课程设计报告四阶RungeKutta方法.docx
《课程设计报告四阶RungeKutta方法.docx》由会员分享,可在线阅读,更多相关《课程设计报告四阶RungeKutta方法.docx(13页珍藏版)》请在冰豆网上搜索。
课程设计报告四阶RungeKutta方法
《计算机数值方法》
课程设计报告
题目
四阶Runge-Kutta方法
学生姓名
班级
计科12
学号
成绩
指导教师
延安大学计算机学院
2014年9月1日
一、摘要·······································································5
二、问题重述··································································5
三、方法原理及实现··························································5
四、计算公式或算法··························································5
五、Matlab程序·······························································6
六、测试数据及结果··························································6
七、结果分析·································································10
八、方法改进··································································10
九、心得体会··································································10
十、参考文献··································································10
一、摘要
本课程设计主要内容是用四阶Runge-Kutta方法解决常微分方程组初值问题的数值解法,首先分析题目内容和要求,然后使用Matlab编写程序计算结果并绘图,最后对计算结果进行分析并得出结论。
二、问题描述
在计算机上实现用四阶Runge—Kutta求一阶常微分方程初值问题
的数值解,并利用最后绘制的图形直观分析近似解与准确解之间的比较.
三、方法原理及实现
龙格—库塔(Runge-Kutta)方法是一种在工程上应用广泛的高精度单步算法.由于此算法精度高,采取措施对误差进行抑制,所以其实现原理也较复杂.该算法是构建在数学支持的基础之上的。
龙格库塔方法的理论基础来源于泰勒公式和使用斜率近似表达微分,它在积分区间多预计算出几个点的斜率,然后进行加权平均,用做下一点的依据,从而构造出了精度更高的数值积分计算方法.如果预先求两个点的斜率就是二阶龙格库塔法,如果预先取四个点就是四阶龙格库塔法。
经典的
方法是一个四阶的方法,它的计算公式是:
四、计算公式或算法
1.输入
(编写或调用计算
的函数文件
),
2.
3.For
End
4.输出
五、Matlab程序
x=[a:
h:
b];
y
(1)=y1;
n=(b-a)/h+1;
fori=2:
n
fk1=f(x(i-1),y(i—1));
fk2=f(x(i-1)+h/2,y(i—1)+fk1*h/2);
fk3=f(x(i—1)+h/2,y(i-1)+fk2*h/2);
fk4=f(x(i—1)+h,y(i—1)+fk3*h);
y(i)=y(i-1)+h*(fk1+2*fk2+2*fk3+fk4)/6;
end
y
六、测试数据及结果
用调试好的程序解决如下问题:
应用经典的四阶Runge—Kutta方法解初值问题
取
(1)步骤一:
编写函数具体程序。
1。
求解解析解程序:
dsolve('Dy=(y^2+y)/t’,’y
(1)=—2',’t’)
结果:
2.综合编写程序如下:
a=1;
b=3;
h=0.5;
y
(1)=-2;
x
(1)=a;
n=(b—a)/h+1;
yy
(1)=—2;
fori=2:
n
k1=(y(i-1)^2+y(i—1))/x(i-1);
k2=((y(i-1)+h*k1/2)^2+(y(i-1)+h*k1/2))/(x(i—1)+h/2);
k3=((y(i—1)+h*k2/2)^2+(y(i—1)+h*k2/2))/(x(i-1)+h/2);
k4=((y(i—1)+h*k3)^2+(y(i-1)+h*k3))/(x(i-1)+h);
y(i)=y(i-1)+h*(k1+2*k2+2*k3+k4)/6;%四阶Runge-Kutta公式解
x(i)=x(i—1)+h;%有解区间的值
yy(i)=—x(i)/(x(i)—1/2);%解析解
s(i)=abs(y(i)-yy(i));%误差项
end
[x’y'yy's’]
(2)步骤二:
执行上述Runge-Kutta算法,计算结果为
1.0000
1.5000
2.0000
2.5000
3.0000
—2.0000
—1.4954
—1.3306
—1。
2480
-1。
1985
-2。
0000
-1.5000
-1。
3333
-1。
2500
—1。
2000
0
0.0046
0。
0028
0.0020
0.0015
(3)使用Matlab绘图函数“plot(x,y)"绘制问题数值解和解析解的图形。
数值解的图形:
plot(x,y)
解析解的图形
plot(x,yy)
(4)使用Matlab中的ode45求解,并绘图.
编写函数如下:
%ode.m
functiondy=ode(x,y)
dy=(y^2+y)/x;
T,Y]=ode45('ode',[13],—2);
plot(T,Y)
运行结果如下:
七、结果分析
由图可知此方法与精确解的契合度非常好,基本上与精度解保持一致,由此可见四阶Runge-Kutta方法是一种高精度的单步方法。
八、方法改进
同时,由于误差的存在,我们总想尽可能的是误差趋近于零,常用的就是传统的增加取值的个数。
最后,我们通过改变步长来进行改进。
具体实现:
(1)h=0。
1
a=1;
b=3;
h=0。
1;
y
(1)=—2;
x
(1)=a;
n=(b-a)/h+1;
yy
(1)=—2;
fori=2:
n
k1=(y(i-1)^2+y(i-1))/x(i-1);
k2=((y(i-1)+h*k1/2)^2+(y(i—1)+h*k1/2))/(x(i—1)+h/2);
k3=((y(i—1)+h*k2/2)^2+(y(i-1)+h*k2/2))/(x(i—1)+h/2);
k4=((y(i—1)+h*k3)^2+(y(i-1)+h*k3))/(x(i-1)+h);
y(i)=y(i-1)+h*(k1+2*k2+2*k3+k4)/6;%四阶Runge—Kutta公式解
x(i)=x(i—1)+h;%有解区间的值
yy(i)=—x(i)/(x(i)—1/2);%解析解
s(i)=abs(y(i)—yy(i));%误差项
end
[x'y'yy’s’]
结果:
(2)h=0。
2
a=1;
b=3;
h=0.2;
y
(1)=-2;
x
(1)=a;
n=(b-a)/h+1;
yy
(1)=-2;
fori=2:
n
k1=(y(i—1)^2+y(i-1))/x(i—1);
k2=((y(i—1)+h*k1/2)^2+(y(i—1)+h*k1/2))/(x(i-1)+h/2);
k3=((y(i-1)+h*k2/2)^2+(y(i-1)+h*k2/2))/(x(i—1)+h/2);
k4=((y(i-1)+h*k3)^2+(y(i—1)+h*k3))/(x(i-1)+h);
y(i)=y(i—1)+h*(k1+2*k2+2*k3+k4)/6;%四阶Runge-Kutta公式解
x(i)=x(i-1)+h;%有解区间的值
yy(i)=—x(i)/(x(i)-1/2);%解析解
s(i)=abs(y(i)-yy(i));%误差项
end
[x’y’yy’s’]
结果:
(3)h=0。
4
a=1;
b=3;
h=0.4;
y
(1)=—2;
x
(1)=a;
n=(b—a)/h+1;
yy
(1)=-2;
fori=2:
n
k1=(y(i—1)^2+y(i-1))/x(i-1);
k2=((y(i-1)+h*k1/2)^2+(y(i—1)+h*k1/2))/(x(i—1)+h/2);
k3=((y(i—1)+h*k2/2)^2+(y(i-1)+h*k2/2))/(x(i—1)+h/2);
k4=((y(i-1)+h*k3)^2+(y(i—1)+h*k3))/(x(i-1)+h);
y(i)=y(i-1)+h*(k1+2*k2+2*k3+k4)/6;%四阶Runge-Kutta公式解
x(i)=x(i—1)+h;%有解区间的值
yy(i)=-x(i)/(x(i)—1/2);%解析解
s(i)=abs(y(i)—yy(i));%误差项
end
[x’y'yy’s']
结果:
通过上述的一些结果得出,四阶的Runge—Kutta方法的误差取决于步长的选取,因此,在实验的时候我们需要慎重的选取.一方面:
我们要减少误差,另一方面:
我们也需要尽可能的减少计算次数。
九、心得体会
通过这次课程设计我们不仅巩固了以前所学过的知识,而且学到很多在书本上没有学到的知识,使我们充分认识到理论与实际相结合的重要性,只有把所学的理论知识与实践相结合起来,从理论中得出结论,才能提高自己的实际动手能力和独立思考能力。
同时在设计的过程中发现了自己的不足之处,进一步加深了对所学知识的理解和掌握.
十、参考文献
1。
黄云清.数值计算方法.北京:
科学出版社
2.谭浩强.C程序设计.北京:
清华大学出版社
3.刘成等.C语言程序设计实验指导与习题集.北京:
中国铁道出版社