偏微分方程的几种数值解法及其应用
偏微分方程数值方法
偏微分方程数值方法偏微分方程（Partial Differential Equation, PDE）是数学中的一种重要的方程类型，它描述了一个函数的多个变量的变化关系。
解决偏微分方程的数值方法在科学和工程领域有着广泛的应用。
本文将介绍几种常见的偏微分方程数值方法，并对其进行详细阐述。
1. 差分法（Finite Difference Method）：差分法是最早也是最直接的一种数值方法，它基于连续函数在一些点的导数可以用它的前向、后向或中心的差商来近似的思想。
偏微分方程的差分格式包括向前差分法、向后差分法和中心差分法等。
对于二维的偏微分方程，可以采用网格化的方式将空间离散化，然后利用差分法进行近似求解。
2. 有限元法（Finite Element Method）：有限元法是一种基于原始形式或变分形式对偏微分方程进行离散化的方法。
在有限元法中，将求解域分割成许多小的、简单的几何单元，然后在每个单元上构建近似解函数和试验函数。
通过构建弱形式并应用基本的变分原理，可以得到离散化的方程组，并通过求解这个方程组来得到数值解。
3. 有限差分法（Finite Difference Method）：有限差分法是一种将连续的偏微分方程离散化成差分方程的方法。
它与差分法的主要区别在于有限差分法不需要对求解域进行网格化，而是直接在连续的求解域上进行离散化。
将偏微分方程中的导数通过差商来近似，然后通过求解离散化的差分方程来得到数值解。
4. 有限体积法（Finite Volume Method）：有限体积法是一种将偏微分方程离散化为离散体积元的方法。
在有限体积法中，将求解域划分成离散的控制体积，然后通过对控制体积的积分运算，将偏微分方程转化为离散的代数方程组。
然后通过求解得到的代数方程组，可以得到数值解。
以上介绍的只是几种常见的偏微分方程数值方法，实际上还有很多其他的方法，如边界元法（Boundary Element Method）、谱方法（Spectral Method）、逆问题方法（Inverse Problem Method）等。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程是描述自然界许多现象的一种数学模型，它包含多个独立变量，并且方程中的未知函数同时取决于这些变量。
偏微分方程的数值方法是一种求解这类方程的途径，它通过将连续的方程转化为离散的方程，从而使得问题成为一个适用于计算机求解的形式。
本文将介绍几种常用的偏微分方程数值方法。
1. 有限差分法 (Finite Difference Method)有限差分法是最常用的偏微分方程数值方法之一、它将连续的偏微分方程转化为离散的差分方程，通过计算差分方程的近似解来获得原方程的数值解。
在有限差分法中，首先将空间域离散化成网格，再将时间域离散化成步长。
通过近似替代偏微分方程中的导数，将方程转化为差分方程。
通过求解差分方程的解，可以得到偏微分方程的数值解。
2. 有限元法 (Finite Element Method)有限元法是另一种常用的偏微分方程数值方法。
它将连续的偏微分方程转化为离散的代数方程，通过求解代数方程来获得原方程的数值解。
在有限元法中，首先将空间域离散化成有限个小区域，称为有限元。
然后通过选取适当的试探函数和权重函数在每个有限元内部进行插值。
通过将插值函数带入原方程，使用变分原理和加权残差法推导出离散的代数方程。
再通过求解代数方程组的解来得到偏微分方程的数值解。
3. 边界元法 (Boundary Element Method)边界元法也是一种常用的偏微分方程数值方法。
它将连续的偏微分方程转化为边界上的积分方程，通过求解积分方程来获得原方程的数值解。
在边界元法中，将问题的物理域分为两个区域：内域和外域。
通过在内域内求解偏微分方程，得到内域的数值解。
然后通过边界条件将内域的解扩展到整个物理域的边界上。
最后将边界上的积分方程转化为代数方程组，并求解之得到最终的数值解。
4. 谱方法 (Spectral Method)谱方法是一种高精度的偏微分方程数值方法，它同时利用了空间域和频率域的特性。
偏微分方程的数值方法
偏微分方程的数值方法偏微分方程（Partial Differential Equations，简称PDEs）是数学中研究的重要分支，广泛应用于物理学、工程学等领域中。
由于一些复杂的PDEs难以找到解析解，因此需要借助数值方法进行求解。
本文将介绍偏微分方程的数值解法，包括有限差分法、有限元法和谱方法等。
一、有限差分法（Finite Difference Method）有限差分法是解偏微分方程最常用的数值方法之一。
它将偏微分方程中的导数用差商来近似，将空间离散成若干个小区间和时间离散成若干个小时间步长。
通过求解离散化后的代数方程，可以得到原偏微分方程的数值解。
以二维的泊松方程为例，偏微分方程可以表示为：∂²u/∂x² + ∂²u/∂y² = f(x, y)其中，u(x, y)为未知函数，f(x, y)为已知函数。
我们可以将空间离散成Nx × Ny个小区间，时间离散成Nt个小时间步长。
利用中心差分法可以近似表示导数，我们可以得到离散化的代数方程组。
二、有限元法（Finite Element Method）有限元法是一种重要的数值解PDEs的方法。
它将求解区域离散化成一系列的单元，再通过插值函数将每个单元上的未知函数近似表达。
然后，利用加权残差方法，将PDEs转化成代数方程组。
在有限元法中，采用形函数来近似未知函数。
将偏微分方程转化为弱形式，通过选取适当的形函数和权函数，可以得到离散化后的代数方程组。
有限元法适用于求解各种各样的偏微分方程，包括静态和动态、线性和非线性、自由边界和固定边界等问题。
三、谱方法（Spectral Method）谱方法是一种基于特殊函数（如正交多项式）的数值方法，用于解PDEs。
谱方法在求解偏微分方程时，利用高阶连续函数拟合初始条件和边界条件，通过调整特殊函数的系数来近似求解解析解。
谱方法具有高精度和快速收敛的特点，适用于各种偏微分方程求解。
偏微分方程数值解法及其在机械工程中的应用
偏微分方程数值解法及其在机械工程中的应用偏微分方程是描述自然界许多现象的重要数学工具，广泛应用于物理学、工程学等领域。
现代科技的发展，需要对偏微分方程进行数值求解，以获得实用的有效解答。
本文将介绍一些常用的偏微分方程数值解法，并探讨这些方法在机械工程中的应用。
一、偏微分方程的基本概念偏微分方程（Partial Differential Equation，简称PDE）是描述函数的变化率与它的各个自变量之间关系的方程。
常见的偏微分方程包括波动方程、扩散方程和泊松方程等。
例如，波动方程可以写作：∂²u/∂t² = c²∇²u其中，u是波动的位移，t是时间，c是波速，∇²u是拉普拉斯算子，表示u各方向二阶偏导数的和。
二、偏微分方程数值求解方法由于偏微分方程通常难以解析求解，因此需要采用数值求解方法。
下面分别介绍有限差分法、有限元法和谱方法三种常用的数值解法。
1. 有限差分法有限差分法（Finite Difference Method，简称FDM）将偏微分方程中的微分算子用差分算子代替，将求解区域离散化为网格点，并在这些点上逐一求解。
基本思想是用中心差分公式近似求得函数在某点处的导数，然后用差分公式得到下一时刻的函数值。
有限差分法简单易行，计算效率高，但需要使用较大的网格才能保证精度。
2. 有限元法有限差分法只能适用于规则网格，而有限元法（Finite Element Method，简称FEM）即使在不规则网格上求解也很有优势。
有限元法将求解区域分成若干个小区域，每个小区域内的函数值近似为一些基函数在该区域内的系数之和。
给定问题的初始边界条件和偏微分方程，可以得到解方程所需的线性方程组，进而求出各个区域内的系数。
有限元法需要选择一组适当的基函数及其系数，计算量较大，但对不规则边界问题的求解有较好的适用性。
3. 谱方法谱方法（Spectral Method）是一种基于傅里叶变换思想的数值解法，将函数在某个特定的函数空间内展开为傅里叶级数，即用一些特定的基函数展开求和。
偏微分方程数值求解方法
偏微分方程数值求解方法偏微分方程数值求解方法是使用计算机算法来近似求解偏微分方程的过程。
偏微分方程是描述物理现象和自然现象的主要工具，但大多数偏微分方程不能通过解析方式求解，因此需要使用数值方法进行近似求解。
常用的偏微分方程数值求解方法包括有限差分法、有限元法、谱方法、边界元法和逆时空方法等。
1. 有限差分法有限差分法是一种最简单的数值求解方法，它将偏微分方程中的导数离散化为差分的形式，然后通过有限差分公式求解。
在有限差分法中，将求解区域离散化为网格，然后在每个节点上求解方程，通过节点之间的连通关系建立系数矩阵，最终利用线性代数方法求解线性方程组。
2. 有限元法有限元法是一种广泛运用的数值求解方法，它将求解区域离散化为有限个子域，然后在每个子域内近似求解方程。
有限元法是一种基于变分原理的方法，通过将偏微分方程转化为变分问题，然后在有限维的函数空间中建立逼近函数，最终利用变分方法求解方程。
3. 谱方法谱方法是一种基于傅里叶变换的数值求解方法，它将求解域上的函数表示为傅里叶级数的形式，然后通过求解系数来近似求解方程。
谱方法具有高精度、高效率的优点，但对于非周期边界和奇异性问题可能不适用。
4. 边界元法边界元法是一种基于积分方程的数值求解方法，它将偏微分方程转化为边界积分方程，然后在求解区域表面上求解方程。
边界元法不需要离散化求解区域，仅需在求解区域表面上采集节点，并通过节点之间的关系建立系数矩阵。
5. 逆时空方法逆时空方法是一种利用观测数据反演偏微分方程的数值求解方法，它通过最优化算法将观测数据反演为偏微分方程的参数。
逆时空方法对模型假设和观测数据的噪声较为敏感，但可以应用于各种偏微分方程的求解。
偏微分方程数值解法
偏微分方程数值解法偏微分方程（Partial Differential Equations，简称PDE）是数学中重要的研究对象，其在物理学、工程学、经济学等领域有广泛的应用。
然而，对于大多数偏微分方程而言，很难通过解析方法得到精确解，因此需要借助数值解法来求解。
本文将介绍几种常见的偏微分方程数值解法。
一、有限差分法（Finite Difference Method）有限差分法是一种常见且直观的偏微分方程数值解法。
其基本思想是将偏微分方程中的导数通过差分近似来表示，然后通过离散化的方式转化为代数方程组进行求解。
对于一维偏微分方程，可以通过将空间坐标离散化成一系列有限的格点，并使用中心差分格式来近似原方程中的导数项。
然后，将时间坐标离散化，利用差分格式逐步计算每个时间步的解。
最后，通过迭代计算所有时间步，可以得到整个时间域上的解。
对于二维或高维的偏微分方程，可以将空间坐标进行多重离散化，利用多维的中心差分格式进行近似，然后通过迭代计算得到整个空间域上的解。
二、有限元法（Finite Element Method）有限元法是另一种重要的偏微分方程数值解法。
其基本思想是将求解区域分割成有限数量的子区域（单元），然后通过求解子区域上的局部问题来逼近整个求解区域上的解。
在有限元法中，首先选择适当的形状函数，在每个单元上构建近似函数空间。
然后，通过构建变分问题，将原偏微分方程转化为一系列代数方程。
最后，通过求解这些代数方程，可以得到整个求解区域上的解。
有限元法适用于各种复杂的边界条件和几何构型，因此在实际工程问题中被广泛应用。
三、谱方法（Spectral Methods）谱方法是一种基于特定基函数（如切比雪夫多项式、勒让德多项式等）展开解的偏微分方程数值解法。
与有限差分法和有限元法不同，谱方法在整个求解区域上都具有高精度和快速收敛的特性。
在谱方法中，通过选择适当的基函数，并利用其正交性质，可以将解在整个求解区域上展开为基函数系数的线性组合。
高等数学中的偏微分方程数值解法
偏微分方程是数学中的一大重要分支，广泛应用于物理、工程、金融等领域。
其求解方法可以分为解析解法和数值解法。
解析解法要求方程具有可积性，适用于一些简单的方程，但是对于复杂的方程往往无法得到解析解。
而数值解法通过将方程离散化，利用数值计算方法得到数值解，是一种弥补解析解法不足的重要手段。
在高等数学中，偏微分方程数值解法主要包括差分法、有限元法和有限差分法。
其中，差分法是最早应用于求解偏微分方程的数值方法之一。
差分法通过将偏微分方程中的导数用差商的形式来近似表示，将连续的问题转化为离散的问题，再通过计算机程序来进行求解。
差分法的优点是简单易懂、计算速度快，适用于一些较为简单的偏微分方程。
但是差分法的精度受到离散化步长的影响，不适用于一些对精度要求较高的问题。
有限元法是一种更为广泛应用的偏微分方程数值解法。
有限元法通过将求解区域分割成有限多个小区域，用简单形状的基函数来逼近真实解，再通过求解线性方程组得到数值解。
有限元法的优点在于适用于复杂的几何形状、能够处理不规则的边界条件，并且精度较高。
有限元法还具有较好的可扩展性，可以处理大规模的求解问题。
因此，有限元法在工程领域的应用非常广泛。
有限差分法是一种通过计算导数来逼近微分方程的数值解法。
有限差分法基于泰勒展开公式，将微分算子在某点处的展开为有限多个导数的差商的线性组合。
通过将微分算子离散化，可以将偏微分方程转化为代数方程组，再通过求解方程组来得到数值解。
有限差分法的优点在于简单易懂，计算速度较快。
但是由于差商的导数逼近误差，有限差分法的精度受到离散化步长的影响，需要选择合适的步长来保证精度。
总的来说，高等数学中的偏微分方程数值解法是研究偏微分方程数值计算的一大热点和难点。
不同的数值方法适用于不同的问题，需要根据具体情况来选择适合的数值方法。
在求解偏微分方程时，还需要注意数值误差对结果的影响，并通过适当选择离散化步长和网格数量等参数来提高数值解的精度。
随着计算机技术的发展，偏微分方程数值解法将会越来越广泛地应用于实际问题的求解中。
偏微分方程数值求解方法
偏微分方程数值求解方法引言偏微分方程是数学中研究复杂现象的重要工具之一，它在许多领域都有广泛的应用，例如物理学、工程学和生物学等。
通过求解偏微分方程，我们可以获得系统的解析解或数值解，从而揭示底层的物理规律或实现工程设计。
在本文中，我们将介绍偏微分方程数值求解的常见方法，包括有限差分法、有限元法和谱方法等。
我们将详细介绍这些方法的基本原理、数值算法和实际应用。
有限差分法基本原理有限差分法是偏微分方程数值求解中最常用的方法之一。
它将连续的偏微分方程离散化为差分方程，通过计算差分方程的解来近似原方程的解。
有限差分法的基本思想是将求解域划分为离散的网格，然后在网格点上近似表示原方程。
数值算法有限差分法的数值算法主要包括离散化、边界条件处理和迭代求解三个步骤。
首先，我们将连续的偏微分方程在空间和时间上进行离散化，将其转化为差分方程。
然后，我们需要确定边界条件，即在边界上如何近似表示原方程。
最后，通过迭代计算差分方程的解，直到满足收敛条件。
实际应用有限差分法在许多领域都有广泛的应用。
例如，在流体力学中，它可以用来模拟气体或液体的流动。
在热传导方程中，它可以用来求解物体的温度分布。
此外，有限差分法还可以用来模拟结构力学中的弹性变形和振动问题等。
有限元法基本原理有限元法是一种基于分片线性函数空间的数值方法，用于求解偏微分方程。
它将求解域划分为离散的小单元，然后在每个单元上构造局部基函数，通过组合这些基函数来近似表示原方程的解。
数值算法有限元法的数值算法主要包括离散化、单元刚度矩阵的计算和全局方程的组装三个步骤。
首先，我们将连续的偏微分方程在空间上进行离散化，将其转化为离散的代数方程。
然后，针对每个单元，我们需要计算其对应的刚度矩阵和载荷向量。
最后，通过组装所有单元的刚度矩阵和载荷向量，得到全局方程，并通过求解全局方程来计算原方程的近似解。
实际应用有限元法在结构力学、固体力学和流体力学等领域有广泛的应用。
例如，在结构力学中，它可以用来计算材料的应力和变形分布。
- 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)。
1 常微分方程及其数值解法1.1 常微分方程概述在数学上，物质的运动和变化规律是通过函数关系来表示的，在一些复杂的现象中，我们要求的未知量就变成了满足特定条件的一个或一些未知函数。
有的时候，我们需要利用导数或者微分的关系，即这些未知函数的导数与自变量满足某种关系，这种方程我们称之为微分方程。
未知函数是一元函数的微分方程称之为常微分方程，未知函数是多元函数的微分方程我们称之为偏微分方程，我们这里只考虑常微分方程。
常微分方程的解，就是找出一个代入方程使之成为恒等式的函数。
若微分方程的解中含有任意常数的个数与方程阶数相同，且任意常数之间不能合并，则称此解为该方程的通解。
当通解中的各任意常数都取特定值时所得到的解，称为方程的特解。
在实际问题中，这些函数往往还需要满足一些特定条件，这称之为定解条件。
但在实际问题中，很多常微分方程的解析表达式过于复杂，甚至得不到通解的解析表达式。
而且，常微分方程的特解是否存在，存在几个特解，这涉及到微分方程解的存在性和唯一性定理。
因此，在实际应用中，我们通常利用数值的方法来求得方程的数值解，在误差允许的范围内，我们用数值解来替代解析解。
所以，研究常微分的数值解法是很有必要的。
2.2 常微分方程的数值解法常微分方程的数值解法是有常微分方程的定解条件提出的，首先我们考虑如下一阶常微分方程的初值问题。
()()00(,)dx t f x t dtx t x⎧=⎪⎨⎪=⎩（2.1） 2.2.1 欧拉法欧拉法（又称差分法）是常微分方程初值问题数值解法中最简单最古老的方法，它的基本思路是将（2.1）式中导数项用差分来逼近，从而将一个微分方程转化为一个代数方程，以便迭代求解。
根据用于逼近的差分方式来分，可以分为向前差分、向后差分、中心差分。
()()()()()()()()()111112l l l l l l l l l dx t x t x t dt tdx t x t x t dt tdx t x t x t dt t++++--=∆-=∆-=∆ （2.2） 上式中，分别为向前差分法、向后差分法、中心差分法。
以向前差分法为例，我们在这里推导向前欧拉法的迭代格式。
由（2.2）式中第一个向前差分法公式我们可以得出()()()1l l l dx t x t x t tdt+=+∆ （2.3） 再由原问题（2.1）可以得到向前欧拉法的迭代格式为：()()()1,l l l x t x t tf x t +=+∆ （2.4）因此我们可以利用初始条件，依次得到后一个时刻方程的解，直至求得的解收敛到所要求的时刻为止。
当原问题为更为复杂的常微分方程组或者高阶常微分时，只需要将x 看做向量，原问题就可以简化或者降阶为一个一阶常微分方程组或者一个一阶常微分方程。
这样就可以利用欧拉法的迭代格式进行迭代计算。
2.2.2 改进欧拉法用数值积分的方法对原问题（2.1）式进行离散化处理，方程两边做积分有：()()()11(),l lt l l t x t x t f x t t dt ++-=⎰（2.5）对右端积分使用梯形积分公式可得()()()()()111(),,,2l lt l l l l t tf x t t dt f x t t f x t t +++∆⎡⎤≈+⎣⎦⎰（2.6） 将（2.6）式带入到（2.5）式中可以得到()()()()()()111,,2l l l l l l tx t x t f x t t f x t t +++∆⎡⎤=++⎣⎦ （2.7） 在实际计算过程中，改进的欧拉法是用欧拉法先求得一个预测值()1l xt +，再利用这个预测值来来计算()1l x t +，因此改进欧拉法的迭代格式为：()()()()()()()()()()1111,,,2l l l l l l l l l l x t x t tf x t t tx t x t f x t t f x t t ++++⎧=+∆⎪⎨∆⎡⎤=++⎪⎣⎦⎩ （2.8） 从（2.7）式不难看出改进欧拉法是隐式迭代算法，而欧拉法是显示迭代算法。
2.2.3 Newmark-beta 算法Newmark-beta 算法是用于解决微分方程的数值积分算法之一，它通常用于有限单元法中的动力学分析。
根据运动学方程：212x xt xt =+（2.7） 利用广义中值定理，Newmark-beta 算法对于一次微分项修改为()()()1l l x t x t tx t γ+=+∆ （2.8）和欧拉法不同的是，Newmark-beta 算法对于二次微分项不是直接利用上一个迭代步中的二次微分结果，而是对当前迭代步和上一迭代步两个迭代步的二次微分结果进行了加权取值，利用加权修正后的二次微分结果进行迭代计算。
()()()11() 01l l x t x t x t γγγγ+=-+≤≤ （2.9）将（2.9）式带入到（2.8）式中得到，一次微分项的迭代格式为：()()()()()111l l l l x t x t tx t tx t γγ++=+-∆+∆ （2.10）同理，对原函数也进行相同的处理，利用广义中值定理对位移进行修正得到：()()()()2112l l l x t x t tx t t x t β+=+∆+∆ （2.11）依旧利用加权来修正上式中的二次微分项为()()()()1122 01l l x t x t x t ββββ+=-+≤≤ （2.12）现假设Newmark-beta 算法中令0,1/2βγ==得到，Newmark-beta 算法的迭代格式为()()()()()()()()()()()()()111211222l l l l l l l l l l x t x t x t tx t x t x t x t t x t x t tx t x t γ++++=+∆=++∆=+∆+ （2.13）由上式可以利用初始条件依次得到每个迭代步的数值解。
2.2.4 Leap-Frog （蛙跳）算法Leap-Frog （蛙跳）算法是对一次微分项即速度进行修正，它的基本原理是，首先利用当前时刻的加速度，计算半个时间步长后的速度：()()()1/21/2l l l x t x t x t t +-=+∆ （2.14）之后，计算下一个步长时刻的位置：()()()11/2l l l x t x t x t t ++=+∆ （2.15）利用两个半个时间步长的速度来计算当前时刻的速度()()()1/21/22l l l x t x t x t -++=（2.16）在迭代启动的时候需要对初始条件进行修改，需要用初始条件来反算()1/2xt -：()()()1/200/2x t x t x t t -=-∆ （2.17）2.2.5 Velocity Verlet 算法Velocity Verlet 算法由于其速度计算精度更高被广泛用在分子动力学计算中，它的基本原理为，对位移进Taylor 展开，其展开式为：()()()()()2311126l l l l i l x t x t x t t x t t b t t +=+∆+∆+∆ （2.18） 略去高阶项就得到了Velocity Verlet 算法的迭代格式()()()()2112l l l l x t x t x t t x t t +=+∆+∆ （2.19a ） ()()()()1112l l l l x t x t x t x t t ++=++∆⎡⎤⎣⎦ （2.19b ） 还等价于()()()()()()()()()1/211/211/211212l l l l l l l l l x t x t x t tx t x t x t t x t x t x t t++++++=+∆=+∆=+∆ （2.20）2.3 微分方程的数值解法在分子动力学中的应用分子动力学在计算过程中需要计算每个粒子的运动状态，因此需要一套完整的迭代法则来计算每个粒子在每个时刻的位移、速度和加速度。
现在假设只有一个粒子，只考虑这个粒子在重力场内的自由落体运动状态。
因此问题描述为：()()()21()0 9.8/,1,1,40 2.0 00.0y t y t g e g m s m kg J m my y βαβαβ--+-======= （2.21）以下我们将利用不同的迭代方法解决上述问题并对比各种迭代方法进行对比。
2.3.1 欧拉法计算实例利用降阶的方法，将原问题（3.1）式化简为一个一次微分方程组。
设()()xt y t =因此可以得到：()()()()y t x t y t x t eg m βαβ-⎧=⎪⎨=-⎪⎩（2.22） 对上式两个一次微分项分别用差值逼近得到两个差分格式()()()()()()()()y t y t t y t x t y t tx t t x t x t e g m t βαβ-+∆-⎧==⎪⎪∆⎨+∆-⎪=-=⎪∆⎩（2.23） 将（3.3）式带入到（3.2）式就得到了原问题的欧拉法迭代格式()()()()()()y t x t t t e g x t m y t t ty t y t βαβ-⎧⎛⎫+∆=∆-+⎪⎪⎝⎭⎨⎪+∆=∆+⎩（2.24） 将上述欧拉法迭代格式用Fortran 程序实现为图2.1 欧拉法Fortran 程序利用欧拉法得到速度和位移曲线为v e l oc i t y （m /s ）time （s ）D i s p l a c e m e n t （m ）time （s ）图2.2 欧拉法速度-时间曲线 图2.3 欧拉法位移-时间曲线2.3.2 Newmark-beta 算法计算实例由于Newmark-beta 算法是利用加权的思想对二次微分项即加速度进行了修正，因此我们对原问题做出相应的变换，将原问题改写为力学运动方程常见的形式：()()()21() 9.8/,1,1,40 2.0 00.0y t y t e g g m s m kg J m my y βαβαβ--=-====== （2.25）将上式带入到Newmark-beta 算法的迭代格式（2.13）中去，并用Fortran 程序实现为图2.4 Newmark-beta 算法Fortran 程序 利用Newmark-beta 算法得到速度和位移曲线为v e l o c i ty (m /s )time(s)d i s p l a ce m e n t (m )time(s)图2.5 Newmark-beta 算法速度-时间曲线 图2.6 Newmark-beta 算法位移-时间曲线2.3.3 Leap-Frog （蛙跳）算法就算实例Leap-Frog （蛙跳）算法是将一次微分项即速度项进行了修正，它巧妙的利用二分之一迭代步的速度。