数值分析ch4
合集下载
ch4可信度与证据理论-3

2
C-F模型
在MYCIN中 CF(H, E) = MB(H, E) - MD(H, E)
其中: MB(H, E)(Measure Belief)指信任增长度,表示因与E匹 配的证据出现,使H为真的信任增长度。定义如下:
3
C-F模型
MD(H, E)(Measure Disbelief)指不信增长度,表示因与 E匹配的证据出现,使H为真的不信任增长度。定义如下:
24
加权不确定性推理
由r2 有: CF(E3 (0.5) AND E4 (0.3) AND E5 (0.2))= =0.5×0.7+0.3×0.6+0.2×0.5=0.63 因为λ2=0.6,CF(E3 AND E4 AND E5)>λ2 故r2可以使用。 因为 CF(E1 AND E2 )> CF(E3 AND E4 AND E5) 所以r1先被启用,然后才能启用r2。
E5 E6
0.49
E3 E8
16
加权不确定性推理
1、知识的不确定性表示
IF E1(ω1) AND E2(ω2) AND … En(ωn) THEN H (CF(H,E),λ)
其中,ωi是加权因子,且
λ是阈值,0<λ≤1,只有当CF(E)≥λ时才可使用该条知识。
17
加权不确定性推理
2、组合证据不确定性算法
将概率论中的单点赋值扩展为集合赋值,满足比概率更 弱的要求,可看作一种广义概率论。
27
不确定性方法比较
可信度方法:证据、结论和知识的不确定性以可信度 进行度量。
主观Bayes方法:证据与结论的不确定性以概率形式度 量,知识的不确定性以数值对(LS,LN)进行度量。
D-S理论:证据与结论用集合表示,不确定性度量用 信任函数与似然函数表示;知识的不确定性通过一个 集合形式的可信度因子表示。
C-F模型
在MYCIN中 CF(H, E) = MB(H, E) - MD(H, E)
其中: MB(H, E)(Measure Belief)指信任增长度,表示因与E匹 配的证据出现,使H为真的信任增长度。定义如下:
3
C-F模型
MD(H, E)(Measure Disbelief)指不信增长度,表示因与 E匹配的证据出现,使H为真的不信任增长度。定义如下:
24
加权不确定性推理
由r2 有: CF(E3 (0.5) AND E4 (0.3) AND E5 (0.2))= =0.5×0.7+0.3×0.6+0.2×0.5=0.63 因为λ2=0.6,CF(E3 AND E4 AND E5)>λ2 故r2可以使用。 因为 CF(E1 AND E2 )> CF(E3 AND E4 AND E5) 所以r1先被启用,然后才能启用r2。
E5 E6
0.49
E3 E8
16
加权不确定性推理
1、知识的不确定性表示
IF E1(ω1) AND E2(ω2) AND … En(ωn) THEN H (CF(H,E),λ)
其中,ωi是加权因子,且
λ是阈值,0<λ≤1,只有当CF(E)≥λ时才可使用该条知识。
17
加权不确定性推理
2、组合证据不确定性算法
将概率论中的单点赋值扩展为集合赋值,满足比概率更 弱的要求,可看作一种广义概率论。
27
不确定性方法比较
可信度方法:证据、结论和知识的不确定性以可信度 进行度量。
主观Bayes方法:证据与结论的不确定性以概率形式度 量,知识的不确定性以数值对(LS,LN)进行度量。
D-S理论:证据与结论用集合表示,不确定性度量用 信任函数与似然函数表示;知识的不确定性通过一个 集合形式的可信度因子表示。
受限空间可燃气体CH4爆炸数值分析

第 34 卷 第 7 期 2018 年 7 月
科技通报
BULLETIN OF SCIENCE AND TECHNOLOGY
Vol.34 No.7 Jul. 2018
受限空间可燃气体 CH4 爆炸数值分析
陈胜朋1,2,梁 栋1,2,褚燕燕1,2*
( 1.中山大学 工学院,广州 510006; 2.广东省消防科学技术重点实验室,广州 510006)
中图分类号: O659
文献标识码: A
DOI: 10. 13774 / j.cnki.kjtb.2018. 07. 003
文章编号: 1001-7119( 2018) 07-0016-05
Numerical Investigation of Combustible Gases CH4 Explosion in Enclosure
摘 要: SIMPLE 算法是如今广泛应用于流体力学和传热学计算的数值方法,用于描述流体的流动和传热现象。但 是,用于描述有限强度的压缩波或膨胀波物理过程的研究相对较少,如: 受限空间可燃气体的爆炸。以 CH4 作为研 究对象,用 ANSYS FLUENT 模拟 CH4 在二维平面爆炸过程受限空间气流温度,压力,密度,速度的变化情况。从 Navier-Stokes 方程出发,以 CH4 爆炸的那一时刻的温度和压力作为初始条件,固定远处壁面的气体速度为零作为边 界条件,对可燃气体爆炸的圆面域进行计算。从计算的收敛程度来看,计算精度较高。 关键词: 可燃气体; 爆炸; SIMPLE 算法; ANSYS FLUENT
Abstract: SIMPLE algorithm is now widely used in numerical methods of fluid mechanics and heat transfer calculations.The algorithm is used to describe fluid flow and heat transfer phenomena. However, the investigation of compression waves and expansion waves under the limited strength by the method are less,such as combustible gases explosion in enclosure. When CH4 was used studied and exploded in enclosure,the temperature,pressure,density and velocity of gases-fluid on the 2-dimensional plane were simulated by ANSYS FLUENT. Based on the Navier-Stokes equations. The temperature and pressure at the moment of CH4explosion were used as initial conditions. The fluid that velocity is zero far away fixed wall was used as boundary conditions. The circular field of combustible gases explosion was calculated with these conditions. The computation had higher accuracy from the convergence of computing. Keywords: combustible gases; explosion; SIMPLE algorithm; ANSYS FLUENT
科技通报
BULLETIN OF SCIENCE AND TECHNOLOGY
Vol.34 No.7 Jul. 2018
受限空间可燃气体 CH4 爆炸数值分析
陈胜朋1,2,梁 栋1,2,褚燕燕1,2*
( 1.中山大学 工学院,广州 510006; 2.广东省消防科学技术重点实验室,广州 510006)
中图分类号: O659
文献标识码: A
DOI: 10. 13774 / j.cnki.kjtb.2018. 07. 003
文章编号: 1001-7119( 2018) 07-0016-05
Numerical Investigation of Combustible Gases CH4 Explosion in Enclosure
摘 要: SIMPLE 算法是如今广泛应用于流体力学和传热学计算的数值方法,用于描述流体的流动和传热现象。但 是,用于描述有限强度的压缩波或膨胀波物理过程的研究相对较少,如: 受限空间可燃气体的爆炸。以 CH4 作为研 究对象,用 ANSYS FLUENT 模拟 CH4 在二维平面爆炸过程受限空间气流温度,压力,密度,速度的变化情况。从 Navier-Stokes 方程出发,以 CH4 爆炸的那一时刻的温度和压力作为初始条件,固定远处壁面的气体速度为零作为边 界条件,对可燃气体爆炸的圆面域进行计算。从计算的收敛程度来看,计算精度较高。 关键词: 可燃气体; 爆炸; SIMPLE 算法; ANSYS FLUENT
Abstract: SIMPLE algorithm is now widely used in numerical methods of fluid mechanics and heat transfer calculations.The algorithm is used to describe fluid flow and heat transfer phenomena. However, the investigation of compression waves and expansion waves under the limited strength by the method are less,such as combustible gases explosion in enclosure. When CH4 was used studied and exploded in enclosure,the temperature,pressure,density and velocity of gases-fluid on the 2-dimensional plane were simulated by ANSYS FLUENT. Based on the Navier-Stokes equations. The temperature and pressure at the moment of CH4explosion were used as initial conditions. The fluid that velocity is zero far away fixed wall was used as boundary conditions. The circular field of combustible gases explosion was calculated with these conditions. The computation had higher accuracy from the convergence of computing. Keywords: combustible gases; explosion; SIMPLE algorithm; ANSYS FLUENT
CH4随机变量的数字特征

例7 已知二维随机变量 (X,Y) 的联合概率分布如 下表,求
(1) 随机变量 S X Y 的数学期望 ( X Y ) (2) 随机变量 Z si n 的数学期望 2
X
Y
0
0.10 0.25 0.15
1
0.15 0.20 0.15
0
1
2
解
P100
例8 二维随机变量(X,Y) 的联合概率密度函数为
i 1 i 1
注意: 5的逆命题不一定成立.
例10 设X与Y 相互独立,它们的概率密度函数 分别为
2 x , f ( x) 0,
0 x1
其他
y2 9 , g( y ) 0,
0 y 3
其他
求:(1) E (aX bY ),
其中 a , b R; (2) E ( XY ).
i , j 1,2, ,
则 E g( X ,Y ) g( xi , y j ) pij
i j
(2)如果 X ,Y 是连续型随机变量,联合概率密度为
f ( x, y) 则
E g ( X ,Y )
g( x , y ) f ( x , y ) dxdy
1 EX p
2) 连续型随机变量 的数学期望 定义4.1.2 设 X 是连续型随机变量,X ~ f ( x ) 如果 x f ( x )dx 绝对收敛, 则称此无穷积分的值为 随机 变量 X 的数学期望,记作 EX 即 EX x f ( x )dx 说明:对连续型随机变量 X ~ f ( x )
解
0 1 X 1 0.3 0 0.3 0 .6 0 1 X Y 1 解 1 0.1 0.2 0.1 0 .4 P 0 .4 0 .2 0 .4 0 .4 0 .2 0 .4 1 Y 1.因为p1,0 0 P{ X 1} P{Y 0} 0.6 0.2
ch4 数理方程第3,4节(1)

l
将上式两边对x求导l次, 若 2l − 2n < l , 则对应项求导后为零,因此只需计算 2l − 2n ≥ l ,
6
l 即 n ≤ 的项, 2
1 2 l ( x − 1) = l l l 2 2 l ! dx
1
⎡l ⎤ ⎢2⎥ ⎣ ⎦ n
dl
(−1) n d l 2l − 2 n ∑ n !(l − n)! dxl x n =0
18
三、勒让德多项式的递推公式
从勒让德多项式的母函数表示式(3.10)可知
1 2 2
(1 − 2 xt + t ) w( x, t ) = 1
(3.18)
将此等式两边对t求偏导数,可知 w( x, t )
∂w (1 − 2 xt + t ) − ( x − t )w = 0 ∂t
2
满足如下的偏微分方程
Pn ( x) 为偶函数;当n为奇数时, ( x) 为奇函数, P
n
Pn (− x) = (−1)n Pn ( x)
(3.11)
8
Pn (1) = 1,
P2 n (0) = (−1) n
Pn (−1) = (−1) n .
(2n − 1) !! , (2n) !! P2 n +1 (0) = 0;
(3.19)
(3.10)
将
w( x, t ) =
1 1 − 2 xt + t
2
= ∑ Pn ( x) t n
n =0
∞
19
代入 (3.19) 右边可得
(1 − 2 xt + t )∑ nPn ( x) t
2 ∞ n −1 n =1
− ( x − t )∑ Pn ( x) t n = 0
将上式两边对x求导l次, 若 2l − 2n < l , 则对应项求导后为零,因此只需计算 2l − 2n ≥ l ,
6
l 即 n ≤ 的项, 2
1 2 l ( x − 1) = l l l 2 2 l ! dx
1
⎡l ⎤ ⎢2⎥ ⎣ ⎦ n
dl
(−1) n d l 2l − 2 n ∑ n !(l − n)! dxl x n =0
18
三、勒让德多项式的递推公式
从勒让德多项式的母函数表示式(3.10)可知
1 2 2
(1 − 2 xt + t ) w( x, t ) = 1
(3.18)
将此等式两边对t求偏导数,可知 w( x, t )
∂w (1 − 2 xt + t ) − ( x − t )w = 0 ∂t
2
满足如下的偏微分方程
Pn ( x) 为偶函数;当n为奇数时, ( x) 为奇函数, P
n
Pn (− x) = (−1)n Pn ( x)
(3.11)
8
Pn (1) = 1,
P2 n (0) = (−1) n
Pn (−1) = (−1) n .
(2n − 1) !! , (2n) !! P2 n +1 (0) = 0;
(3.19)
(3.10)
将
w( x, t ) =
1 1 − 2 xt + t
2
= ∑ Pn ( x) t n
n =0
∞
19
代入 (3.19) 右边可得
(1 − 2 xt + t )∑ nPn ( x) t
2 ∞ n −1 n =1
− ( x − t )∑ Pn ( x) t n = 0
数值分析引论 易大义Ch4.1

(1 4 1 1 ) 2 I 0 ;
f (1 )
f ( 1) 4 f (0 )
f (1 )
3 1
( 1 4 0 1) 0 I1;
(1 0 1 )
2 3
当 f ( x ) x 时 ( k 3 ),
3
3 1
f ( 1) 4 f (0 )
a
( n 1 )!
n1
( x ) dx ,
(1 .5 )
其中 n 1 ( x ) ( x x 0 )( x x 1 ) ( x x n ).
3. 举例 1 1 1 f ( x ) dx A 0 f ( ) A 1 f ( ) 例2 求插值型求积公式 1 2 2 并确定其代数精度. 分析 实际上该题目是求A0,A1,并确定其代数精度. 解 (一) 因 为 是 插 值 型 的 , 且 x 0 1 , x 1 1
问题
当给定节点 a x 0 x 1 x n b 及 f ( x i )( i 0 ,1 , , n ), 如何选择
求积系数 A 0 , , A n,使求积公式代数精度
尽量高?
解决方法
1.2 插值型求积公式 1. 方法
则
插值多项式
插值基函数
已知 ( x i , f ( x i )),求 L n ( x )
当 f ( x ) x 时 ( k 1 ),
当 f ( x ) x 时 ( k 2 ),
2
1 3 1
3 1
f ( 1) 4 f (0 )
f ( 1) 4 f (0 )
0, 2 , k 1
Ch4-数学建模方法

i
i
i 1
2
23
3. 各自变量的显著性检验
F 检验是对整个回归方程的检验,即对回归方程中 全部自变量的检验。为了考察各自变量 xi 的重要性, 还需逐一检验bi的显著性:
bi ~ ti (n p 1) • t检验: ti Cii S (i 1,2,, p)
对于给定的数据xi1,xi2,…,xip, yi, i=1,2,….,n, 依上式 得ti值, 再由给定的显著性水平α, 查t值分布表, 得临界 值 tα. 当ti > tα时, 认为在该显著水平下, 因变量y与自变 量xi之间有显著的线性关系.否则,认为xi对y的影响不显 著,无线性关系.
S a Se Sb
n k 1 n 2 k
2 xk
n
n k 1 2
2 xk
n k 1
xk
2
Se
k 1
x
n k 1
xk
n
10
2. 回归系数显著性检验
对系数b 作 t检验以判定因变量和自变量之间的线性 相关程度.假定检验的显著水平为α(例如α =0.05),从t值 表中查出自由度f=n-2下的临界值t α/2, 并按下式计算检 验的统计 t:
3
本章目录
4.1 回归分析法 4.2 聚类分析法
4.3 人工神经网络法
4.4 其他方法
4
4.1 回归分析法
5
一.
定量构效关系模型的求解方法
回归分析、判别分析、因子分析、模式识别、主 成分分析及聚类分析等多元统计分析方法常用于 QSAR/QSPR 的研究和建模。而普遍使用的分析方法 有: 1. 直观型:即对结构-活性进行似真性推理。通过 作图、列表等技术,并采用逻辑推理法来反映结构性 质和生物活性的关系。缺点是当有几种参数与生物活 性相关时就难以区分。 2. 回归分析:该方法是对一组数据进行最小二乘 法拟合处理并建立函数关系的过程。拟合函数的统计
i
i 1
2
23
3. 各自变量的显著性检验
F 检验是对整个回归方程的检验,即对回归方程中 全部自变量的检验。为了考察各自变量 xi 的重要性, 还需逐一检验bi的显著性:
bi ~ ti (n p 1) • t检验: ti Cii S (i 1,2,, p)
对于给定的数据xi1,xi2,…,xip, yi, i=1,2,….,n, 依上式 得ti值, 再由给定的显著性水平α, 查t值分布表, 得临界 值 tα. 当ti > tα时, 认为在该显著水平下, 因变量y与自变 量xi之间有显著的线性关系.否则,认为xi对y的影响不显 著,无线性关系.
S a Se Sb
n k 1 n 2 k
2 xk
n
n k 1 2
2 xk
n k 1
xk
2
Se
k 1
x
n k 1
xk
n
10
2. 回归系数显著性检验
对系数b 作 t检验以判定因变量和自变量之间的线性 相关程度.假定检验的显著水平为α(例如α =0.05),从t值 表中查出自由度f=n-2下的临界值t α/2, 并按下式计算检 验的统计 t:
3
本章目录
4.1 回归分析法 4.2 聚类分析法
4.3 人工神经网络法
4.4 其他方法
4
4.1 回归分析法
5
一.
定量构效关系模型的求解方法
回归分析、判别分析、因子分析、模式识别、主 成分分析及聚类分析等多元统计分析方法常用于 QSAR/QSPR 的研究和建模。而普遍使用的分析方法 有: 1. 直观型:即对结构-活性进行似真性推理。通过 作图、列表等技术,并采用逻辑推理法来反映结构性 质和生物活性的关系。缺点是当有几种参数与生物活 性相关时就难以区分。 2. 回归分析:该方法是对一组数据进行最小二乘 法拟合处理并建立函数关系的过程。拟合函数的统计
数值分析课件

2
(∫
π
−π
| f (t ) − g (t ) | dt
2
)
1/2
, 求证 A 有
界,但不是全有界。
证: ∀f n (t ) = sin nt ∈ A, d ( f n , 0) = π ,∴ A 有界; 又 ∵ d ( f n , f m ) = 2π (n ≠ m), A 中 有 可 数 无 穷 多 个 点 , 取
z 子 集
有 界 性
: 设 A ⊂ X, 若∃x0 ∈ X 和 有 限 数
r ∈ R1 , s.t.
∀x ∈ A, 有 d ( x, x0 ) < r ,称 A 是距离空间X中
的有界集,简称A有界。 z 点列收敛性:{xn } ⊂ X, x* ∈ X, ∀ε > 0, ∃N > 0, 当 n > N 时,
2. C[a, b] = { f (t ) f (t )在[a, b]上连续} ——连续函数空间
f (t ) − g (t ) ∀f (t ), g (t ) ∈ C[ a, b] , d ( f , g ) tmax ∈[ a ,b ]
2 3. L [ a, b] = f (t )
{
ห้องสมุดไป่ตู้
∫
| f (t ) |2 dt < +∞ ——平方可积函数空间 a
m, n > N 时, d ( xm , xn ) < ε , 称 {xn } 为 Cauchy 列或基本列。
证: d ( xm , xn ) ≤
d ( xn , x*) + d ( xm , x*)
z 完备性:若 X 中Cauchy列都是收敛列,则称 X 是完备距离 空间;否则,是不完备距离空间。 完备距离空间的例子:
(∫
π
−π
| f (t ) − g (t ) | dt
2
)
1/2
, 求证 A 有
界,但不是全有界。
证: ∀f n (t ) = sin nt ∈ A, d ( f n , 0) = π ,∴ A 有界; 又 ∵ d ( f n , f m ) = 2π (n ≠ m), A 中 有 可 数 无 穷 多 个 点 , 取
z 子 集
有 界 性
: 设 A ⊂ X, 若∃x0 ∈ X 和 有 限 数
r ∈ R1 , s.t.
∀x ∈ A, 有 d ( x, x0 ) < r ,称 A 是距离空间X中
的有界集,简称A有界。 z 点列收敛性:{xn } ⊂ X, x* ∈ X, ∀ε > 0, ∃N > 0, 当 n > N 时,
2. C[a, b] = { f (t ) f (t )在[a, b]上连续} ——连续函数空间
f (t ) − g (t ) ∀f (t ), g (t ) ∈ C[ a, b] , d ( f , g ) tmax ∈[ a ,b ]
2 3. L [ a, b] = f (t )
{
ห้องสมุดไป่ตู้
∫
| f (t ) |2 dt < +∞ ——平方可积函数空间 a
m, n > N 时, d ( xm , xn ) < ε , 称 {xn } 为 Cauchy 列或基本列。
证: d ( xm , xn ) ≤
d ( xn , x*) + d ( xm , x*)
z 完备性:若 X 中Cauchy列都是收敛列,则称 X 是完备距离 空间;否则,是不完备距离空间。 完备距离空间的例子:
数值分析引论 易大义Ch4.8-1

f (x2 )
2 x x0 x1 ( x 2 x 0 )( x 2 x 1 )
( 8 .4 )
得 L 2 ( x ) 2{
f (x0 )
( 8 .5 ) 2h x 2 x ( x h 1 )( x x 2 ) ( x 1hx 0 )( x 1 h2 ) ( x 2 h 0 )( x 2 hx 1 ) x 0 0 2 f ( x0 ) 2 f ( x1 ) f ( x 2 ) h (3) (4) hf ( 0 ) f ( 0 ) f ( x 0 ) 2 ( 8 .7 ) 6 h 2 f ( x0 ) 2 f ( x1 ) f ( x2 ) h (4) f ( 1 ) -精确度较高或收敛阶高 f ( x 1 ) 于是 2 12 h f ( x 2 ) f ( x 0 ) 2 f ( x 1 ) f ( x 2 ) hf ( 3 ) ( ) h 2 f ( 4 ) ( ) —显式方法 2 2 2 h 6 由 f ( x i ) P n ( x i ) n 1 ( x i ) f x 0 , x 1, , x n , x i 2 n 1 ( x i ) f x 0 , x 1, , x n , x i , x i ( 3 )
n 1 ( x ) f x 0 , x 1, , x n , x , x , x ,
f x 0 , x 1, , x n , x n 1 ( x )
R n( x ) n 1 ( x ) f x 0 , x 1, , x n , x 2 n 1 ( x ) f x 0 , x 1, , x n , x , x
x x 0 , x 1 , x 2 代入上式,得 1 f ( x 0 ) { 3 f ( x 0 ) 4 f ( x 1 ) f ( x 2 )} 2h 1 f ( x 1 ) { f ( x 0 ) f ( x 2 )} 2h 1 ( x 2 ) f { f ( x 0 ) 4 f ( x 1 ) 3 f ( x 2 )} 2h
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
Q y n + 1 = y n + h f( x n ,y n ) = y ( x n ) + h f( x n , y ( x n ) ) 由 y’(x) =f(x, y(x)) = y(x n )+ h y '(x n ) Taylor y '' (ξ ) 2 ' Q y(x n+1 )=y(x n +h) === y(x n )+hy (x n )+ h , ξ ∈ (x n , x n + 1 ) 2!
Ø f(x,y)在[a,b]上连续,且满足Lipschitz条件:
∃L,∀y1 ,y 2 , s.t. |f(x,y1 )-f(x,y 2 )| ≤ L|y1 -y 2 |
则初值问题Problem I有唯一解
Ø实际工程技术、生产、科研上会出现大量的微分方程问题
很难得到其解析解,有的甚至无法用解析表达式来表示, 因此只能依赖于数值方法去获得微分方程的数值解。
y 2 = y 1 + h f ( x 1 , y 1 ) = 1 .1 + 0 .1 × (1 .1 −
y 3 = y 2 + hf ( x 2 , y 2 ) = 1.277438
……
2 × 0 .1 ) = 1 .1 9 1 8 1 8 1 .1
又其精确解为 y = 2 x + 1 整体误差 ek+1 = y( xk+1 ) − yk+1 ,下面对其加以分析
y(x0 )=y0 n=0,1,2, ⋅⋅⋅⋅⋅⋅ yn+1=yn+hf(xn ,yn )
几何意义
1. y(x)过点P0(x0,y0)且 在任意点(x,y)的切线 斜率为f(x,y), 2. y(x)在点P0(x0,y0)的 切线方程为: y=y0 +f(x 0 ,y0 )(x-x 0 ) 在切线上取点P1 (x1,y1)
从表中看出误差在逐步增加、积累 % 10 = y( x9 ) + hf ( x9 , y( x9 )) = 1.7330815 y %10 = 0.00103 而误差是 y( x10 ) − y10 = 0.05272 局部截断误差 y( x10 ) − y
数值积分法
y ' = f (x , y ) y (x 0 ) = y 0
欧拉法(续)
@用向后差商近似代替微商:
y'(xn+1 ) ≈ y[xn ,xn+1 ]= y(xn+1 )-y(xn ) h=xn+1 -xn h y(x n+ 1 )-y(x n ) ⇒ y(x ) ≈ y(x )+hf(x ,y(x )) n+1 n n+1 n+1 ∴ f(x n+ 1 , y(x n+ 1 ) ) ≈ h
欧拉法(续)
y ' = f (x, y ) y (x 0 ) = y 0
@用中心差商近似代替微商:
y(xn+1 )-y(xn-1 ) y'(xn ) ≈ y[xn-1 ,xn+1 ]= 2h y(xn+1 )-y(xn-1 ) ⇒ f(xn ,y(xn )) ≈ 2h
y(x0 )=y0 n=0,1,2, ⋅⋅⋅ yn+1=yn-1+2hf(xn ,yn )
—— 二步欧拉法
注:计算时,先用欧拉法求出y1 ,以后再用二步欧拉法计算。
欧拉法(续)
公式 y n+1=y n +hf(x n ,y n )
y n+1 =y n +hf(x n+1 ,y n+1 ) y n+1 =y n-1 +2hf(x n ,y n )
单步否 单步 单步 二步
显式否 显式 隐式 显式
y
y ' = f (x , y ) y (x 0 ) = y 0
p2 p3
y(x) p4
p1 p0
y1 =y0 +hf(x 0 ,y0 )
y1正是Euler 公式所求。
x0
x1
x2
x3
x4
x
3. 类似2,过P1以f (x1,y1)为斜率作直线,近似平行于y(x)在x1的 切线,在其上取点P2(x2,y2),依此类推… 4.折线P0 P1 P2 …Pn…作为曲线y(x)的近似 ——欧拉折线法
y n+1=y n +hf(x n ,y n ) y n+1 =y n +hf(x n+1 ,y n+1 )
f ( x ,y ) d x ⇒ y ( x n + 1 ) − y ( x n ) =
n+1
∴
∫
x n+1 xn
y ( x)dx =
'
∫
x n+1 xn∫ Nhomakorabeax n+1 xn
f (x, y( x) ) dx
4.1 欧拉公式
@思想:用向前差商近似代替微商.
y ' = f (x, y ) y (x 0 ) = y 0
y(x n+1 )-y(x n ) y'(x n ) ≈ h
h=x n+1 -x n
y(x n+1 )-y(x n ) ∴ f(x n ,y(x n )) ≈ . h ∴ y(x n+1 ) ≈ y(x n )+hf(x n ,y(x n )) ∴ y n+1=y n +hf(x n ,y n ) ——欧拉公式(Euler Schema)
y ' = f (x, y ) y (x 0 ) = y 0
?
∴ y n+1=y n +hf(x n+1 ,y n+1 ) ——隐式欧拉公式
y(x0)=y0 n=0,1,2, ⋅⋅⋅⋅⋅⋅ yn+1=yn+hf(xn+1,yn+1)
注:用隐式欧拉法,每一步都需解方程 (或先解出yn+1的显式表达式),但其稳定性好。
f(xn+1,yn+1)=f(xn+1,y(xn+1)+(yn+1 -y(xn+1)) =f(xn+1,y(xn+1))+fy(xn+1,η)(yn+1-y(xn+1)),η介于yn+1与y(xn+1)之间 =y’(xn+1)+fy(xn+1,η)(yn+1-y(xn+1)) =y’(xn)+hy”(xn)+O(h2) +fy(xn+1,η)(yn+1-y(xn+1)) =f(xn,yn)+hy”(xn) +fy(xn+1,η)(yn+1-y(xn+1)) +O(h2) 又y(xn+1)= y(xn +h) = y(xn)+hy’(xn)+h2y”(xn) /2 +O(h3) =yn+hf(xn,yn)+h2y”(xn)/2+O(h3) =yn+hf(xn,yn)/2+h[f(xn,yn)+hy”(xn)]/2+O(h3)
f(xn+1,yn+1)=f(xn,yn)+hy”(xn) +fy(xn+1,η)(yn+1-y(xn+1)) +O(h2) y(xn+1)= yn+hf(xn,yn)/2+h[f(xn,yn)+hy”(xn)]/2+O(h3) = yn+hf(xn,yn)/2+h [f(xn+1,yn+1) - fy(xn+1,η)(yn+1-y(xn+1)) +O(h2)]/2+O(h3) = yn +h[f(xn,yn) + f(xn+1,yn+1) ]/2 + h fy(xn+1,η)(y(xn+1) - yn+1) /2 +O(h3) 从而y(xn+1)=yn+1+h fy(xn+1,η)[y(xn+1)-yn+1] /2 +O(h3) ∴y(xn+1)-yn+1 = h fy(xn+1,η)[y(xn+1)-yn+1] /2 +O(h3) ∴y(xn+1)-yn+1=O(h3)/[1-hfy(xn+1,η)/2]=O(h3) ∴梯形公式的截断误差为O(h3),其精度是2阶。
截断误差y(xn+1)-yn+1
局部截断误差
定义1 假设yn=y(xn) ,即第n步计算是精确的前提下,称 Rn+1=y(xn+1)-yn+1为欧拉法的局部截断误差. 注:无yn=y(xn) 前提下,称Rn+1为整体截断误差。 定义2 若某算法的局部截断误差为O(hp+1),称该算法有p阶精度. 定理 欧拉法的精度是一阶。 分析:证明其局部截断误差为O(h2),可通过Taylor展开式分析。 证明: Euler 公式为 y n + 1 = y n + h f( x n ,y n ) 令yn=y(xn),下证: y(xn+1)-yn+1 = O(h2)
yn+1=yn-1+2hf(xn ,yn ) = y(x n-1 ) +2hf( x n ,y (x n ))= y ( x n - 1 ) + 2 h y ' ( x n )
Ø f(x,y)在[a,b]上连续,且满足Lipschitz条件:
∃L,∀y1 ,y 2 , s.t. |f(x,y1 )-f(x,y 2 )| ≤ L|y1 -y 2 |
则初值问题Problem I有唯一解
Ø实际工程技术、生产、科研上会出现大量的微分方程问题
很难得到其解析解,有的甚至无法用解析表达式来表示, 因此只能依赖于数值方法去获得微分方程的数值解。
y 2 = y 1 + h f ( x 1 , y 1 ) = 1 .1 + 0 .1 × (1 .1 −
y 3 = y 2 + hf ( x 2 , y 2 ) = 1.277438
……
2 × 0 .1 ) = 1 .1 9 1 8 1 8 1 .1
又其精确解为 y = 2 x + 1 整体误差 ek+1 = y( xk+1 ) − yk+1 ,下面对其加以分析
y(x0 )=y0 n=0,1,2, ⋅⋅⋅⋅⋅⋅ yn+1=yn+hf(xn ,yn )
几何意义
1. y(x)过点P0(x0,y0)且 在任意点(x,y)的切线 斜率为f(x,y), 2. y(x)在点P0(x0,y0)的 切线方程为: y=y0 +f(x 0 ,y0 )(x-x 0 ) 在切线上取点P1 (x1,y1)
从表中看出误差在逐步增加、积累 % 10 = y( x9 ) + hf ( x9 , y( x9 )) = 1.7330815 y %10 = 0.00103 而误差是 y( x10 ) − y10 = 0.05272 局部截断误差 y( x10 ) − y
数值积分法
y ' = f (x , y ) y (x 0 ) = y 0
欧拉法(续)
@用向后差商近似代替微商:
y'(xn+1 ) ≈ y[xn ,xn+1 ]= y(xn+1 )-y(xn ) h=xn+1 -xn h y(x n+ 1 )-y(x n ) ⇒ y(x ) ≈ y(x )+hf(x ,y(x )) n+1 n n+1 n+1 ∴ f(x n+ 1 , y(x n+ 1 ) ) ≈ h
欧拉法(续)
y ' = f (x, y ) y (x 0 ) = y 0
@用中心差商近似代替微商:
y(xn+1 )-y(xn-1 ) y'(xn ) ≈ y[xn-1 ,xn+1 ]= 2h y(xn+1 )-y(xn-1 ) ⇒ f(xn ,y(xn )) ≈ 2h
y(x0 )=y0 n=0,1,2, ⋅⋅⋅ yn+1=yn-1+2hf(xn ,yn )
—— 二步欧拉法
注:计算时,先用欧拉法求出y1 ,以后再用二步欧拉法计算。
欧拉法(续)
公式 y n+1=y n +hf(x n ,y n )
y n+1 =y n +hf(x n+1 ,y n+1 ) y n+1 =y n-1 +2hf(x n ,y n )
单步否 单步 单步 二步
显式否 显式 隐式 显式
y
y ' = f (x , y ) y (x 0 ) = y 0
p2 p3
y(x) p4
p1 p0
y1 =y0 +hf(x 0 ,y0 )
y1正是Euler 公式所求。
x0
x1
x2
x3
x4
x
3. 类似2,过P1以f (x1,y1)为斜率作直线,近似平行于y(x)在x1的 切线,在其上取点P2(x2,y2),依此类推… 4.折线P0 P1 P2 …Pn…作为曲线y(x)的近似 ——欧拉折线法
y n+1=y n +hf(x n ,y n ) y n+1 =y n +hf(x n+1 ,y n+1 )
f ( x ,y ) d x ⇒ y ( x n + 1 ) − y ( x n ) =
n+1
∴
∫
x n+1 xn
y ( x)dx =
'
∫
x n+1 xn∫ Nhomakorabeax n+1 xn
f (x, y( x) ) dx
4.1 欧拉公式
@思想:用向前差商近似代替微商.
y ' = f (x, y ) y (x 0 ) = y 0
y(x n+1 )-y(x n ) y'(x n ) ≈ h
h=x n+1 -x n
y(x n+1 )-y(x n ) ∴ f(x n ,y(x n )) ≈ . h ∴ y(x n+1 ) ≈ y(x n )+hf(x n ,y(x n )) ∴ y n+1=y n +hf(x n ,y n ) ——欧拉公式(Euler Schema)
y ' = f (x, y ) y (x 0 ) = y 0
?
∴ y n+1=y n +hf(x n+1 ,y n+1 ) ——隐式欧拉公式
y(x0)=y0 n=0,1,2, ⋅⋅⋅⋅⋅⋅ yn+1=yn+hf(xn+1,yn+1)
注:用隐式欧拉法,每一步都需解方程 (或先解出yn+1的显式表达式),但其稳定性好。
f(xn+1,yn+1)=f(xn+1,y(xn+1)+(yn+1 -y(xn+1)) =f(xn+1,y(xn+1))+fy(xn+1,η)(yn+1-y(xn+1)),η介于yn+1与y(xn+1)之间 =y’(xn+1)+fy(xn+1,η)(yn+1-y(xn+1)) =y’(xn)+hy”(xn)+O(h2) +fy(xn+1,η)(yn+1-y(xn+1)) =f(xn,yn)+hy”(xn) +fy(xn+1,η)(yn+1-y(xn+1)) +O(h2) 又y(xn+1)= y(xn +h) = y(xn)+hy’(xn)+h2y”(xn) /2 +O(h3) =yn+hf(xn,yn)+h2y”(xn)/2+O(h3) =yn+hf(xn,yn)/2+h[f(xn,yn)+hy”(xn)]/2+O(h3)
f(xn+1,yn+1)=f(xn,yn)+hy”(xn) +fy(xn+1,η)(yn+1-y(xn+1)) +O(h2) y(xn+1)= yn+hf(xn,yn)/2+h[f(xn,yn)+hy”(xn)]/2+O(h3) = yn+hf(xn,yn)/2+h [f(xn+1,yn+1) - fy(xn+1,η)(yn+1-y(xn+1)) +O(h2)]/2+O(h3) = yn +h[f(xn,yn) + f(xn+1,yn+1) ]/2 + h fy(xn+1,η)(y(xn+1) - yn+1) /2 +O(h3) 从而y(xn+1)=yn+1+h fy(xn+1,η)[y(xn+1)-yn+1] /2 +O(h3) ∴y(xn+1)-yn+1 = h fy(xn+1,η)[y(xn+1)-yn+1] /2 +O(h3) ∴y(xn+1)-yn+1=O(h3)/[1-hfy(xn+1,η)/2]=O(h3) ∴梯形公式的截断误差为O(h3),其精度是2阶。
截断误差y(xn+1)-yn+1
局部截断误差
定义1 假设yn=y(xn) ,即第n步计算是精确的前提下,称 Rn+1=y(xn+1)-yn+1为欧拉法的局部截断误差. 注:无yn=y(xn) 前提下,称Rn+1为整体截断误差。 定义2 若某算法的局部截断误差为O(hp+1),称该算法有p阶精度. 定理 欧拉法的精度是一阶。 分析:证明其局部截断误差为O(h2),可通过Taylor展开式分析。 证明: Euler 公式为 y n + 1 = y n + h f( x n ,y n ) 令yn=y(xn),下证: y(xn+1)-yn+1 = O(h2)
yn+1=yn-1+2hf(xn ,yn ) = y(x n-1 ) +2hf( x n ,y (x n ))= y ( x n - 1 ) + 2 h y ' ( x n )