Runge-Kutta 法的历史发展与应用
摘要Runge-Kutta 法是极其重要的常微分方程数值解法，本文仅就其起源及发展脉络加以简要研究。对Runge 、Heun 以及Kutta 等人的贡献做出适当评述，指出Runge-Kutta 方法起源于Euler 折线法。同时对Runge-Kutta 法的应用做简要研究。
关键词 Euler 折线法 标准四阶Runge-Kutta 法 应用
一、发展历史[1]
1.1 Euler 折线法
在微分方程研究之初，瑞士数学家L.Euler(1707.4—1783.9)做出了开创性的工作。他和其他一些数学家在解决力学、物理学问题的过程中创立了微分方程这门学科。在常微分方程方面，Euler 在1743年发表的论文中，用代换kx y e =给出了任意阶常系数线性微分方程的古典解法，最早引入了“通解”和“特解”的概念。
1768年，Euler 在其有关月球运行理论的著作中，创立了广泛用于求初值问题
00
(,), (1.1)() (1.2)y f x y x x X y x a '=<≤??=? 的数值解的方法，次年又把它推广到二阶方程。欧拉的想法如下：我们选择0h >，然后在00x x x h ≤≤+情况下用解函数的切线
0000()()(,)l x y x x f x y =+-
代替解函数。这样对于点
10x x h =+
就得到
1000(,)y y hf x y =+。
在11(,)x y 重复如上的程序再次计算新的方向就会得到所谓的递推公式：
11, (,),m m m m m m x x h y y hf x y ++=+=+
这就是Euler 方法。通过连接所有这些切线得到的函数被称为Euler 折线。如果我们令0h →， 这些折线就会越来越接近解函数。
Euler 折线法是最早出现的，虽然它亦是常微分方程初值问题的最简单的数值解法， 但它的一些特性和研究方法对于更复杂的方法却具有普遍意义。几十年后，法国数学家 A .L .Cauchy(1789.8—1857.5)在历史上首次研究了常微分方程的局部性态。对于给定的初值问题(1.1)和(1.1)，在(,)f x y 连续可微的假设下， 他用类似于欧拉折线的方法构造逼近解， 利用微分中值定理估计逼近解之间差的上界，严格证明了以0x 为中心的一个小区间上逼近解收敛， 其极限函数即为所提问题的解。同时Cauchy 指出，这种方法也适用于常微分方程组，所以欧拉方法有时又称Euler-Cauchy 折线法。
2.2 Runge-Kutta 方法
德国数学家 C.D.T.Runge(1856—1927)是数值方法发展史上具有里程碑作用的人物。1895年，他在Hanover 发表了关于微分方程数值解法的经典论文《常微分方程数值解法》， 此文成为常微分方程Runge-Kutta 方法的发端。此后，Runge 结合教学活动积极投身于发展一般的数值分析特别是各种实际应用中的Runge-Kutta 方法（严格来说，此方法在Kutta 做出工作后才能称作Runge-Kutta 方法）。
Runge 伟大创造的思想是什么呢？他的灵感来自于初值问题（1.1）和（1.2）与积分问题
0000()()()x h
x y x h y x f x dx f y ++=+
?（此时与无关） （1.3）
之间的对比，显然，等式（1,3）右侧数值积分的精确度决定0()y x h +的精确度，Runge 发现， Euler 方法采用的是左矩形公式
000()()x h
x f x dx hf x +≈?，
即用高为0()f x 宽为h 的矩形代替数值积分， 而这个公式的精确度并不高。因此他说：最好通过插入上述Euler 步骤的结果来代替未出现的y 值， 把精度更高的中点法则和梯形法则拓展到微分方程。
10000011:(,(,))22
M y y hf x h y hf x y ==+++， 1000000011:((,)(,(,)))22T y y h f x y f x h y hf x y ==++++。 其中M 和T 分别表示用中点法和梯形法算得的数值积分。与他的后继者一样，Runge 用Taylor 展开式表明上述两方法的局部误差是，方法的阶为2。不过他的梦想却是使用具有更高精度的Simpson 法则。但是众所周知，()/3R M T M =+-的微小变化往往易产生假象，令人误以为可以获得更高的阶。Taylor 级数展开表明，如果f 依赖于y ，事实上这个表达形式只是2 阶的。接着Runge 发现，通过重复使用Euler 步骤对梯形法则做些许调整，会使形式()/3R M T M =+-'成为3 阶方法。Runge 还把他的方法及方法的展开式拓展到微分方程组。
1900 年，Runge 的同胞K .Heun 评论说，Runge 获得的上述方法是归纳性的而且是令人费解的，他提出采用“更具一般性”的Gauss 方法。于是一般的Gauss 求积公式
1001()s
i i i y y h b f x c h ==++∑，
被扩充为
100202021303032(,),
(,),(,),
k f x y k f x c h y c hk k f x c h y c hk ==++=+
+ 101s
i i i y y h b k ==+∑ （1.4）
把（1.4）式的右端进行二元Taylor 展开后与()y x h +的Taylor 展开式的对应项的系数比较，适当选取参数使方法具有尽可能高的精度。
Runge 的另一个同胞W.M.Kutta(1867—1944)，1894到1909年在Munich 做助教，在那里受到Runge 文章的吸引并在Heun 论文的激励下发表了他的研究结果。他认为，为什么不让已经求得的导数值全部进入到新的求值点的计算中呢？
基于这样的想法，Heun 格式就被Kutta 代替为如下格式：
100202021130303113224040411422433(,),
(,),
(,),
(,)
k f x y k f x c h y a hk k f x c h y a hk a hk k f x c h y a hk a hk a hk ==++=+++=+++
+
101 s i i i y y h b k ==+∑
(其中s 称为级)这个格式在满足所需的阶条件上能够允许更多的自由度。在古典的Runge-Kutta 方法中，对系数的选择极大地取决于由这些系数构成的方法是否方便进行桌上计算，而所谓的古典方法是指在前计算机时代得到的方法。而这些方法对于在自动计算机上使用则未必是最适合的方法。
显然Runge-Kutta 方法是一种特殊的单步方法，事实上这个方法可以看作在1(,)m m x x +上取若干条积分曲线的若干个点的切线斜率，再进行一次（或多次）算术（或加权）平均后产生的新斜率，再按这个斜率从(,)m m x y 出发，以直线代曲线向前推进一步的过程。与Taylor 展开方法相比，Runge-Kutta 方法不用增加微商(,)f x y 的次数就可以得到较高的阶。
在Runge 于1895年提出Runge-Kutta 方法的雏形的时候，他给出的方法是2级2阶和4级3阶的；Heun 在1900年获得的两个方法分别是3级3阶和8级4阶的；而Kutta 在1901年得到的两个方法则分别是4级4阶和6级5阶的。因为Runge 是提出这个方法雏形的人而Kutta 则是得到了此方法在前计算时代最高的阶，所以这个方法被称为Runge-Kutta 方法。到1925 年，另外一位数学家Nystr ?m 也得到了6级5阶的方法。此后直到计算机诞生也未产生新的重要成果，所以Nystr ?m 在1925年得到6级5阶方法的论文有时也被称为古典Runge-Kutta 方法与现代Runge-Kutta 方法的分水岭。
2.3现代Runge-Kutta 方法
Runge-Kutta 方法在创立之初并未达到完善，后来又经过大量数学家的共同努力才日趋成熟。20世纪60年代，新西兰数学家J.C.Butcher （1933—）给出了现代Runge-Kutta 方法的一般形式：
1111;
(,), ,1,2,
,;, 1,2,,.s n n i i i s i n i n ij j j s i ij j y y h b k k f x c h y h a k i j s c a i s +===?=+??
??=++=??
?==???∑∑∑ （1.5）
为了展示（1.5）式中出现的系数，Butcher 给出了后来以其名字命名的Butcher 点阵：
1
111212
212221
212s s s s s ss s
c a a a c a a a c a a a b b
b 我们分别把s 维向量
c 、b 以及s s ?矩阵A 定义为
[][]1212,,,, ,,,, .T s s ij c c c c b b b b A a ??===??
显然， 一s 级Runge-Kutta 方法被其Butcher 点阵完全确定，这样，研究
某一Runge-Kutta 方法的性质就转化为研究与其相对应的矩阵A 的性质。此点阵为研究Runge-Kutta 方法的性质提供了方便的途径。在计算机诞生之前，Runge-Kutta 方法被禁锢在只能用手进行计算的实际问题上，但是随着计算机的出现，Runge-Kutta 方法呈现出新的史无前例的重要性。能够解决的问题变得越来越大、越来越复杂，自动化的误差检测和步长控制不但变得可行而且变得必要了，Runge-Kutta 方法的发展不但表现在理论上而且表现在技术上。
除了Runge-Kutta 方法在微分方程求解中扮演的传统角色外，人们发现相关
类型的初值问题可以用Runge-Kutta 方法或适合于更一般问题的Runge-Kutta 方法求解，比如Runge-Kutta 方法被应用到了Hamilton 系统中。
二、实际应用[2]
2.1 经典四阶Runge-Kutta 方法
经典的四阶Runge-Kutta 方法是：
112341213243(22)6(,)
11(,)2211(,)22(,)
n n n n n n n n n n h y y k k k k k f x y k f x h y hk k f x h y hk k f x h y hk +?=++++??=???=++???=++??=++?? 它的局部截断误差51()n T O h +=，所以为四阶方法，这是最常用的四阶Runge-Kutta 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，缺点是每步要计算四个函数值，计算量较大。
2.2 两种群共存模型的Runge-Kutta 法解答
2.2.1 问题提出
在自然界中处于同一环境下有多个种群生存，它们之间存在着一定的关系，它们之间可能是食饵与捕食者，或是相互依存，或是相互竞争或其它的关系。简单的食饵与捕食者模型是由两位数学生态学的先驱者 A.J.Lotka 与意大利数学家V.Volterra 各自建立，因此模型被命名为Lotka-Volterra 模型。在该文献中，在Lotka-Volterra 模型的基础上建立考虑捕食者另有食物来源，并且把被捕食种群作为生存资源，限制捕食种群增长的两种群共存的数学模型，并对模型进行分析和模型解释。两种群相互共生存的现象是普遍存在的,研究其种群的数量演变规律具有重要意义，它有助于我们对种群变化情况的了解和正确解释，可以帮助我们合理解决这些生态问题。下面是该文献的两种群相互共存的微分方程模型。
2.2.2 模型建立与分析
①假设有种群A 和种群B ，种群A 是种群B 的食物来源，但不是唯一的食物来源，种群B 还另有食物来源。
②假设1M 是环境容许的种群A 的最大数量，2M 是环境容许的种群B 的最大数量。
③假设种群A 能独立生存，设其固有增长率为1μ，由于种群A 是种群B 的食物来源，故设10λ>为单位数量的种群B （相对2M 而言）掠取1λ倍的单位种群B 的量（相对1M 而言），还考虑到种群A 的自身的阻滞作用，因此设：
21111121()1y y y t y M M μλ??=-- ??
?，1()y t 表示在t 时刻种群A 的数量。 ④因为种群B 另有食物来源，设其增长率为2μ，假设种群A 作为生存资源限制种群B 的增长，设对其增长率的影响率为221
y y λ-，（20λ>）（表示种群A 对种群B 的影响，若种群A 充足，21
y y 小，则对种群B 的增长影响较小；若种群A 不充足，21
y y 大，则对种群B 的增长影响较大），不考虑种群B 自身内部竞争，因此设222221()1y y t y y μλ??=- ??
?，2()y t 表示在t 时刻种群B 的数量。 根据上面的假设可以得到相互共存的两种群的微分方程模型。
1211112122222111dy y y y dt M M dy y y dt y μλμλ???=--? ????????=- ?????
（2.1） 其初始条件为110(0)y y =，220(0)y y =。
将（2.1）可归结为如下形式的一阶常微分方程组
11122212(,,)(,,)dy F t y y dt dy F t y y dt
?=????=?? （2.2） 因为此方程组没有解析解，故采用标准的四阶Runge-Kutta 方法求出数值解，求解公式如下：
1,11,112131412,12,1222324211,2,21,112,1231,212,2241,312,(22)6(22)6(,,)
111,,222111,,22211,,22n n n n j j n n n j j n n n j j n n n j j n n n h y y k k k k h y y k k k k k F t y y k F t h y hk y hk k F t h y hk y hk k F t h y hk y ++=++++=++++=??=+++ ?????
=+++ ???=+++()321,2j hk ????????=????????? ?????
因为 12111111
111212222222222222112121,2,F y F y y M M y M F y F y y y y y μλμλμλμλμλμ????=--=- ????
???==-??
存在且连续，由定理可知采用标准的四阶Runge-Kutta 方法是收敛的。
为了对微分方程模型进行数值计算，假设初始值为
12(0)100,(0)200y y ==，
方程组（2.1）中10.6μ=，20.4μ=，10.5λ=，20.2λ=，11000M =，23000M =，用Matlab 编程如下：
function dq=myfile_2(t,y)
dq=[0.5*y(1)*(l-0.5*y(2)/3000-y(l)/1000);0.4*y(2)*(l-0.2*y(2)/y(l))];
ode45(@myfile_2,[0,100],[100;200]),grid
于是得1()y t 、2()y t 的图形1如下：
为了体现模型中所设参数1μ，2μ，1λ，2λ在生态学上的意义，我们再设一组参数10.5μ=，20.3μ=，10.2λ=，2 1.5λ=，用Matlab 编程如下： function dq=myfile_3(t,y)
dq=[0.5*y(1)*(l-0.2*y(2)/3000-y(l)/1000);0.3*y(2)*(l-1.5*y(2)/y(l))]; ode45(@myfile_3,[0,100],[100:200]),grid
于是得图形2：
比较上述两个图形可以看出种群A 与种群B 的相互影响，种群B 的数量与对其增长率的影响为221
y y λ-，()20λ>有关，系数2λ可以反映种群A 对种群B 的影响程度，系数2λ越小，种群A 对种群B 的增长影响较小，系数2λ越大，种群A 对种群B 的增长影响较大，种群B 的数量随着种群A 的数量的变化而出现不同的情况变化。系数1λ可以反映种群B 对种群A 的影响程度，系数1λ越小，种群B 对种群A 的增长影响较小，系数1λ越大，种群B 对种群A 的增长影响较大，从而种群A 的数量变化出现不同的情况。从上述图形分析比较可以知道，通过改变种群A 的数量可以使种群B 的数量发生变化，但最终两种群趋向于稳
定而共存。
三、总结
通过在网上查阅资料，本文介绍了常微分方程初值解法——Runge-Kutta 法的发展历程和其中的主要人物，并将其方法应用到求解建立的常微分方程模型，通过数值计算作出图形，并对模型作出分析，从而帮助我们分析解决实际问题和实际现象的解释，有利于我们采取实际有效的措施解决问题。
由于我们在解决现
实中的许多问题往往通过建立数学模型来解决，而建立的模型很多是微分方程模型，并且很难或无法求出解析解，因此，运用数值解法对于求解常微分方程模型的数值解有着重要的意义，研究微分方程的数值求解具有很大的潜力，是值得我们去探讨和研究的。
参考文献：
[1]林立军，常微分方程数值解法——Runge_Kutta法的历史浅析[J]，辽宁师范大学学报（自然科学版），2003
[2]秦军，Rung-Kutta法在求解微分方程模型中的应用[J]，2010
[3]李庆扬,王能超,易大义.数值分析[M]，清华大学出版社，2001
Runge-Kutta 法的历史发展与应用 摘要Runge-Kutta 法是极其重要的常微分方程数值解法，本文仅就其起源及发展脉络加以简要研究。对Runge 、Heun 以及Kutta 等人的贡献做出适当评述，指出Runge-Kutta 方法起源于Euler 折线法。同时对Runge-Kutta 法的应用做简要研究。 关键词 Euler 折线法 标准四阶Runge-Kutta 法 应用 一、发展历史[1] 1.1 Euler 折线法 在微分方程研究之初，瑞士数学家L.Euler(1707.4—1783.9)做出了开创性的工作。他和其他一些数学家在解决力学、物理学问题的过程中创立了微分方程这门学科。在常微分方程方面，Euler 在1743年发表的论文中，用代换kx y e =给出了任意阶常系数线性微分方程的古典解法，最早引入了“通解”和“特解”的概念。 1768年，Euler 在其有关月球运行理论的著作中，创立了广泛用于求初值问题 00 (,), (1.1)() (1.2)y f x y x x X y x a '=<≤??=? 的数值解的方法，次年又把它推广到二阶方程。欧拉的想法如下：我们选择0h >，然后在00x x x h ≤≤+情况下用解函数的切线 0000()()(,)l x y x x f x y =+- 代替解函数。这样对于点 10x x h =+ 就得到 1000(,)y y hf x y =+。 在11(,)x y 重复如上的程序再次计算新的方向就会得到所谓的递推公式： 11, (,),m m m m m m x x h y y hf x y ++=+=+
数值分析之幂法及反幂法C 语言程序实例 1、算法设计方案： ①求1λ、501λ和s λ的值： s λ：s λ表示矩阵的按模最小特征值，为求得s λ直接对待求矩阵A 应用反幂法即可。 1λ、501λ：已知矩阵A 的特征值满足关系 1n λλ<< ，要求1λ、及501λ时，可 按如下方法求解： a ． 对矩阵A 用幂法，求得按模最大的特征值1m λ。 b ． 按平移量1m λ对矩阵A 进行原点平移得矩阵1m B A I λ=+，对矩阵B 用反幂法 求得B 的按模最小特征值2m λ。 c ． 321m m m λλλ=- 则：113min(,)m m λλλ=，13max(,)n m m λλλ=即为所求。 ②求和A 的与数5011 140 k k λλμλ-=+最接近的特征值 ik λ（k=0，1，…39）： 求矩阵A 的特征值中与k μ最接近的特征值的大小，采用原点平移的方法： 先求矩阵 B=A-k μI 对应的按模最小特征值k β，则k β+k μ即为矩阵A 与k μ最接近的特征值。 重复以上过程39次即可求得ik λ（k=0，1，…39）的值。 ③求A 的（谱范数）条件数2cond()A 和行列式det A ： 在（1）中用反幂法求矩阵A 的按模最小特征值时，要用到Doolittle 分解方法，在Doolittle 分解完成后得到的两个矩阵分别为L 和U ，则A 的行列式可由U 阵求出，即：det(A)=det(U)。 求得det(A)不为0，因此A 为非奇异的实对称矩阵，则： max 2()s cond A λλ= ，max λ和s λ分别为模最大特征值与模最小特征值。
数值分析作业 课题名称代数插值法-拉格朗日插值法班级Y110201 研究生姓名董安 学号S2******* 学科、专业机械制造及其自动化 所在院、系机械工程及自动化学院2011 年12 月26日
代数插值法---拉格朗日插值法 数值分析中的插值法是一种古老的数学方法，它来自生产实践。利用计算机解决工程问题与常规手工计算的差异就在于它特别的计算方法.电机设计中常常需要通过查曲线、表格或通过作图来确定某一参量,如查磁化曲线、查异步电动机饱和系数曲线等.手工设计时,设计者是通过寻找坐标的方法来实现.用计算机来完成上述工作时,采用数值插值法来完成。因此学好数值分析的插值法很重要。 插值法是函数逼近的重要方法之一，有着广泛的应用 。在生产和实验中，函数f(x)或者其表达式不便于计算复杂或者无表达式而只有函数在给定点的函数值(或其导数值) ，此时我们希望建立一个简单的而便于计算的函数 (x)，使其近似的代替f(x)，有很多种插值法,其中以拉格朗日(Lagrange)插值和牛顿(Newton)插值为代表的多项式插值最有特点,常用的插值还有Hermit 插值,分段插值和样条插值.本文着重介绍拉格朗日(Lagrange)插值法。 1.一元函数插值概念 定义 设有m+1个互异的实数1x ，2x ，···，m x 和n+1 个实值函数()0 x j ， ()1 x j ， ···()n x j ，其中n ￡m 。若向量组 k f =（()0k x j ，()1k x j ，···，() k m x j ）T （k=0,1，，n ） 线性无关，则称函数组{()k x j （k=0,1， ，n ）}在点集{i x (i=0,1, ,m)}上线性无关；否 则称为线性相关。 例如，函数组{2+x ，1-x ，x+2 x }在点集{1,2,3,4}上线性无关。 又如，函数组{sin x ，n2x ，sin 3x }在点集{0， 3p ，2 3 p ，p }上线性相关。 给点n+1个互异的实数0x ，1x ，···，n x ，实值函数() f x 在包含0x ，1x ，···，n x 的某个区间[] ,a b 内有定义。设函数组 {()k x j （k=0,1， ，n ）} 是次数不高于n 的多项式组，且在点集{0x ，1x ，···，n x }上线性无关。
非线性方程求根 问题：在相距100m的两座建筑物（高度相等的点）之间悬挂一根电缆，仅允许电缆在中间最多下垂1m，试计算所需电缆的长度。 设空中电缆的曲线（悬链线）方程为 ] , [ , ) ( 50 50 2 - ∈ + = - x e e a y a x a x （1） 由题设知曲线的最低点)) ( , (0 0y与最高点)) ( , (50 50y之间的高度差为1m，所以有 1 2 50 50 + = +- a e e a a a) ( （2） 由上述方程解出a后，电缆长度可用下式计算： ) ( ) (a a a x a x L e e a dx e e dx x y ds L 50 50 50 50 50 2 1- - - - = ? ? ? ? ? ? + = ' + = =? ? ?（3） 相关Matlab命令： 1、描绘函数] , [ , ) ( ) (1500 500 1 2 50 50 ∈ - - + = - a a e e a a y a a 的图形；
2、用fzero 命令求方程在1250=a 附近的根的近似值x ，并计算)(x y 的函数值； 3、编写二分法程序，用二分法求0=)(a y 在],[13001200内的根，误差不超过310-，并给出对分次数； 4、编写Newton 迭代法程序，并求0=)(a y 在],[13001200内的根，误差不超过310-，并给出迭代次数。 5、编写Newton 割线法程序，并求0=)(a y 在],[13001200内的根，误差不超过310-，并给出迭代次数。
线性方程组求解应用实例 问题：投入产出分析 国民经济各个部门之间存在相互依存的关系，每个部门在运转中将其他部门的产品或半成品（称为投入）经过加工变为自己的产品（称为产出），如何根据各部门间的投入产出关系，确定各部门的产出水平，以满足社会需求，是投入产出分析中研究的课题。考虑下面的例子： 设国民经济由农业、制造业和服务业三个部门构成，已知某年它们之间的投入产出关系、外部需求、初始投入等如表1所示（数字表示产值）。 表1 国民经济三个部门间的关系单位：亿元 假定总投入等于总产出，并且每个部门的产出与它的投入成正比，由上表可以确定三个部门的投入产出表：如表2所示。 表2 三个部门的投入产出表
“数值分析”课程 第一次小论文 郑维珍2015210459 制研15班（精密仪器系）内容：数值分析在你所在研究领域的应用。 要求：1）字数2500以上；2）要有摘要和参考文献；3）截至10.17，网络学堂提交，过期不能提交！ 数值分析在微流控芯片研究领域的应用 摘要： 作者在硕士期间即将参与的课题是微流控芯片的研制。当前，微流控芯片发展十分迅猛，而其中涉及到诸多材料学、电子学、光学、流体力学等领域的问题，加上微纳尺度上的尺寸效应，理论研究和数值计算都显得困难重重。发展该领域的数值计算，成为重中之重。本文从微流体力学、微传热学、微电磁学、微结构力学等分支入手，简要分析一下数值分析方法在该领域的应用。 微流控芯片(Microfluidic Chip)通常又称芯片实验室(Lab-On-a-Chip )，它是20世纪90年代初由瑞士的Manz和Widmer提出的[1-2]，它通过微细加工技术，将微管道、微泵、微阀、微电极、微检测元件等功能元件集成在芯片材料(基片)上，完成整个生化实验室的分析功能，具有减少样品的消耗量、节省反应和分析的时间、高通量和便携性等优点。 通常一个微流控芯片系统都会执行一个到多个微流体功能，如泵、混合、热循环、扩散和分离等，精确地操纵这些流体过程是微流控芯片的关键。因此它的研究不仅需要生命科学、MEMS、材料学、电子学、光学、流体力学等多学科领域的基础理论的支持，还需要很多数学计算。
1）微流体力学计算[3]： 对微管里的流体动力的研究主要包含了以下几个方面：(1)微管内流体的粘滞力的研究；(2)微管内气流液流的传热活动；(3)在绝热或传热的微管内两相流的流动和能量转换。这三方面的研究涵盖了在绝热、传热和多相转换条件下，可压缩和不可压缩流体在规则或不规则的微管内的流动特性研究。 由此，再结合不同的初值条件和边界条件，我们可以得到各种常微分方程或偏微分方程，而求解这些方程，就是需要很多数值分析的知识。例如，文献[4]里就针对特定的初值和边界条件，由软件求解了Navier-Stodes方程： 文献[4]专门有一章节讨论了该方程的离散化和数值求解。 微流体力学主要向两个方面发展：一方面是研究流动非定常稳定特性、分叉解及微尺寸效应下的湍流流动的机理，更为复杂的非定常、多尺度的流动特征，高精度、高分辨率的计算方法和并行算法；另一方面是将宏观流体力学的基本模型，结合微纳效应，直接用于模拟各种实际流动，解决微纳芯片生产制造中提出来的各种问题。 2）微传热方程计算： 常微分、偏微分方程的数值求解应用较为广泛的另一问题就是微流体传热问题。由传热学的相关知识，我们可以达到如下的传热学基本方程： 该方程在二维情况下经过简化和离散，可以得到如教材第三章所讲的“五点差分格式”的方程组，从而采取数值方法求解[5]。 除此之外，微结构芯片在加工和制造过程中也会有很多热学方面的问题，例如文献[6]所反映的注塑成型工艺中，就有大量的类似问题的解决。 3）微电磁学计算： 由于外加电场的作用，电渗流道中会产生焦耳热效应。许多研究者对电渗流道中的焦耳热效应进行了数值模拟研究。新加坡南洋理工大学的G. Y. Tang等在电渗流模型的基础上，考虑了与温度有关的物理系数，在固一液祸合区域内利用
第一章绪论 1．设0x >,x 的相对误差为δ，求ln x 的误差。 解：近似值* x 的相对误差为* **** r e x x e x x δ-= == 而ln x 的误差为()1ln *ln *ln ** e x x x e x =-≈ 进而有(ln *)x εδ≈ 2．设x 的相对误差为2%，求n x 的相对误差。 解：设()n f x x =，则函数的条件数为'() | |() p xf x C f x = 又1 '()n f x nx -= , 1 ||n p x nx C n n -?∴== 又((*))(*)r p r x n C x εε≈? 且(*)r e x 为2 ((*))0.02n r x n ε∴≈ 3．下列各数都是经过四舍五入得到的近似数，即误差限不超过最后一位的半个单位，试指 出它们是几位有效数字：*1 1.1021x =,*20.031x =, *3385.6x =, * 456.430x =,*57 1.0.x =? 解：*1 1.1021x =是五位有效数字； *20.031x =是二位有效数字； *3385.6x =是四位有效数字； *456.430x =是五位有效数字； *57 1.0.x =?是二位有效数字。 4．利用公式(2.3)求下列各近似值的误差限：(1) * * * 124x x x ++,(2) ***123x x x ,(3) **24/x x . 其中****1234 ,,,x x x x 均为第3题所给的数。 解：
*4 1* 3 2* 13* 3 4* 1 51()1021()1021()1021()1021()102 x x x x x εεεεε-----=?=?=?=?=? *** 124***1244333 (1)()()()() 1111010102221.0510x x x x x x εεεε----++=++=?+?+?=? *** 123*********123231132143 (2)() ()()() 111 1.10210.031100.031385.610 1.1021385.610222 0.215 x x x x x x x x x x x x εεεε---=++=???+???+???≈ ** 24**** 24422 *4 33 5 (3)(/) ()() 11 0.0311056.430102256.43056.430 10x x x x x x x εεε---+≈ ??+??= ?= 5计算球体积要使相对误差限为1，问度量半径R 时允许的相对误差限是多少？ 解：球体体积为34 3 V R π= 则何种函数的条件数为 2 3'4343 p R V R R C V R ππ=== (*)(*)3(*)r p r r V C R R εεε∴≈= 又(*)1r V ε=
Matlab 实验报告 学院：数学与信息科学学院班级：信息班 学号：20135034027 姓名：马永杉
最小二乘法，用MATLAB实现 1.数值实例 下面给定的是郑州最近1个月早晨7：00左右的天气预报所得到的温度，按照数据找出任意次曲线拟合方程和它的图像。下面用MATLAB编程对上述数据进行最小二乘拟合。 2、程序代码 x=[1:1:30]; y=[9,10,11,12,13,14,13,12,11,9,10,11,12,13,14,12,11,10,9,8,7,8,9,11,9 ,7,6,5,3,1]; a1=polyfit(x,y,3) %三次多项式拟合% a2= polyfit(x,y,9) %九次多项式拟合% a3= polyfit(x,y,15) %十五次多项式拟合% b1=polyval(a1,x) b2=polyval(a2,x) b3=polyval(a3,x) r1= sum((y-b1).^2) %三次多项式误差平方和% r2= sum((y-b2).^2) %九次次多项式误差平方和% r3= sum((y-b3).^2) %十五次多项式误差平方和% plot(x,y,'*') %用*画出x,y图像% hold on plot(x,b1, 'r') %用红色线画出x,b1图像% hold on plot(x,b2, 'g') %用绿色线画出x,b2图像% hold on plot(x,b3, 'b:o') %用蓝色o线画出x,b3图像% 2.流程图
4．数值结果分析 不同次数多项式拟合误差平方和为： r1=67.6659 r2=20.1060 r3=3.7952 r1、r2、r3分别表示三次、九次、十五次多项式误差平方和。 5、拟合曲线如下图
牛顿迭代法及其应用 [摘要]本文研究应用泰勒展开式构造出牛顿迭代法，论证了它的局部收敛性和收敛阶。分别讨论了单根情形和重根情形，给出了实例应用。最后给出了离散牛顿法的具体做法。 [关键词] 关键词：泰勒展开式，牛顿迭代法及其收敛性，重根，离散牛顿法。 1.牛顿法及其收敛性 求方程f（x）=0的根，如果已知它的一个近似,可利用Taylor展开式求出f(x)在附近的线性近似，即 ，ξ在x与之间 忽略余项，则得方程的近似 右端为x的线性方程，若，则解,记作,它可作为的解的新近似，即 (2.4.1) 称为解方程的牛顿法.在几何上求方程的解，即求曲线y=f(x)与x轴交点.若已知的一个近似,通过点(，f())作曲线y=f(x)的切线，它与 x轴交点为,作为的新近似，如图1所示
图1 关于牛顿法收敛性有以下的局部收敛定理. 定理1设是f(x)=0的一个根，f(x)在附近二阶导数连续，且，则牛顿法(2.4.1)具有二阶收敛，且 (2.4.2) 证明由式(2.4.1)知迭代函数,， ,而，由定理可知，牛顿迭代(2.4.1)具有二阶收敛，由式可得到式(2.4.2).证毕. 定理表明牛顿法收敛很快，但在附近时才能保证迭代序列收敛.有关牛顿法半局部收敛性与全局收敛定理.此处不再讨论. 例1用牛顿法求方程的根. ,牛顿迭代为 取即为根的近似，它表明牛顿法收敛很快.
例2设＞0，求平方根的过程可化为解方程.若用牛顿法求解，由式(2.4.1)得 (2.4.3) 这是在计算机上作开方运算的一个实际有效的方法，它每步迭代只做一次除法和一次加法再做一次移位即可，计算量少，又收敛很快，对牛顿法我们已证明了它 的局部收敛性，对式(2.4.3)可证明对任何迭代法都是收敛的，因为当 时有 即,而对任意，也可验证,即从k=1开始，且 所以｛｝从k=1起是一个单调递减有下界的序列，｛｝有极限.在式(2.4.3) 中令k→∞可得，这就说明了只要，迭代(2.4.3)总收敛到,且是二阶收敛. 在例2.4的迭代法(3)中，用式(2.4.3)求只迭代3次就得到 =1.732 051,具有7位有效数字. 求非线性方程f(x)=0的根x*,几何上就是求曲线y=f(x)与x轴交点x*，若已知曲线上一点过此点作它的切线。方程为 此切线与x轴交点记作，它就是(2,4,1)给出的牛顿迭代法，由图2-3 看到牛顿法求根就是用切线近似曲线，切线与x轴交点xk+1作为方程f(x)=0 根x*的新近似。 根据定理2.3可以证明牛顿法是二阶收敛的，这就是定理4.1给出的结果，牛顿法由于收敛快，它是方程求根最常用和最重要的方法，在计算机上用牛顿法解方程的计算步骤： 算法如下：（牛顿法） 步0： 给初始近似,计算精度最大迭代步数N,0→k.
《数值分析》课程设计
本课程设计的内容为：每个小组的同学均应完成以下五个案例； 目标：能将数值分析课程中所学的算法知识熟练应用于实际问题中。 案例1 土木工程和环境工程师在设计一条排水渠道时必须考虑渠道的各种参数（如宽度，深度，渠道内壁光滑度）及水流速度、流量、水深等物理量之间的关系。 假设修一条横断面为矩形的水渠，其宽度为B ，假定水流是定常的，也就是说水流速度不随时间而变化。 根据质量守恒定律可以得到 Q=UBH （1.1） 其中Q 是水的流量（s m /3 ），U 是流速（s m /），H 是水的深度（m ）。 在水工学中应用的有关流速的公式是 3 /23 /22/1)2()(1H B BH S n U += （1.2） 这里n 是Manning 粗糙系数，它是一个与水渠内壁材料的光滑性有关的无量纲量；S 是水渠 的斜度系数，也是一个无量纲量，它代表水渠底每米内的落差。 把（1.2）代入（1.1）就得到 3 /23 /52/1)2()(1H B BH S n U += （1.3） 为了不同的工业目的（比如说要把污染物稀释到一定的浓度以下，或者为某工厂输入一定量 的水），需要指定流量Q 和B ，求出水的深度。这样，就需要求解 0) 2()(1)(3 /23 /52/1=-+=Q H B BH S n H f （1.4） 一个具体的案例是 s m Q S n m B /5 ,0002.0 ,03.0 ,203==== 求出渠道中水的深度H 。 所涉及的知识——非线性方程解法。 案例2 在化学工程中常常研究在一个封闭系统中同时进行的两种可逆反应 C D A C B A ?+?+2 其中A ，B ，C 和D 代表不同的物质。反应达到平衡是有如下的平衡关系： d a c b a c C C C k C C C k == 22 1 , 其中2 24 1107.3 ,104--?=?=k k 称为平衡常数，),,,(d c b a n C n =代表平衡状态时该物质的浓度。假定反应开始时各种物质的浓度为：
插值方法总结 摘 要：本文是对学过的插值方法进行了总结使我们更清楚的知道那一种方法适合那一种型。 关键词：插值；函数；多项式；余项 （一）Lagrange 插值 1．Lagrange 插值基函数 n+1个n 次多项式 ∏≠=--= n k j j j k j k x x x x x l 0)( n k ,,1,0 = 称为Lagrange 插值基函数 2．Lagrange 插值多项式 设给定n+1个互异点))(,(k k x f x ，n k ,,1,0 =，j i x x ≠，j i ≠，满足插值条件 )()(k k n x f x L =，n k ,,1,0 = 的n 次多项式 ∏∏ ∏=≠==--==n k n k j j j k j k k n k k n x x x x x f x l x f x L 0 00 ))(()()()( 为Lagrange 插值多项式，称 ∏=+-+=-=n j j x n n x x n f x L x f x E 0)1()()!1()()()()(ξ 为插值余项，其中),()(b a x x ∈=ξξ （二）Newton 插值 1．差商的定义 )(x f 关于i x 的零阶差商 )(][i i x f x f = )(x f 关于i x ，j x 的一阶差商 i j i j j i x x x f x f x x f --= ][][],[ 依次类推，)(x f 关于i x ，1+i x ，……，k i x +的k 阶差商
i k i k i i k i i k i i i x x x x f x x f x x x f --= +-+++++] ,,[],,[],,,[111 2．Newton 插值多项式 设给定的n+1个互异点))(,(k k x f x ，n k ,,1,0 =，j i x x ≠，j i ≠， 称满足条件 )()(k k n x f x N =，n k ,,1,0 = 的n 次多项式 )()](,,,[)](,[][)(10100100---++-+=n n n x x x x x x x f x x x x f x f x N 为Newton 插值多项式，称 ],[,)(],,,[)()()(0 10b a x x x x x x f x N x f x E n j j n n ∈-=-=∏= 为插值余项。 （三）Hermite 插值 设],[)(1b a C x f ∈，已知互异点0x ，1x ，…，],[b a x n ∈及所对应的函数值为 0f ，1f ，…，n f ，导数值为'0f ，' 1f ，…，' n f ，则满足条件 n i f x H f x H i i n i i n ,,1,0,)(,)(' '1212 ===++ 的12+n 次Hermite 插值多项式为 )()()(0 '12x f x f x H j n j j j n j i n βα∏∏=++= 其中 )())((,)]()(21[)(2 2'x l x x x l x l x x x j j j j j j j j ---=βα 称为Hermite 插值基函数，)(x l j 是Lagrange 插值基函数，若],[22b a C f n +∈，插值误差为 220) 22(12)()()! 22() ()()(n x n n x x x x n f x H x f --+= -++ ξ，),()(b a x x ∈=ξξ （四）分段插值 设在区间],[b a 上给定n+1个插值节点 b x x x a n =<<<= 10 和相应的函数值0y ，1y ，…，n y ，求作一个插值函数)(x ?，具有性质
中北大学 《数值分析》 常微分方程初值问题的数值解法 专业： 班级： 学号： 姓名: 日期: 2012.12.26
常微分方程初值问题的数值解法 摘 要 微分方程的数值解法在科学技术及生产实践等多方面应用广泛. 文章分析了构造常微分方程初值问题数值解法的三种常用基本方法，差商代替导数法，数值积分法及待定系数法，推导出了Euler 系列公式及三阶龙格-库塔公式，指出了各公式的优劣性及适用条件，并对Euler 公式的收敛性、稳定性进行了分析。 Abstract The numerical solution of differential equations is widely used in science, technology, production practices and many other fields. This paper analyzed three kinds of basic methods for constructing numerical solutions for initial value problem of ordinary differential equations ：difference quotient instead of derivative method, numerical integral method and undetermined coefficients method. At the same time, the paper deduces the Euler series formula and the classical third order Runge-Kutta formula. In addition, the paper pointed out the advantages and disadvantages of each formula and application condition, it also analyzed the convergence and stability of the Euler formula. 1.引言 科学技术及实际生产实践中的许多问题都可归结为微分方程的求解问题，使用较多的是常微分方程初值问题的求解。对于一阶常微分方程的初值问题 000dy /dx f (x,y),y(x )y ,x x b ==<<，其中f 为已知函数，0y 是初始值。如 果函数f 关于变量y 满足Lipschitz 条件，则初值问题有唯一解。只有当f 是一些特殊类型的函数时，才能求出问题的解析解，但一般情况下都满足不了生产实践与科学技术发展的需要，因此通常求其数值解法。 2.主要算法 数值解法是一种离散化的方法，可以求出函数的精确解在自变量一系列离散点处的近似值。基本思想是离散化，首先要将连续区间离散化，对连续区域[]0x ,b 进行剖分01n 1n x x x x b -<<Λ<<=，n n 1n h x x +=-为步长；其次将其函离散
第一章 绪 论 本章以误差为主线，介绍了计算方法课程的特点，并概略描述了与算法相关的基本概念，如收敛性、稳定性，其次给出了误差的度量方法以及误差的传播规律，最后，结合数值实验指出了算法设计时应注意的问题． §1.1 引 言 计算方法以科学与工程等领域所建立的数学模型为求解对象，目的是在有限的时间段内利用有限的计算工具计算出模型的有效解答。 由于科学与工程问题的多样性和复杂性，所建立的数学模型也是各种各样的、复杂的. 复杂性表现在如下几个方面：求解系统的规模很大，多种因素之间的非线性耦合，海量的数据处理等等，这样就使得在其它课程中学到的分析求解方法因计算量庞大而不能得到计算结果，且更多的复杂数学模型没有分析求解方法． 这门课程则是针对从各种各样的数学模型中抽象出或转化出的典型问题，介绍有效的串行求解算法，它们包括 (1) 非线性方程的近似求解方法； (2) 线性代数方程组的求解方法； (3) 函数的插值近似和数据的拟合近似； (4) 积分和微分的近似计算方法； (5) 常微分方程初值问题的数值解法； (6) 优化问题的近似解法；等等 从如上内容可以看出，计算方法的显著特点之一是“近似”． 之所以要进行近似计算，这与我们使用的工具、追求的目标、以及参与计算的数据来源等因素有关． 计算机只能处理有限数据，只能区分、存储有限信息，而实数包含有无穷多个数据，这样，当把原始数据、中间数据、以及最终计算结果用机器数表示时就不可避免的引入了误差，称之为舍入误差． 我们需要在有限的时间段内得到运算结果，就需要将无穷的计算过程截断， 从而产生截断误差． 如 +++=! 21 !111e 的计算是无穷过程，当用 ! 1 !21!111n e n ++++= 作为e 的近似时，则需要进行有限过程的计算，但产生了 截断误差e e n -．
基于MATLAB曲线拟合对离散数据的处理和研究 摘要：曲线拟合是数值分析中的一种普遍且重要的方法，求解拟合曲线的方法也有很多，这里主要介绍利用MATLAB曲线拟合工具箱对离散数据点做你和处理，并与利用最小二乘法求相应的拟合曲线的方法做对比，突出MATLAB曲线拟合工具箱的优点，并阐述了其适用的范围，最后通过利用MATLAB曲线拟合工具箱对实例中离散数据点的拟合来具体说明它的使用方法和优点。 关键字：数值分析；MATLAB；曲线拟合；最小二乘法 一问题探究 在很多的实际情况中，两个变量之间的关系往往很难用具体的表达式把它表示出来，通常只能通过实际测量得到一些互不相同的离散数据点，需需要利用这些已知的数据点估计出两个变量的关系或工件的具体轮廓，并要得到任意未知数据点的具体数据，这个过程就需要用到拟合或差值方法来实现，这里主要讨论拟合的方法。 曲线拟合可以通过MATLAB编程来完成，通常为了达到更好的讷河效果需要做多次重复修改，对于非线性曲线拟合还需要编写复杂的M-文件，运用MATLAB曲线拟合工具箱来实现离散数据点的曲线拟合是一种直观并且简洁的方法。 二曲线拟合的最小二乘法理论 假设给定了一些数据点（Xi,Yi），人们总希望找到这样的近似的函数，它既能反映所给数据的一般趋势，又不会出现较大的偏差，并且要使构造的函数与被逼近函数在一个给定区间上的偏差满足某种要求。这种思想就是所谓的“曲线拟合”的思想。 曲线拟合和差值不同，若要求通过所有给定的数据点是差值问题，若不要求曲线通过所有给定的数据点，而只要求反映对象整体的变化趋势，拟合问题，曲线拟合问题最常用的解决方法是线性最小二乘法[1],步骤如下： 第一步：先选定一组函数r1(x),r2(x),…,rm(x),m 数值计算 插值 假设需要得到x 坐标每改变0.1 时的y 坐标, 用三次插值方法对机翼断面下缘轮廓线上的部分数据加细, 并作出插值函数的图形. 程序: clear, close all x=[0,3,5,7,9,11,12,13,14,15]; y=[0,1.2,1.7,2.0,2.1,2.0,1.8,1.2,1.0,1.6]; plot(x,y); xi=0:0.1:15; yi_cubic=interp1(x,y,xi,'cubic'); plot(x,y,'ro',xi,yi_cubic); pp=csape(x,y,'second'); v=ppval(pp,xi); v; T=(ppval(pp,0.1)-ppval(pp,0))/0.1; angle=atan(T)*180/pi; s=v(130:151); ss=min(s); 图形: 最小二乘拟合 已知空气温度与动力粘度关系如下，进行最小二乘拟合 0℃170.8×10^-4mPa.s 40℃190.4×10^-4mPa.s 74 ℃210.2×10^-4mPa.s 229 ℃263.8×10^-4mPa.s 334℃312.3×10^-4mPa.s 409℃341.3×10^-4mPa.s 481℃358.3×10^-4mPa.s 565℃375.0×10^-4mPa.s 638℃401.4×10^-4mPa.s 750 ℃426.3×10^-4mPa.s 810 ℃441.9×10^-4mPa.s 程序： >> x=[0 40 74 229 334 409 481 565 638 750 810]; >> y=[170.8 190.4 210.2 263.8 312.3 341.3 358.3 375.0 401.4 426.3 441.9]; >> p=polyfit(x,y,2) p = -0.0002 0.4652 172.5460 >> xi=[0:2:810]; >> yi=polyval(p,xi); >> plot(x,y,'ko-',xi,yi,'k--') 解线性方程组的直接法 对于牛顿型方法的改进 对于函数f(x),假定已给出极小点* x 的一个较好的近似点0x ，则在0x 处将f(x)泰勒展开到二次项，得二次函数()x φ。按极值条件'()0x φ=得()x φ的极小点，用它作为*x 的第一个近似点。然后再在1x 处进行泰勒展开，并求得第二个近似点2x 。如此迭代下去，得到一维情况下的牛顿迭代公式'k 1''k ()() k k f x x x f x +=- (k=0,1,2,…) 对于多元函数f(x),设k x 为f(x)极小点*x 的一个近似值，在k x 处将f(x)进行泰勒展开，保留到二次项得21()()()()()()()()2T T k k k k k k f x x f x f x x x x x f x x x ?≈=+?-+ -?-， 式中 2()k f x ?—f(x)在k x 处的海赛矩阵。 设1k x +为()x ?的极小点，它作为f(x)极小点*x 的下一个近似点，根据极值必要条件 1()0k x ?+?=即21()()()k k k k f x f x x x +?+?-得1 21()()k k k k x x f x f x -+??=-???? （k=0,1,2，…） 上式为多元函数求极值的牛顿法迭代公式。 对于二次函数，f(x)的上述泰勒展开式不是近似的，而是精确地。海赛矩阵是一个常矩阵，其中各元素均为常数。因此，无论从任何点出发，只需一步就可以找到极小点。因为若某一迭代法能使二次型函数在有限次迭代内达到极小点，则称此迭代方法是二次收敛的，因此牛顿方法是二次收敛的。 从牛顿法迭代公式的推演中可以看到，迭代点的位置是按照极值条件确定的，其中并未含有沿下降方向搜寻的概念。因此对于非二次函数，如果采用上述牛顿法公式，有时会使函数值上升，即出现1>k k f f +（x ）（x ） 现象。为此对上述牛顿方法进行改进，引入数学规划法的概念。 如果把1 2()()k k k d f x f x -??=-????看作是一个搜索方向，则采取如下的迭代公式 121()()k k k k k k k k x x a d x a f x f x -+??=-=-???? （k=0,1,2,…） 式中 k a —沿牛顿方向进行以为搜索的最佳步长k a 可通过如下极小化过程求得1()()()min k k k k k k k a f x f x a d f x a d +=+=+。由于此种方法每次迭代都在牛顿方向上进 行一维搜索，这就避免了迭代后函数值上升的现象，从而保持了牛顿法二次收敛的特性，而对初始点的选取并没有苛刻的要求。其计算步骤如下： 题目：论数值分析在数学建模中的应用 学院: 机械自动化学院 专业: 机械设计及理论 学号: 学生姓名: 日期: 2011年12月5日 论数值分析在数学建模中的应用 摘要 为了满足科技发展对科学研究和工程技术人员用数学理论解决实际的能力的要求，讨论了数值分析在数学建模中的应用。数值分析不仅应用模型求解的过程中，它对模型的建立也具有较强的指导性。研究数值分析中插值拟合，解线性方程组，数值积分等方法在模型建立、求解以及误差分析中的应用，使数值分析作为一种工具更好的解决实际问题。 关键词 数值分析；数学建模；线性方程组；微分方程 the Application of Numerical Analysis in Methmetical Modeling Han Y u-tao 1 Bai Y ang 2 Tian Lu 2 Liu De-zheng 2 （1 College of Science ，Tianjin University of Commerce ，Tianjin ，300134 2 College of Science ，Tianjin University of Commerce ，Tianjin ，300134) Abstract In order to meet the technological scientific researchers who use mathematical theory to solve practical problems, the use of numerical analysis in mathematical modeling is discussed.Numerical analysis not only solve the model,but also relatively guide the model.Research on some numerical methods in numerical analysis which usually used in mathmetical modeling and error analysis will be a better way to solve practical problems. Key Words Numerical Analysis ；Mathematical Modeling; Linear Equations ；differential equation 1. 引言 数值分析主要介绍现代科学计算中常用的数值计算方法及其基本原理，研究并解决数值问题的近似解，是数学理论与计算机和实际问题的有机结合[1]。随着科学技术的迅速发展，运用数学方法解决科学研究和工程技术领域中的实际问题，已经得到普遍重视。数学建模是数值分析联系实际的桥梁。在数学建模过程中，无论是模型的建立还是模型的求解都要用到数值分析课程中所涉及的算法,如插值方法、最小二乘法、拟合法等，那么如何在数学建模中正确的应用数值分析内容，就成了解决实际问题的关键。 2. 数值分析在模型建立中的应用 在实际中，许多问题所研究的变量都是离散的形式，所建立的模型也是离散的。例如，对经济进行动态的分析时，一般总是根据一些计划的周期期末的指标值判断某经济计划执行的如何。有些实际问题即可建立连续模型，也可建立离散模型，但在研究中，并不能时时刻刻统计它，而是在某些特定时刻获得统计数据。例如，人口普查统计是一个时段的人口增长量，通过这个时段人口数量变化规律建立离散模型来预测未来人口。另一方面，对常见的微分方程、积分方程为了求解，往往需要将连续模型转化成离散模型。将连续模型转化成离散模型，最常用的方法就是建立差分方程。 以非负整数k 表示时间，记k x 为变量x 在时刻k 的取值，则称k k k x x x -=?+1为k x 的一阶差分，称k k k k k x x x x x +-=??=?++1222)(为k x 的二阶差分。类似课求出k x 的n 阶差分k n x ?。由k ，k x ，及k x 的差分给出的方程称为差分方程[2]。例如在研究节食与运动模型时，发现人们往往采取节食与运动方式消耗体内存储的脂肪，引起体重下降，达到减肥目的。通常制定减肥计划以周为时间单位比较方便，所以采用差分方程模型进行讨论。记第k 周末体重为)(k w ，第k 周吸收热量为)(k c ，热量转换系数α，代谢消耗系数β，在不考虑运动情况下体重变化的模型 证明：如果求积公式（）对函数f （x ）和g （x ）都准确成立，则它对于线性组合af(x)+bg(x) (a,b 均为常数)亦准确成立. 因此，求积公式（）具有m 次代数精度的充分必要条件是：它对任一小于等于m 次的多项均能准确成立，但对某个m+1次多项式不能准确成立. ()()不能成立 对与题设矛盾多项式都能准确成立，次多，即对任意的线性组合亦准确成立也能准确成立，则对若对的线性组合亦准确成立对次的多项式准确成立对于任意小于等于不准确成立，对的线性组合亦准确成立对成立次的多项式于等于根据定义可知：对于小次代数精度 机械求积公式具有机械求积公式也成立 对于线性组合同理可得 机械求积公式都成立 对于证明： 1m 1321321320 000 0)1(,,,,,,1,,,,,1,,,,,1),1,0()(2)()()] ()([)()()]()([) ()() ()() ()() ()()(),(1++++=======∴+? ∴?∴==∴?+∴+=+≈+∴≈≈∴≈≈∴∑∑?∑?∑?∑? ∑?∑x m x x x x x x x x x x m x x x x x m j x x f m m x bg x af x bg x af A x bg A x af A dx x bg x af x bg A dx x bg x af A dx x af x g A dx x g x f A dx x f x g x f m m m m m m j n k k k n k k k b a n k k k b a n k k k b a n k k k b a n k k k b a n k k k 直接验证中矩形公式具有一次代数精度，而Simpson 公式则具有3次代数精度。数值计算实例
数值分析小论文论文
数值分析论文
数值计算第三章答案
相关主题
文本预览