Общая характеристика одношаговых методов
1. Чтобы получить информацию в новой точке, надо иметь данные лишь в одной предыдущей точке. Это свойство можно назвать «самостартованием».
2. Все одношаговые методы не требуют действительного вычисления производных - вычисляется лишь сама функция, однако могут потребоваться ее значения в нескольких промежуточных точках. Это влечет за собой, конечно, дополнительные затраты времени и усилий.
3. Свойство «самостартования» позволяет легко менять величину шага h.
Методы прогноза и коррекции
Для вычисления значения yi+1 используются результаты не одного, а k предыдущих шагов, т.е. значения . В этом случае получается k - шаговый метод.
Многошаговые методы могут быть построены следующим образом. Запишем исходное уравнение (12.3) в виде:
(12.9)
Проинтегрируем обе части этого уравнения по x на отрезке (xi, xi+1). Интеграл от левой части вычисляется легко:
(12.10)
Для вычисления интеграла от правой части уравнения (12.9) строится сначала интерполяционный многочлен Pk-1(x) степени k-1 для аппроксимации функции f(x,y) на отрезке [xi, xi+1] по значениям
.
После этого можно записать
(12.11)
Приравнивая выражения, полученные в (12.10) и (12.11), можно получить формулу для определения неизвестного значения сеточной функции yi+1 в узле xi+1:
(12.12)
На основе этой формулы можно строить различные многошаговые методы любого порядка точности. Порядок точности зависит от степени интерполяционного многочлена Pk-1(x), для построения которого используются значения сеточной функции , вычисленные на k предыдущих шагах.
Метод Адамса
Широко распространенным семейством многошаговых методов являются методы Адамса. Простейший из них, получающийся при k=1, совпадает с рассмотренным ранее методом Эйлера первого порядка точности. В практических расчетах чаще всего используется вариант метода Адамса, имеющий четвертый порядок точности и использовавший на каждом шаге результаты предыдущих четырех. Именно его и называют обычно методом Адамса.
Пусть найдены значения в четырех последовательных узлах (k=4). При этом имеются также вычисленные ранее значения правой части . В качестве интерпретации многочлена P3 (x)можно взять многочлен Ньютона. В случае постоянного шага h конечные разности в узле xi имеют вид:
тогда разностная сумма четвертого порядка метода Адамса запишется в виде:
(12.13)
Сравнивая метод Адамса с методом Рунге - Кутты той же точности, отмечаем его экономичность, поскольку он требует вычисления лишь одного значения правой части на каждом шаге (метод Рунге - Кутты - четырех). Но метод Адамса неудобен тем, что невозможно начать счет лишь по известному значению y0. Расчет может быть начат лишь с узла x3. Значения необходимые для вычисления y3, нужно получить каким-либо другим способом (например, методом Рунге - Кутты), что существенно усложняет алгоритм. Метод Адамса не позволяет (без усложнения формул) изменить шаг h в процессе счета; этого недостатка лишены одношаговые методы.
Yandex.RTB R-A-252273-3
- Введение
- Основы работы с MathCad
- 1. Введение в численные методы. Теория погрешностей и машинная арифметика Понятие о вычислительном эксперименте
- Классификация погрешностей
- Элементы теории погрешностей
- 2. Теория погрешностей и машинная арифметика Погрешности арифметических действий Погрешность функции
- Погрешности арифметических действий
- 3. Численное решение нелинейных уравнений
- Решение нелинейных уравнений
- 4. Численное решение систем уравнений Решение систем линейных уравнений
- Решение матричных уравнений
- Решение систем нелинейных уравнений
- 5. Решение систем уравнений и систем уравнений MathCad Решение одного уравнения
- Нахождение корней полинома
- Решение систем уравнений
- Приближенные решения
- Символьное решение уравнений
- 6. Интерполяция функций
- Глобальная интерполяция
- 7. Интерполяция функций Интерполяционные формулы Ньютона
- Локальная интерполяция
- 8. Интерполяция функций Кубическая сплайн-интерполяция
- Интерполяция средствами MathCad
- 9. Математическая обработка экспериментальных данных Элементы теории ошибок
- Элементы теории ошибок Случайные ошибки
- Аппроксимация в виде линейной комбинации функций
- Полиномиальная аппроксимация в Mathcad
- С помощью функции regress
- 11. Численное интегрирование и дифференцирование Численное интегрирование
- Методы прямоугольников
- Метод трапеций
- Метод Симпсона
- Метод Монте - Карло
- Численное дифференцирование
- 12. Решение обыкновенных дифференциальных уравнений
- Одношаговые методы решения задачи Коши
- Общая характеристика одношаговых методов
- 13. Решение дифференциальных уравнений в частных производных Уравнения первого порядка
- Типы дифференциальных уравнений в частных производных
- Уравнения первого порядка
- Лабораторная работа
- Варианты задания 1
- Варианты задания 2
- Варианты задания 3
- Локальная интерполяция
- Предсказание
- Варианты заданий 4
- Полиномиальная регрессия
- Обобщенная регрессия
- Варианты задания 5
- Численное интегрирование и дифференцирование
- Варианты задания 6