【微分方程数值解】常微分方程（一）欧拉方法和改进欧拉方法（附python算例，封装类）

改进的欧拉（Euler）公式 欧拉公式 yn+1=yn+hf(xn,yn)n∈N \begin{array}{l}y_{n+1}=y_n+hf\left(x_n,y_n\right)n\in N\end{array} yn+1​=yn​+hf(xn​,yn​)n∈N​ 梯形公式 yn+1=yn+h2[f(xn,yn)+f(xn+1,yn+1)],n∈N \begin{array}{l}y_{n+1...

在数值求解常微分方程的过程中，我们希望得到一个与真实解足够接近的数值解。一般来说，我们认为一个数值方法的精度与其阶数有关。p阶方法是指一种数值方法，它在每个步骤中的误差与步长$h$的p次方成正比，也就是说，它的全局误差与步长$h^{p+1}$成正比。具体来说，假设我们使用一个p阶方法来求解方程$y'=f(t,y)$，在第$i$个步骤中，我们使用这个方法计算得到数值解$y_{i}$，真实解为$y(t_i)$。那么这个方法在当前步骤中的局部截断误差为$LTE_i = O(h^{p+1})$。

/*********************** * *改进的欧拉法计算常微分方程 * y'=(1/x)*y-(1/x)*y^2, 1<=x<=1.5 *{ * y(1) = 0.5 * * 取步长h=0.1即n=5 *************************/ #include<stdio.h> #include<math.h> #includ...

改进欧拉算法，使用两个点的斜率对下一个点进行预测： 求出两个点的斜率使用二分之一 的斜率和乘以步长加上之前的y值进行预测 import numpy as np import matplotlib.pyplot as plt t = 0.1 x = 0 y = 1 y1 = np.zeros(100) x1 = np.ones(100) a = np.zeros(100) for i in range(99): y = 1.1 * y - 0.2 * x / y # 对y进行迭代。 x +

求得一个初步的近似值，称为预报值，然后用它替代梯形法右端的yi+1再直接计算fi+1，得到校正值yi+1，这样建立的预报-校正系统称为改进的欧拉格式：预报值 y~i+1=yi + h*f(xi,yi)它有下列平均化形式：yp=yi+h*f(xi,yi)且 yc=yi+h*f(xi+1,yp)且 yi+1=(yp+yc)/2。它的局部截断误差为O(h^3)，可见，改进欧拉格式较欧拉格式提高了精度，其截断误差比欧拉格式提高了一阶。求解初值问题，并计算y(0.4)的近似值，要求小数点后保留4位有效数字。

# 用改进的EULER方法求解初值问题 import numpy as np def f(x, y): # 原题目 return x ** 2 + x - y def f_1(x): # 准确值方程 return x ** 2 - x + 1 - np.exp(-x) def Oula(x_0, y_0, h, f, f_1): # 构造公式 yn = y_0 xn = x_0 for n in range(1, 11): x = xn +

首先给出改进的Euler法的公式: 然后对算法进行分析，在数值书上171面上的例３,题目是{ y'=-y+x+1, y(0)=1}第一个是变化率:dy/dx,取h=0.1,计算至x=0.5: 书上给出的解答: 显然:  f(x,y)=x-y+1, a=x0=0,b=0.5,y0=1,n=5.  然而我完全看不懂怎么算出来的，总之这是根据已知条件推出隐藏条件，然后触发主任务完成的条件．然

综述： 在一阶常微分方程的数值解法中 ，常采用的欧拉方法，欧拉方法局部截断误差为O(2)，所以欧拉方法是一阶方法，改进后的欧拉方法截断误差为O(3),所以改进后的欧拉方法是二阶方法，精度更高。本文将以具体一微分方程为例，使用C++分别采用欧拉方法和改进后的欧拉方法对其求解。 题目： 求初值问题： 求解： 一、欧拉方法 1、利用欧拉方法： 二、改进欧拉方法 step1: 先用显式欧拉公式作预测，算出 step2: 再将代入隐式梯形公式的右边做校正得...