经典四阶龙格库塔法解一阶微分方程组Word文档格式.docx
《经典四阶龙格库塔法解一阶微分方程组Word文档格式.docx》由会员分享，可在线阅读，更多相关《经典四阶龙格库塔法解一阶微分方程组Word文档格式.docx（38页珍藏版）》请在冰豆网上搜索。
y1=y0+h*（g1+2*g2+2*g3+g4）/6;
resu[0]=t0+h;
resu[1]=x1;
resu[2]=y1;
}
intmain（）
doublef（doublet,doublex,doubley）;
doubleg（doublet,doublex,doubley）;
doubleinitial[3],resu[3];
doublea,b,H;
doublet,step;
inti;
cout<
<
"
输入所求微分方程组的初值t0,x0,y0:
;
cin>
>
initial[0]>
initial[1]>
initial[2];
输入所求微分方程组的微分区间[a,b]:
a>
b;
输入所求微分方程组所分解子区间的个数step:
step;
setiosflags（ios:
:
right）<
fixed）<
setprecision（10）;
H=（b-a）/step;
initial[0]<
setw（18）<
initial[1]<
initial[2]<
endl;
for（i=0;
i<
i++）
{RK4（f,g,initial,resu,H）;
cout<
resu[0]<
setw（20）<
resu[1]<
resu[2]<
initial[0]=resu[0];
initial[1]=resu[1];
initial[2]=resu[2];
return（0）;
doublef（doublet,doublex,doubley）
doubledx;
dx=x+2*y;
return（dx）;
doubleg（doublet,doublex,doubley）
doubledy;
dy=3*x+2*y;
return（dy）;
1.4经典四阶龙格库塔法解一阶微分方程程序调试结果图示：
应用所编写程序计算所给例题：
其中初值为
求解区间为[0,0.2]。
计算结果为:
图1-2经典四阶龙格库塔法解一阶微分方程算法程序调试图
2.高斯列主元法解线性方程组
2.1高斯列主元法解线性方程组算法分析
使用伪代码编写高斯消元过程：
fork=1ton-1do
fori=k+1ton
l<
=a（i,k）/a（k,k）
forj=ktondo
a（i,j）<
=a（i,j）-l*a（k,j）
end
%endofforj
b（i）<
=b（i）-l*b（k）
%endoffori
%endoffork
最后得到A，b可以构成上三角线性方程组
接着使用回代法求解上三角线性方程组
因为高斯消元要求a（k,k）≠0（k=1,2,3……n-1）这就需要对高斯消元过程进行完善，即使用高斯列主元法：
其步骤为：
①找主元：
计算
并记录其所在行r,
②交换第r行与第k行；
③以第k行为工具行处理以下各行，使得从第k列的第k+1行到第n行的元素全部为0；
④得到增广矩阵的上三角线性方程组；
⑤使用回代法对上三角线性方程组进行求解
2.2高斯列主元法解线性方程组流程图
图2-1高斯列主元法解线性方程组流程图
2.3高斯列主元法解线性方程组程序代码
#include<
cmath>
#defineN3
voidmain（）
{inti,j,k,n,p;
floatt,s,m,a[N][N],b[N],x[N];
请输入方程组的系数"
N;
{for（j=0;
j<
j++）
a[i][j];
请输入方程组右端的常数项:
cin>
b[i];
for（j=0;
N-1;
{p=j;
for（i=j+1;
i++）
//寻找系数矩阵每列的最大值
{if（fabs（a[i][j]）>
fabs（a[p][j]））
p=i;
}
if（p!
=j）
//交换第p行与第j行
{for（k=0;
k<
k++）
{
t=a[j][k];
a[j][k]=a[p][k];
a[p][k]=t;
}
//交换常数项的第p行与第j行
t=b[p];
b[p]=b[j];
b[j]=t;
//把系数矩阵第j列a[j][j]下面的元素变为0
{
m=-a[i][j]/a[j][j];
for（n=j;
n<
n++）
a[i][n]=a[i][n]+a[j][n]*m;
b[i]=b[i]+b[j]*m;
}
//求方程组的一个解
x[N-1]=b[N-1]/a[N-1][N-1];
//回代法求方程组其他解
for（i=N-2;
i>
=0;
i--）
s=0.0;
for（j=N-1;
j>
i;
j--）
s=s+a[i][j]*x[j];
x[i]=（b[i]-s）/a[i][i];
方程组的解如下:
for（i=0;
=N-1;
x[i]<
2.4高斯列主元法解线性方程组程序调试结果图示：
求解下列方程组
图2-2高斯列主元法解线性方程组程序算法调试图
3.牛顿法解非线性方程组
3.1牛顿法解非线性方程组算法说明
牛顿法主要思想是用
进行迭代。
因此首先需要算出
的雅可比矩阵
，再求过
求出它的逆
，当它达到某个精度时即停止迭代。
具体算法如下：
首先设
已知。
①：
计算函数
（3-1）
②：
计算雅可比矩阵
（3-2）
（3-3）
③：
求线性方程组
的解
。
④：
计算下一点
重复上述过程。
3.2牛顿法解非线性方程组流程图
图3-1牛顿法解非线性方程组流程图
3.3牛顿法解非线性方程组程序代码
#defineN2
//非线性方程组中方程个数、未知量个数
#defineEpsilon0.0001
//差向量1范数的上限
#defineMax
100
//最大迭代次数
constintN2=2*N;
voidff（floatxx[N],floatyy[N]）;
//计算向量函数的因变量向量yy[N]
voidffjacobian（floatxx[N],floatyy[N][N]）;
//计算雅克比矩阵yy[N][N]
voidinv_jacobian（floatyy[N][N],floatinv[N][N]）;
//计算雅克比矩阵的逆矩阵inv
voidnewdundiedai（floatx0[N],floatinv[N][N],floaty0[N],floatx1[N]）;
//由近似解向量x0计算近似解向量x1
floatx0[N]={2.0,0.25},y0[N],jacobian[N][N],invjacobian[N][N],x1[N],errorno
rm;
inti,j,iter=0;
//如果取消对x0的初始化，撤销下面两行的注释符，就可以由键盘向x0读入初始近似解向量
//for（i=0;
//
x0[i];
初始近似解向量：
for（i=0;
x0[i]<
"
do
iter=iter+1;
第"
iter<
次迭代开始"
//计算向量函数的因变量向量y0
ff（x0,y0）;
//计算雅克比矩阵jacobian
ffjacobian（x0,jacobian）;
//计算雅克比矩阵的逆矩阵invjacobian
inv_jacobian（jacobian,invjacobian）;
newdundiedai（x0,invjacobian,y0,x1）;
//计算差向量的1范数errornorm
errornorm=0;
errornorm=errornorm+fabs（x1[i]-x0[i]）;
if（errornorm<
Epsilon）break;
x0[i]=x1[i];
}while（iter<
Max）;
return0;
voidff（floatxx[N],floatyy[N]）
{floatx,y;
x=xx[0];
y=xx[1];
yy[0]=x*x-2*x-y+0.5;
yy[1]=x*x+4*y*y-4;
向量函数的因变量向量是：
for（i=0;
yy[i]<
voidffjacobian（floatxx[N],floatyy[N][N]）
floatx,y;
inti,j;
//jacobianhaven*nelement
yy[0][0]=2*x-2;
yy[0][1]=-1;
yy[1][0]=2*x;
yy[1][1]=8*y;
雅克比矩阵是：
{for（j=0;
yy[i][j]<
voidinv_jacobian（floatyy[N][N],floatinv[N][N]）
{floataug[N][N2],L;
inti,j,k;
开始计算雅克比矩阵的逆矩阵：
for（i=0;
for（j=0;
aug[i][j]=yy[i][j];
for（j=N;
N2;
if（j==i+N）aug[i][j]=1;
else
aug[i][j]=0;
aug[i][j]<
for（k=i+1;
{L=-aug[k][i]/aug[i][i];
for（j=i;
aug[k][j]=aug[k][j]+L*aug[i][j];
{
for（i=N-1;
0;
i--）
for（k=i-1;
k>
k--）
for（j=N2-1;
aug[i][j]=aug[i][j]/aug[i][i];
inv[i][j-N]=aug[i][j];
雅克比矩阵的逆矩阵：
inv[i][j]<
voidnewdundiedai（floatx0[N],floatinv[N][N],floaty0[N],floatx1[N]）
floatsum=0;
{sum=0;
sum=sum+inv[i][j]*y0[j];
x1[i]=x0[i]-sum;
近似解向量：
x1[i]<
3.4牛顿法解非线性方程组程序调试结果图示：
图3-2牛顿法解非线性方程组程序算法调试图
图3-3牛顿法解非线性方程组程序算法调试图
图3-4牛顿法解非线性方程组程序算法调试图
4.龙贝格求积分算法
4.1龙贝格求积分算法分析
生成j>
=k的近似积分结果逼近表，并以R（j+1,j+1）为最终解来逼近积分。
R（j,0）=T（j）,j>
=0,T（j）为区间逐次减半递推梯形求积分公式算出的结果；
R（j,1）=S（j）,j>
=1,S（j）为区间逐次减半递推辛普森求积分公式算出的结果；
（4-1）
R（j,2）=B（j）,j>
=2,B（j）为递推布尔求积分公式算出的结果；
（4-2）
生成
的逼近表
，并以
为最终解来逼近积分
（4-3）
逼近
存在于一个特别的下三角矩阵中，第0列元素
用基于
个[a,b]子区间的连续梯形方法计算，然后利用龙贝格公式计算
当
时，第
行的元素为
时，程序在第
行结束。
4.2龙贝格积分算法流程图
图4-1龙贝格积分算法流程图
4.3龙贝格积分算法程序代码
stdio.h>
math.h>
#definef（x）（sin（x））
//列举函数
#defineN_H20
#defineMAX
10
#define
a
0
//所求积分的上下限
b
1
epsilon
0.0001
//所需精度
doubleRomberg（doubleaa,doublebb,longintn）
inti;
doublesum,h=（bb-aa）/n;
sum=0;
for（i=1;
n;
sum+=f（aa+i*h）;
sum+=（f（aa）+f（bb））/2;
return（h*sum）;
longintn=N_H,m=0;
doubleT[2][MAX+1];
T[1][0]=Romberg（a,b,n）;
n*=2;
for（m=1;
m<
MAX;
m++）
m;
{T[0][i]=T[1][i];
n=n*2;
for（i=1;
=m;
T[1][i]=T[1][i-1]+（T[1][i-1]-T[0][i-1]）/（pow（2,2*m）-1）;
if（（T[0][m-1]-T[1][m]）<
epsilon）
T="
T[1][m]<
return;
4.4龙贝格积分算法调试图
求
在
区间上的精度为0.0001的积分
图4-2龙贝格积分程序算法调试图
5.三次样条插值算法
5.1三次样条插值基本算法说明：
表5-1三次样条插值基本算法说明
策略描述
包含
和
的方程
（i）三次紧压样条，确定
，
（如果导数已知，这是“最佳选择”）
（ii）natural三次样条（一条“松弛曲线”）
（iii）外挂
到端点
若已知N+1个点的
及其一阶导数的边界条件S’（a）=
和S’（b）=
则存在唯一的三次样条曲线。
构造并求解下列线性方程组
（5-1）
（5-2）
当得到系数{
}后，可利用如下公式计算样条函数
（5-3）
为了更有效的计算，每个三次多项式可表示成嵌套乘的形式，也可以写为如下形式：
（5-4）
5.2三次样条插值算法程序代码
stdlib.h>
#defineMAX4
double*diff（doubleX[],intn）
inti=0;
d
升级会员 