知道常数信息，才能唯一确定方程的解。

1.2 解析解与数值解

解析解：能够解出y(x)具体表达式（最好的解决方式，但是通常解不出来）

数值解：用某种方法近似得到函数y(x)在某点x的近似值（当运用足够多的点去近似时，精度会更高）

2 误差分析

在数值解中，因为是运用各种方法去近似得到函数在某点的值，因此与精确值会有误差。一般其精确值由泰勒展开确定。

2.1 整体截断误差

• 整体截断误差=前一步产生的误差+当前步产生的误差
• 实际上很难算出来，一般计算局部截断误差

2.2 局部截断误差

• 一般通过计算局部误差来进行误差分析，但是局部截断误差的精度更小（因为是在假设n步没有误差条件下计算的）
• 整体截断误差比局部截断误差更大

2.3 数值算法精度

•  p值越大，精度越高

3 解析解求解

3.1 分离变量

• 通过分离变量，将等式两边都是“同组”的未知数，然后等式两边进行积分进行求解
• 并不是所有的常微分方程都能够分离变量（相反，大部分微分方程都较难通过分离变量求出解析解）

3.2 积分因子

• 用于一阶线性微分方程

4 数值解求解

4.1 常微分方程离散化

• 一般地，步长大小不变，但是这样等间隔的取点会增大误差
• 离散化常用的有三种方法：用差商近似导数、数值分析法、Taylor多项式近似

4.1.1 用差商近似导数

•  差商有向前差商和向后差商两类，上例中为向前差商
• 若使用向后差商代入微分方程中，计算麻烦

4.1.2 数值积分法

• 数值积分法是将微分方程表示成积分形式，用数值积分离散化

4.1.3 Taylor多项式近似

4.2 Euler方法和改进Euler方法

4.2.1 向前Euler公式

• 通过向前差商计算得到近似称为向前欧拉公式

4.2.2 向后Euler公式

• 通过向后差商计算得到近似称为向后欧拉公式

4.2.3 Euler方法的误差

•  向前欧拉精度不高是显然的：在近似过程中只选取了一个点进行估计近似
• 若我们选用更多的点进行近似，那么精度理论上应该会更高，因此衍生处梯形公式

4.2.4 改进的Euler方法

梯形公式

改进Euler方法

4.3 Runge-Kutta方法

• 下面的二阶Runge-Kutta和四阶Runge-Kutta即分别选取了两个和四个点
• 其中二阶Runge-Kutta精度为2，四阶Runge-Kutta精度为4

4.3.1 二阶Runge-Kutta

•   Runge-Kutta局部截断误差过程稍长，只需理解即可

 Runge-Kutta局部截断误差

4.3.2 四阶Runge-Kutta

• 与二阶Runge-Kutta推导类似，只不过选取4点进行估计

4.4 线性多步法

4.4.1 二节点近似

4.4.2 四节点近似

5 注

文章笔者学习所用，信息资源来源于书本和网络，如有错误恳请私信评论，以便及时改正。