欧拉计划Problem 9

A Pythagorean triplet is a set of three natural numbers, a < b < c, for which,

a 2 +  b 2 =  c 2

For example, 32 + 42 = 9 + 16 = 25 = 52.

There exists exactly one Pythagorean triplet for which a + b + c = 1000.
Find the product abc.

int main()
{
 clock_t tb,te;
 tb=clock();
 for (int i = 1000,max=0; i > 0; i--)
 {
  for (int j = i-1; j > 0; j--)
  {
   for (int k = j-1; k > 0 ; k--)
   {
    if (1000 == i+j+k && i*i == j*j+k*k)
    {
     if (max < i*j*k)
     {
      max = i*j*k;
     }
    }
   }
  }
 }
 printf("\n最大值为:%d\n",max);
 te=clock();
 printf("\n时间差:%d\n",te-tb);
 exit(0);
 return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是采用Python编写的一个简单的示例程序,用于演示如何使用向前欧拉、向后欧拉和梯形欧拉方法求解初值问题,并计算相应的截断误差和收敛精度: ```python import numpy as np import matplotlib.pyplot as plt # 定义一个函数,表示初值问题的导数函数 def f(t, y): return y - t**2 + 1 # 定义一个函数,表示精确解 def exact(t): return (t+1)**2 - 0.5*np.exp(t) # 定义向前欧拉方法 def euler_forward(y0, t0, h, n): y = [y0] t = [t0] for i in range(n): y.append(y[i] + h*f(t[i], y[i])) t.append(t[i] + h) return y, t # 定义向后欧拉方法 def euler_backward(y0, t0, h, n): y = [y0] t = [t0] for i in range(n): y.append(y[i] + h*f(t[i+1], y[i+1])) t.append(t[i] + h) return y, t # 定义梯形欧拉方法 def trapezoidal(y0, t0, h, n): y = [y0] t = [t0] for i in range(n): y.append(y[i] + 0.5*h*(f(t[i], y[i]) + f(t[i+1], y[i] + h*f(t[i], y[i])))) t.append(t[i] + h) return y, t # 计算截断误差和收敛精度 def calculate_error(y, t, h): n = len(y) - 1 error = [0] for i in range(1, n+1): exact_value = exact(t[i]) error.append(abs(y[i] - exact_value)) convergence_order = np.log10(error[-1]/error[-2])/np.log10(h) return error, convergence_order # 设置初始条件和参数 y0 = 0.5 t0 = 0 h = 0.1 n = 10 # 使用向前欧拉方法求解初值问题 y_forward, t_forward = euler_forward(y0, t0, h, n) error_forward, convergence_order_forward = calculate_error(y_forward, t_forward, h) # 使用向后欧拉方法求解初值问题 y_backward, t_backward = euler_backward(y0, t0, h, n) error_backward, convergence_order_backward = calculate_error(y_backward, t_backward, h) # 使用梯形欧拉方法求解初值问题 y_trapezoidal, t_trapezoidal = trapezoidal(y0, t0, h, n) error_trapezoidal, convergence_order_trapezoidal = calculate_error(y_trapezoidal, t_trapezoidal, h) # 绘制精确解和数值解的图像 t_exact = np.linspace(t0, t0+n*h, 100) y_exact = exact(t_exact) plt.plot(t_exact, y_exact, label='Exact') plt.plot(t_forward, y_forward, 'o-', label='Euler Forward') plt.plot(t_backward, y_backward, 's-', label='Euler Backward') plt.plot(t_trapezoidal, y_trapezoidal, '^-', label='Trapezoidal') plt.legend() plt.xlabel('t') plt.ylabel('y') plt.title('Numerical Solution of Initial Value Problem') # 输出截断误差和收敛精度 print('Euler Forward: Error =', error_forward, ', Convergence Order =', convergence_order_forward) print('Euler Backward: Error =', error_backward, ', Convergence Order =', convergence_order_backward) print('Trapezoidal: Error =', error_trapezoidal, ', Convergence Order =', convergence_order_trapezoidal) plt.show() ``` 这段代码中,我们首先定义了一个初值问题的导数函数 `f` 和精确解函数 `exact`,然后分别实现了向前欧拉、向后欧拉和梯形欧拉方法的函数 `euler_forward`、`euler_backward` 和 `trapezoidal`。接着,我们定义了一个计算截断误差和收敛精度的函数 `calculate_error`,并使用这个函数计算了每种方法的截断误差和收敛精度。最后,我们绘制了精确解和数值解的图像,并输出了截断误差和收敛精度的结果。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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