《常微分方程解》word版

《《常微分方程解》word版》由会员分享，可在线阅读，更多相关《《常微分方程解》word版（38页珍藏版）》请在装配图网上搜索。

1、第四章常微分方程数值解课时安排 6学时教学课型 理论课教学目的和要求了解常微分方程初值问题数值解法的一些基本概念，如单步法和多步法，显式和隐式，方法的阶数，整体截断误差和局部截断误差的区别和关系等；掌握一阶常微分方程初值问题的一些常用的数值计算方法，例如欧拉（Euler）方法、改进的欧拉方法、龙贝库塔（Runge-Kutta）方法、阿达姆斯（Adams）方法等，要注意各方法的特点及有关的理论分析；掌握构造常微分方程数值解的数值积分的构造方法和泰勒展开的构造方法的基本思想，并能具体应用它们导出一些常用的数值计算公式及评估截断误差；熟练掌握龙格库塔（）方法的基本思想，公式的推导，公式中系数的确定，

2、特别是能应用“标准四阶公式”解题；掌握数值方法的收敛性和稳定性的概念，并能确定给定方法的绝对稳定性区域。教学重点与难点重点：欧拉方法，改进的欧拉方法，龙贝库塔方法。难点：RK方法，预估-校正公式。教学内容与过程4.1引言本章讨论常微分方程初值问题 (4.1.1)的数值解法，这也是科学与工程计算经常遇到的问题，由于只有很特殊的方程能用解析方法求解，而用计算机求解常微分方程的初值问题都要采用数值方法.通常我们假定(4.1.1)中f(x,y)对y满足Lipschitz条件，即存在常数L0，使对，有 (4.1.2)则初值问题(4.1.1)的解存在唯一.假定(4.1.1)的精确解为，求它的数值解就是要在

3、区间上的一组离散点上求的近似.通常取，h称为步长，求(4.1.1)的数值解是按节点的顺序逐步推进求得.首先，要对方程做离散逼近，求出数值解的公式，再研究公式的局部截断误差，计算稳定性以及数值解的收敛性与整体误差等问题.4.2简单的单步法及基本概念4.2.1Euler法、后退Euler法与梯形法求初值问题(4.1.1)的一种最简单方法是将节点的导数用差商代替，于是(4.1.1)的方程可近似写成 (4.2.1)从出发，由(4.2.1)求得再将代入(4.2.1)右端，得到的近似，一般写成 (4.2.2)称为解初值问题的Euler法.Euler法的几何意义如图4-1所示.初值问题(4.1.1)的解曲线

4、y=y(x)过点，从出发，以为斜率作一段直线，与直线交点于，显然有，再从出发，以为斜率作直线推进到上一点，其余类推，这样得到解曲线的一条近似曲线，它就是折线.Euler法也可利用的Taylor展开式得到，由(4.2.3)略去余项，以，就得到近似计算公式(4.2.2).另外，还可对(4.1.1)的方程两端由到积分得 (4.2.4)若右端积分用左矩形公式，用，则得(4.2.2).如果在(4.2.4)的积分中用右矩形公式，则得 (4.2.5)称为后退(隐式)Euler法.若在(4.2.4)的积分中用梯形公式，则得(4.2.6)称为梯形方法.上述三个公式(4.2.2)，(4.2.5)及(4.2.6)都

5、是由计算，这种只用前一步即可算出的公式称为单步法，其中(4.2.2)可由逐次求出的值，称为显式方法，而(4.2.5)及(4.2.6)右端含有当f对y非线性时它不能直接求出，此时应把它看作一个方程，求解，这类方法称为稳式方法.此时可将(4.2.5)或(4.2.6)写成不动点形式的方程这里对式(4.2.5)有，对(4.2.6)则，g与无关，可构造迭代法(4.2.7)由于对y满足条件(4.1.2)，故有当或，迭代法(4.2.4)收敛到，因此只要步长h足够小，就可保证迭代(4.2.4)收敛.对后退Euler法(4.2.5)，当时迭代收敛，对梯形法(4.2.6)，当时迭代序列收敛.例4.1 用Euler

6、法、隐式Euler法、梯形法解取h=0.1，计算到x=0.5，并与精确解比较.解 本题可直接用给出公式计算.由于，Euler法的计算公式为n=0时，.其余n=1,2,3,4的计算结果见表4-1.对隐式Euler法，计算公式为解出当n=0时，.其余n=1,2,3,4的计算结果见表4-1.表4-1 例4.1的三种方法及精确解的计算结果对梯形法，计算公式为解得当n=0时，.其余n=1,2,3,4的计算结果见表4-1.本题的精确解为，表4-1列出三种方法及精确解的计算结果.4.2.2 单步法的局部截断误差解初值问题(4.1.1)的单步法可表示为(4.2.8)其中与有关，称为增量函数，当含有时，是隐式单

7、步法，如(4.2.5)及(4.2.6)均为隐式单步法，而当不含时，则为显式单步法，它表示为(4.2.9)如Euler法(4.2.2)，.为讨论方便，我们只对显式单步法(4.2.9)给出局部截断误差概念.定义2.1 设y(x)是初值问题(4.1.1)的精确解，记 (4.2.10)称为显式单步法(4.2.9)在的局部截断误差.之所以称为局部截断误差，可理解为用公式(4.2.9)计算时，前面各步都没有误差，即，只考虑由计算到这一步的误差，此时由(4.2.10)有局部截断误差(4.2.10)实际上是将精确解代入(4.2.9)产生的公式误差，利用Taylor展开式可得到.例如对Euler法(4.2.2)

8、有，故它表明Euler法(4.2.2)的局部截断误差为，称为局部截断误差主项.定义2.2 设是初值问题(4.1.1)的精确解，若显式单步法(4.2.9)的局部截断误差，是展开式的最大整数，称为单步法(4.2.9)的阶，含的项称为局部截断误差主项.根据定义，Euler法(4.2.2)中的=1故此方法为一阶方法.对隐式单步法(4.2.8)也可类似求其局部截断误差和阶，如对后退Euler法(4.2.5)有局部截断误差故此方法的局部截断误差主项为，也是一阶方法.对梯形法(4.2.6)同样有它的局部误差主项为，方法是二阶的.4.2.3 改进Euler法上述三种简单的单步法中，梯形法(4.2.6)为二阶方

9、法，且局部截断误差最小，但方法是隐式的，计算要用迭代法.为避免迭代，可先用Euler法计算出的近似，将(4.2.6)改为(4.2.11)称为改进Euler法，它实际上是显式方法.即(4.2.12)右端已不含.可以证明，=2,故方法仍为二阶的，与梯形法一样，但用(4.2.11)计算不用迭代.例4.2 用改进Euler法求例4.1的初值问题并与Euler法和梯形法比较误差的大小.解 将改进Euler法用于例4.1的计算公式当n=0时，.其余结果见表4-2.表4-2 改进Euler法及三种方法的误差比较从表4-2中看到改进Euler法的误差数量级与梯形法大致相同，而比Euler法小得多，它优于Eul

10、er法.讲解： 求初值问题（4.1.1）的数值解就是在假定初值问题解存在唯一的前提下在给定区间上的一组离散点上求解析解的一组近似为此先要建立求数值解的计算公式，通常称为差分公式，简单的单步法就是由计算下一步，构造差分公式有三种方法，一是用均差（即差商）近似，二是用等价的积分方程（4.2.4）用数值积分方法，三是用函数的Taylor展开，其中Taylor展开最有普遍性，可以得到任何数值解的计算公式及其局部截断误差。计算公式是微分方程的一种近似，局部截断误差的概念就是刻划这种逼迫的好坏。当为微分方程的解，即，而用，定义局部截断误差，它表示用精确解代入计算公式（4.2.9）产生的公式误差为越大表明公

11、式逼近微分方程的精度越高，因此就定义为公式的阶，通常的公式才能用于计算初值问题（4.1.1）的数值解。利用Taylor展开时，只要将 的表达式在处展开成Taylor公式就可得到不同公式的局部截断误差。如4.2.2所给出的Euler法。后退Euler法和梯形法，它们只需用一元函数的Taylor展开，与后面4.5节的多步法完全一致，而通常单步法（4.2.9）的一般情况则需要用二元函数的Taylor展开，才能得到公式的具体形式和局部截断误差。例如对改进Euler法，其局部截断误差由（4.2.12）可得 要求出它的结果就要用到二元函数的Taylor展开，将在4.3节再作介绍。4.3 Runge-Kut

12、ta方法4.3.1 显式 Runge-Kutta法的一般形式 上节已给出与初值问题(4.1.1)等价的积分形式 (4.3.1)只要对右端积分用不同的数值求积公式近似就可得到不同的求解初值问题(4.1.1)的数值方法，若用显式单步法 (4.3.2)当，即数值求积用左矩形公式，它就是Euler法(4.2.2)，方法只有一阶，若取 (4.3.3)就是改进Euler法，这时数值求积公式是梯形公式的一种近似，计算时要用二个右端函数f的值，但方法是二阶的.若要得到更高阶的公式，则求积分时必须用更多的f值，根据数值积分公式，可将(4.3.1)右端积分表示为注意，右端f中还不能直接得到，需要像改进Euler法

13、(4.2.11)一样，用前面已算得的f值表示为(4.3.3)，一般情况可将(4.3.2)的表示为 (4.3.4)其中这里均为待定常数，公式(4.3.2)，(4.3.4)称为r级的显式Runge-Kutta法，简称R-K方法.它每步计算r个f值(即)，而ki由前面(i-1)个已算出的表示，故公式是显式的.例如当r=2时，公式可表示为 (4.3.5)其中.改进Euler法(4.2.11)就是一个二级显式R-K方法.参数取不同的值，可得到不同公式.4.3.2 二、三级显式R-K方法对r=2的显式R-K方法(4.3.5)，要求选择参数，使公式的阶p尽量高，由局部截断误差定义(4.3.6)令，对(4.3

14、.6)式在处按Taylor公式展开，由于 将上述结果代入(4.3.6)得要使公式(4.3.5)具有的阶p=2,即，必须 (4.3.4)即由此三式求的解不唯一.因r=2，故，于是有解 (4.3.8)它表明使(4.3.5)具有二阶的方法很多，只要都可得到二阶R-K方法.若取，则，则得改进Euler法(4.2.11)，若取，则得，此时(4.3.5)为(4.3.9)其中称为中点公式.后退Euler法(4.2.11)及中点公式(4.3.9)是两个常用的二级R-K方法，注意二级R-K方法只能达到二阶，而不可能达到三阶.因为r=2只有4个参数，要达到p=3则在(4.3.6)的展开式中要增加3项，即增加三个方

15、程.加上(4.3.4)的三个方程求4个待定参数是无解的.当然r=2,p=2的R-K方法(4.3.5)当取其他数时，也可得到其他公式，但系数较复杂，一般不再给出.对r=3的情形，要计算三个k值，即其中将按二元函数在处按Taylor公式展开，然后代入局部截断误差表达式，可得可得三阶方法，其系数应满足方程 (4.3.10)这是8个未知数6个方程的方程组，解也是不唯一的，通常.一种常见的三级三阶R-K方法是下面的Kutta三阶方法： (4.3.11)4.3.3 四阶R-K方法及步长的自动选择利用二元函数Taylor展开式可以确定(4.3.4)中r=4,p=4的R-K方法，经典的四阶R-K方法是： (4

16、.3.12)它的局部截断误差，故p=4,这是最常用的四阶R-K方法，数学库中都有用此方法求解初值问题的软件.这种方法的优点是精度较高，缺点是每步要算4个右端函数值，计算量较大.例4.3 用经典四阶R-K方法解例4.1的初值问题，仍取h=0.1，计算到，并与改进Euler法、梯形法在处比较其误差大小.解 用四阶R-K方法公式(4.3.12)，此处，于是当n=0时于是，按公式(4.3.12)可算出此方法误差：改进Euler法误差：梯形法误差：可见四阶R-K方法的精度比二阶方法高得多.用四阶R-K方法求解初值问题(4.1.1)精度较高，但要从理论上给出误差的估计式则比较困难.那么应如何判断计算结果的

17、精度以及如何选择合适的步长h?通常是通过不同步长在计算机上的计算结果近似估计.设在处的值,当时，的近似为，于是由四阶R-K方法有若以为步长，计算两步到，则有 于是得 即或 (4.3.13)它给出了误差的近似估计.如果(为给定精度)，则认为以为步长的计算结果满足精度要求，若，则还可放大步长.因此(4.3.13)提供了自动选择步长的方法.讲解：求初值问题（4.1.1）的单步法主要是指Runge-Kutta法，本节主要讨论显式RK方法，建立具体的计算公式使用的是Taylor展开，形如（4.3.4）的显式RK方法，当r1时就是Euler法，因此只要讨论的计算公式，在r确定后如何推导公式都是一样的，只是

18、r越大计算越复杂，为了掌握了解公式来源，只要以r2为例推导计算公式即可。因此本节重点就是用Taylor展开求出r2的显式R-K方法的计算公式，由于方法的局部截断误差为（4.3.6），的右端有的项，要对它做Taylor展开，就要用到二元函数的Taylor展开，按照二元函数Taylor级数（4.3.14）将它用到（4.3.6）的的展开式中，即可得到按升幂整理出的结果，对r2的公式只能得到2阶的公式，即，于是2级R-K方法（4.3.5）的系数必须满足（4.3.4）给出的方程，它的解由（4.3.8）给出，只要，求出的公式都是r=2的2阶R-K方法。而常用的就是得到的改进Euler法（4.2.11）和得

19、到的中点公式（4.3.9）。4.4 单步法的收敛性与绝对稳定性4.4.1 单步法的收敛性定义4.1 设y(x)是初值问题(4.1.1)的精确解，是单步法(4.3.2)在处产生的近似解，若则称方法(4.3.2)产生的数值解收敛于.实际上，定义中是一固定点，当h0时n，n不是固定的.因显然方法收敛，则在固定点处的整体误差，当p1时.下面定理给出方法(4.3.2)收敛的条件.定理4.1设初值问题(4.1.1)的单步法(4.3.2)是p阶方法(p1)，且函数对y满足Lipschitz条件，即存在常数L0,使对,均有 则方法(4.3.2)收敛，且.定理证明略.可见3.4.4.2 绝对稳定性用单步法(4.

20、3.2)求数值解，由于原始数据及计算过程舍入误差影响，实际得到的不是而是，其中是误差，再计算下一步得到以Euler法为例，若令,则(4.4.1)如果，则从计算到误差不增长，它是稳定的.但如果条件不满足就不稳定.例4.4 y=-100y,y(0)=1,精确解为，用Euler法求解得若取h=0.025，则,当，而，显然计算是不稳定的.如果用后退Euler法(4.2.5)解此例，仍取h=0.025,则,即显然当，计算是稳定的.由此看到稳定性与方法有关，也与有关，在此例中.在研究方法的稳定性时，通常不必对一般的f(x,y)进行讨论，而只针对模型方程 (4.4.2)这里可能为复数.规定是因为时微分方程(

21、4.4.2)本身是不稳定的，而讨论数值方法(4.3.2)的稳定性，必须在微分方程本身稳定的前提下进行.另一方面，对初值问题(4.1.1)，若将f(x,y)在处线性展开，可得于是方程(4.1.1)可近似表示为它表明用模型方程(4.4.2)是合理的，至于模型方程(4.4.2)中所以用复数是因为初值问题(4.1.1)如果是方程组，即，则是(mm)阶矩阵，其特征值可能是复数.当然对单个方程，就是实数，此时只要规定0即可.用单步法(4.3.2)解模型方程(4.4.2)可得到 (4.4.3)其中依赖所选方法，如用Euler法则(4.4.4)此时由(4.4.1)看到误差方程也为，与(4.4.4)是一样的.因

22、此对一般单步法(4.3.2)误差方程也与(4.4.3)一致.下面再考虑二阶R-K方法有对四阶R-K方法，可得定义4.2将单步法(4.3.2)用于解模型方程(4.4.2)，若得到(4.4.3)中的 则称方法是绝对稳定的.在复平面上复变量满足 的区域，称为方法(4.3.2)的绝对稳定域，它与实轴的交点称为绝对稳定区间.例如对Euler法， 在复平面上是以(-1，0)为圆心，以1为半径的单位圆域内部，当为实数时，则得绝对稳定区间为，因0，故有.在例4.4中 时方法稳定，而例中取h=0.025故不稳定.对后退Euler法(4.2.5)，因0，故，其绝对稳定域是以(1，0)为圆心的单位圆外部，绝对稳定区

23、间为，即对任何h0方法都是绝对稳定的.二阶R-K方法的绝对稳定区间为.三阶R-K方法的绝对稳定区间为.四阶R-K方法的绝对稳定区间为.例4.5 用经典四阶R-K方法计算初值问题 步长取h=0.1及0.2,给出计算误差并分析其稳定性.解 本题直接按R-K方法(4.3.12)的公式计算.因精确解为，其计算误差如表所示.从计算结果看到，h=0.2时误差很大，这是由于在=-20,h=0.2时h=-4，而四阶R-K方法的绝对稳定区间为-2.485,0,故h=0.2时计算不稳定，误差很大.而h=0.1时=-2，其值在绝对稳定区间-2.485,0内，计算稳定，故结果是可靠的.讲解：由于微分方程初值问题数值解

24、公式求出的解是一个逐次递推的过程，因此原始数据误差及计算过程舍入误差对解的影响就是数值方法绝对稳定性研究的问题，如果由计算误差不增长，方法就是绝对稳定的。为使问题得到简化通常就是将方法用于解模型方程（4.4.2），对于单步法得到的差分方程为，由于模型方程的，代入Euler法，得，对二阶R-K方法，例如，用改进Euler法于是对三阶R-K方法有对四阶R-K方法有 只要方法，就是绝对稳定的，这时的值当n增大式是减少的，故计算稳定。这时舍入误差影响可忽略不计，而当，则增大，方法不稳定，计算结果是不可靠的。因此用显式单步法必须使，也就是步长选择要满足这一要求。对于隐式的梯形公式将模型方程，即代入得于是

25、注意，于是有，对成立。这就表明对任意步长h，梯形法都是绝对稳定的。4.5 线性多步法4.5.1 线性多步法的一般公式前面给出了求解初值问题(4.1.1)的单步法，其特点是计算 时只用到 的值，此时 的值均已算出.如果在计算 时除用 的值外，还用到 的值，这就是多步法.若记,h为步长，则线性多步法可表示为(4.5.1)其中为常数，若，称(4.5.1)为线性k步法.计算时用到前面已算出的k个值.当时，(4.5.1)为显式方法，当则称(4.5.1)为隐式多步法.隐式方法与梯形方法一样，计算时要用迭代法求.多步法(4.5.1)的局部截断误差定义也与单步法类似.定义5.1设y(x)是初值问题(4.1.1

26、)的精确解，线性多步法(4.5.1)在处的局部截断误差定义为(4.5.2)若，则称线性多步法(4.5.1)是p阶的.如果我们希望得到的多步法是p阶的，则可利用Taylor公式展开，将在处展开到阶，它可表示为(4.5.3)注意，(4.5.2)式按Taylor展开可得经整理比较系数可得(4.5.4)若线性多步法(4.5.1)为p阶，则可令于是得局部截断误差 (4.5.5)右端第一项称为局部截断误差主项.称为误差常数.要使多步法(4.5.1)逼近初值问题(4.1.1),方法的阶p1,当p=1时，则，由(4.5.4)得称为相容性条件.公式(4.5.1)当k=1时即为单步法，若,由(4.5.6)则得式(

27、4.5.1)就是，即为Euler法.此时，方法为p=1阶.若，由得,为确定及，必须令,由(4.5.4)得及此时(4.5.1)就是,即为梯形法.由故p=2,方法是二阶的，与4.1节中给出的结果相同.实际上，当k给定后，则可利用(4.5.4)求出公式(4.5.1)中的系数及，并求得的表达式(4.5.5).4.5.2 Adams显式与隐式方法形如(4.5.7)的k步法称为 Adams 方法，当 时为 Adams 显式方法，当时，称为Adams隐式方法.对初值问题(4.1.1)的方程两端从到积分得显然只要对右端的积分用插值求积公式，求积节点取为即可推出形如(4.5.4)的多步法，但这里我们仍采用Tay

28、lor展开的方法直接确定(4.5.4)的系数.对比(4.5.1)可知，此时，只要确定即可.现在若k=4且，即为4步的Adams显式方法其中为待定参数，若直接用(4.5.4)，可知此时自然成立，再令可得解此方程组得.由此得到于是得到四阶Adams显式方法及其余项为 (4.5.8) (4.5.9)若，则可得到p=4的Adams隐式公式，则k=3并令，由(4.5.4)可得解得，而，于是得到四阶Adams隐式方法及余项为(4.5.10) (4.5.11)一般情形，k步Adams显式方法是k阶的，k=1即为Euler法，k=2为k=3时，.k步隐式方法是(k+1)阶公式，k=1为梯形法，k=2为三阶隐式

29、Adams公式k步的Adams方法计算时必须先用其他方法求出前面k个初值才能按给定公式算出后面各点的值，它每步只需计算一个新的f值，计算量少，但改变步长时前面的也要跟着重算，不如单步法简便.例4.6 用四阶显式Adams方法及四阶隐式Adams方法解初值问题,步长h=0.1用到的初始值由精确解计算得到.解 本题直接由公式(4.5.8)及(4.5.10)计算得到.对于显式方法，将直接代入式(4.5.8)得到其中.对于隐式方法，由式(4.5.10)可得到直接求出，而不用迭代，得到计算结果如表所示. 4.5.3 Adams预测-校正方法上述给出的Adams显式方法计算简单，但精度比隐式方法差，而隐式

30、方法由于每步要做迭代，计算不方便.为了避免迭代，通常可将同阶的显式Adams方法与隐式Adams方法结合，组成预测-校正方法.以四阶方法为例，可用显式方法(4.5.8)计算初始近似，这个步骤称为预测(Predictor)，以P表示，接着计算f值(Evaluation),，这个步骤用E表示，然后用隐式公式(4.5.10)计算，称为校正(Corrector)，以C表示，最后再计算，为下一步计算做准备.整个算法如下：(4.5.12)公式(4.5.12)称为四阶Adams预测-校正方法(PECE).利用(4.5.8)和(4.5.10)的局部截断误差(4.5.9)和(4.5.11)可对预测-校正方法(4

31、.5.12)进行修改，在(4.5.12)中的步骤P有对于步骤C有两式相减可得于是有若用代替上式,并令显然比更好，但注意到的表达式中是未知的，因此改为下面给出修正的预测-校正格式(PMECME). (4.5.13)经过修正后的PMECME格式比原来PECE格式提高一阶.4.5.4 Milne方法与 Hamming方法 与Adams显式方法不同的另一类四阶显式方法的计算公式形如 (4.5.14)这里为待定常数，此公式也是k=4步方法，即计算时要用到4个值.为了确定，当然可以利用公式(4.5.4)直接算出，但下面我们直接利用Taylor展开式确定,使它的阶尽量高.方法(4.5.14)的局部截断误差为

32、将它在点展成Taylor级数，得要使公式的阶尽量高，要令前3项系数为0.即解得,代入公式，的系数为0，故(4.5.15)于是得四阶方法(4.5.16)称为Milne公式，它的局部截断误差为(4.5.15).与(4.5.16)配对的隐式方法为k=3的多步法，它的一般形式可表示为要求公式的阶p=4，可直接用(4.5.4)，并令,可得 (4.5.17)若令，可解出，于是得到下列四阶方法(4.5.18)称为Simpson公式，它的局部截断误差为 (4.5.19)用Simpson公式与Milne公式(4.5.16)相匹配，用(4.5.16)做预测，(4.5.18)做校正，由于(4.5.18)的稳定性较差

33、，因此通常较少使用.为了改善稳定性，可重新选择四阶的隐式公式，Hamming通过试验，发现在(4.5.14)中若令,得到的公式稳定性较好，此时(4.5.14)的解为,于是得四阶多步法(4.5.20)称为Hamming公式，它的局部截断误差为 (4.5.21)用Milne公式(4.5.16)与Hamming公式(4.5.20)相匹配，并利用截断误差公式(4.5.15)与(4.5.21)改进计算结果.类似Adams预测-校正格式(4.5.13)，可得以下的预测-校正格式(PMECME)： (4.5.22)例4.4 用四步四阶显式Milne公式及三步四阶隐式Hamming公式解初值问题,步长h=0.

34、1初值仍由精确解给出，要求计算到为止，给出计算结果及误差，并与例4.6结果比较.解 直接用公式(4.5.16)及(4.5.20)计算.用Milne法计算公式为其中误差用Hamming方法(4.5.20)计算公式为可解得 ，n=2,3,4 误差从所得结果可见Milne方法误差比显式Adams方法误差略小，而Hamming方法与隐式Adams方法误差相当.例4.8 将例4.4的初值问题用修正的Milne-Hamming预测-校正公式计算及，初值，仍用已算出的精确解，即，给出计算结果及误差.解根据修正的Milne-Hamming预测-校正公式(4.5.22)得 从结果看，此方法误差比四阶Adams隐

35、式法和四阶Hamming方法小，这与理论分析一致.讲解：线性多步法（4.5.1）的局部截断误差定义为与单步法相似，可表示为（4.5.2），即只要直接将右端各项在处展成Taylor公式，根据公式阶数为阶，即按的幂整理，令各项系数为0，则可求得相应的线性多步法及其局部截断误差，这里只用到一元函数的Taylor展开。因此不必记系数满足的公式（4.5.4），只要直接展开即可，它不但可以求出Adams显式与隐式公式以及Milne公式，Hamming公式等，还可以求出任何需要的多步法公式，下面再给出两个例题，说明如何直接用Taylor展开的方法。例4.9解初值问题用显式二步法，其中.试确定参数使方法除数尽

36、可提高。并求局部截断误差。解 本题仍根据截断误差定义，用Taylor展开确定参数满足的方程，由于为求参数使就地介数尽量高，可令及得方程组解得此时公式为三阶，而且即为所求局部截断误差。而所得二步法为 例4.10 证明线性多步法存在的一个值，使方法是四阶的。证明只要证明局部截断误差,则方法为四阶。仍用Taylor展开，由于当时，故方法是四阶的。4.6 一阶方程组与高阶方程数值方法考虑一阶常微分方程组的初值问题(4.6.1)若用向量形式表示，可记为，初始条件，于是(4.6.1)可写成 (4.6.2)(4.6.2)形式上同初值问题(4.1.1)类似，只要看成向量方程即可.因此前面关于单个方程的初值问题

37、数值方法均适用于方程组(4.6.2)，相应理论也可类似地得到.下面仅对如下两个数值方法作说明.梯形法(4.6.3)四阶R-K方法(4.6.4)其中这些公式形式上与单个方程初值问题的数值方法完全一样，但注意这里y及f均为N维向量，在计算机上求解时可直接从数学软件库中选择所要方法，它们都是按方程组初值问题编写的，当N=1时就是前面讨论的单个方程情形.对于高阶微分方程初值问题，原则上总可归结为一阶方程组，例如下列m阶微分方程 (4.6.5)初始条件为(4.6.6)只要引进新变量则可将WTBXm阶方程(4.6.5)化为如下一阶方程组 (4.6.4)初始条件(4.6.6)则相应化为(4.6.8)【本章小

38、结】1.本章要解决的问题是求初值问题(4.1.1)的数值解，它是在解存在唯一的前提下讨论的，即对y满足Lips的条件（4.1.2）。求数值解先要建立求解的差分公式就是方程（4.1.1）进行离散化。涉及的基本概念是方法的局部截断误差及其主项，方法的阶，收敛性与整体误差，和方法的绝对稳定性。得到的方法按使用初值个数不同分为单步法及多步法两类。单步法计算 时只要用到前一点的值，多步法则要用到前面的多个值。另外按是否用到的值方法又分为显式方法和隐式方法，对显式方法计算较为方便，而对用到的隐式方法计算时还要利用迭代，当然实际计算时多采用预测校正公式。2.本章重点是根据局部截断误差定义建立单步法及多步法的

39、公式和求出其局部截断误差，并确认公式的阶。主要方法是利用Taylor展开，对二阶以上的显式单步法，即显式R-K方法用二元函数的Taylor公式（4.3.14），其余所有的公式都可包含在多步法（K1为单步法）中，都可用一元函数的Taylor展开方法求得，其方法是将公式局部截断误差的右端各项在处按Taylor展开并令，则可得到公式系数满足的方程组，从而可求得所要建立的数值方法公式及其余项。3.本章构造的简单方法有Euler法，后退Euler法，梯形法、单步法有二阶，三阶，四阶的R-K方法以及多步法Adams显式与隐式方法，Milne法与Hamming法等，要能用这些方法计算给定方程的数值解，对单步法要能给出它们绝对稳定区间，并应用于步长h的选取，对隐式方法要能用收敛的迭代法计算出解，也能用预测-校正方法求解。38