计算方法第三章

合集下载

吉林大学工程数学计算方法(第三章习题答案)

吉林大学工程数学计算方法(第三章习题答案)

第三章习题答案1.分别用梯形公式、Simpson公式、Cotes公式计算积分1,I=⎰并估计误差。

解:1)用梯形公式有:()()110.51[10.5]10.42678242f f⎛-≈+=+≈⎝⎭⎰()()()333333220.512.6042107.36571012124Tb aE f fηηη-----⎛⎫''=-=--=⨯≤⨯⎪⎝⎭事实上,()()()()()()110.430964410.50.510.4267767210.50.510.00418772Tf x II f fE f f f===-≈+=⎡⎤⎣⎦-∴=-+=⎡⎤⎣⎦⎰⎰2)Simpson公式()110.53111410.43093 642122f f f⎛-⎡⎤⎛⎫⎛⎫≈++=+=⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦⎝⎭⎰[]()()44744211111522 1.1837710180218028Sb a b aE f fηη--⎛⎫--⎪⎛⎫--⎛⎫=-=--≤⨯⎪ ⎪⎪⎝⎭⎝⎭⎪⎝⎭3122()''()48T f fb aE事实上,()()()10.510.50.510.5410.000030462SE f f f f-⎡+⎤⎛⎫=-++=⎪⎢⎥⎝⎭⎣⎦⎰3)由Cotes公式有:()() ()111537270.5321232719084814.9497525.2982210.3923029.9332670.43096180f f f f f-⎡⎤⎛⎫⎛⎫⎛⎫≈++++⎪ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎝⎭⎣⎦=++++=⎰15732127)18088()6116211294522 2.697410945464C E f η--⎛⎫⨯ ⎪⎛⎫=-⨯-≤⨯ ⎪ ⎪⎝⎭⎪⎝⎭7(6)945*42()()82Cf b aEf事实上,()0.0000003C E f =2.证明Simpson 公式()2.8具有三次代数精度。

计算方法(3)第三章 线性代数方程组的解法

计算方法(3)第三章 线性代数方程组的解法

“回代”解得

xn

bn ann


xk

1 akk
[bk

n
akj x j ]
j k 1

其中aii 0 (i 1,2,......, n)
(k n 1, n 2, ,1)
返回变量
函数名
function X=backsub(A,b) 参数表
%Input—A is an n×n upper- triangular nonsingullar matrix % ---b is an n×1 matrix
x1

xi

b1 / a11
i 1
(bi aik
k 1
xk ) / aii
(i

2,3,
, n)
如上解三角形方程组的方法称为回代法.
二. 高斯消元法(Gaussian Elimination)
高斯消元法的求解过程,可大致分为两个阶段:首先, 把原方程组化为上三角形方程组,称之为“消元”过 程;然后,用逆次序逐一求出上三角方程组(原方程组的 等价方程组)的解,称之为“回代”过程.
符号约定:
1. (λEi )(Ei ): 第i个方程乘以非零常数λ。 2. (Ei +λEj )(Ei ): 第j个方程乘以非零常数λ
加到第i个方程。
3.(Ei )(Ej ): 交换第i个方程与第j个方程。
a11 x1 a12 x2 ... a1n xn b1
a21
x1 4 x4 x2 4 1 2 1
故解为(x1,x2 ,x3 ,x4 )T (1,2,0,1)T
A=[1 1 0 1;0 -1 -1 -5;0 0 3 13;0 0 0 -13] b=[4;-7;13;-13] X=backsub(A,b)

计算方法第三章(插值法)解答

计算方法第三章(插值法)解答

Aitken(埃特肯)算法 N 0,1,,k , p ( x) L( x) N 0,1,,k ( x)
N 0,1,,k 1, p ( x) N 0,1,,k ( x) x p xk
Neville(列维尔)算法
( x xk )
Ni ,i 1,,k ( x) L( x) Ni ,i 1,,k 1 ( x) Ni 1,i 2,k ( x) Ni ,i 1,,k 1 ( x) xk xi ( x xi )
( x0 , y0 ), ( x1 , y1 )
容易求出,该函数为:
x x0 x x1 y y0 y1 x0 x1 x1 x0
一般插值问题:求过n+1个点
( x0 , y0 ), ( x1 , y1 ),,( xn , yn )
的不超过n次多项式 Ln ( x )。
Ln ( x) yi li ( x )
例子:求方程 x3-2x-5=0 在(2 , 3)内的根 思路: 设 y = f(x) =x3-2x-5 ,其反函数为 x=f -1(y),则 根为x* =f -1(0) 。先用3= f -1(16), 2= f -1(-1)插值,得 N0,1 (y) ≈f -1(y), 计算N0,1 (0)= 2.058823, f(2.058823) = -0.39 ,以-0.39为新的节点,继续……
第三章 插值法
第一节 插值多项式的基本概念
假设已经获得n+1点上的函数值
f xi yi , i 0,1,, n,
即提供了一张数据表
x
y f x
x0
y0
x1
y1
x2


xn
y2

计算方法第三章习题答案

计算方法第三章习题答案

计算方法第三章习题答案计算方法第三章习题答案计算方法是一门涵盖了数值计算和计算机编程的学科,它在现代科学和工程中扮演着重要的角色。

第三章是计算方法课程中的重要章节,主要涉及到数值计算中的误差分析和插值方法。

本文将为大家提供第三章习题的详细答案,帮助读者更好地理解和应用这些概念。

1. 误差分析误差分析是计算方法中非常重要的一部分,它帮助我们理解和评估数值计算中的误差来源。

以下是一些常见的误差类型:- 绝对误差:绝对误差是指数值计算结果与真实值之间的差异。

它可以通过计算两者之差来得到。

- 相对误差:相对误差是指绝对误差与真实值之间的比值。

通常以百分比的形式表示。

- 截断误差:截断误差是由于在计算过程中舍入或截断数字而引入的误差。

它通常是由于计算机的有限精度导致的。

- 舍入误差:舍入误差是由于将无限位数的小数截断为有限位数而引入的误差。

它通常是由于计算机的有限精度或计算方法的近似性质导致的。

2. 插值方法插值方法是一种用于通过已知数据点来估计未知数据点的技术。

以下是一些常见的插值方法:- 线性插值:线性插值是一种简单的插值方法,它假设两个已知数据点之间的未知数据点的取值在直线上。

通过已知数据点的斜率和截距,我们可以计算出未知数据点的值。

- 拉格朗日插值:拉格朗日插值是一种使用多项式来逼近已知数据点的方法。

它通过构造一个满足通过已知数据点的多项式来估计未知数据点的值。

- 牛顿插值:牛顿插值是一种使用差商来逼近已知数据点的方法。

它通过构造一个满足通过已知数据点的差商多项式来估计未知数据点的值。

3. 习题答案以下是一些第三章习题的答案,供大家参考:- 习题1:已知函数f(x)在区间[a, b]上连续,且在[a, b]上的导数存在且连续,证明存在一点c∈(a, b),使得f(b) - f(a) = (b - a)f'(c)。

这是拉格朗日中值定理的一个特例,根据定理的条件,我们可以得到上述结论。

- 习题2:已知函数f(x)在区间[a, b]上连续,且在(a, b)内可导,证明存在一点c∈(a, b),使得f'(c) = (f(b) - f(a))/(b - a)。

计算方法 第三章曲线拟合的最小二乘法20191103

计算方法 第三章曲线拟合的最小二乘法20191103

§2 多项式拟合函数
例3.1 根据如下离散数据拟合曲线并估计误差
x 1 23 4 6 7 8 y 2 36 7 5 3 2
解: step1: 描点
7
*
step2: 从图形可以看出拟
6 5
*
合曲线为一条抛物线:
4
y c0 c1 x c2 x2
3 2 1
* *
* * *
step3: 根据基函数给出法

18
定理 法方程的解是存在且唯一的。
证: 法方程组的系数矩阵为
(0 ,0 ) (1 ,0 )
G
(0
,1
)
(1 ,1 )
(0 ,n ) (1 ,n )
(n ,0 )
(
n
,
1
)
(n ,n )
因为0( x),1( x), ...,n( x)在[a, b]上线性无关,
所以 G 0,故法方程 GC F 的解存在且唯一。
第三章 曲线拟合的最小二乘法
2
最小二乘拟合曲线
第三章 曲线拟合的最小二乘
2021/6/21

3
三次样条函数插值曲线
第三章 曲线拟合的最小二乘
2021/6/21

4
Lagrange插值曲线
第三章 曲线拟合的最小二乘
2021/6/21

5
一、数据拟合的最小二乘法的思想
已知离散数据: ( xi , yi ), i=0,1,2,…,m ,假设我们用函
便得到最小二乘拟合曲线
n
* ( x) a*j j ( x) j0
为了便于求解,我们再对法方程组的导出作进一步分析。
第三章 曲线拟合的最小二乘

计算方法第三章 解线性代数方程组的直接法

计算方法第三章 解线性代数方程组的直接法

再由回代过程可得
x3 2, x2 8, x1 -13.
2021年7月16日星期五
精选课件
14
3.1.2 主元消去法 顺序消去法的缺陷
在进行第k步消元时,一定要假设主元ak(kk) 0,否则 在消元过程中就会出现“主元素”ak(kk) 0的情形,这时 消元过程将无法进行下去。另外,尽管det( A) 0, 但如果 “主元素”ak(kk ) 很小,由于计算机字长有限,必然有舍入 误差等因素的影响,其本身常常有较大的相对误差,用 它做除数就会导致其它元素舍入误差的扩散,这样就使 解极不准确,甚至可能产生溢出停机。
103 (0.20)
a122 101(0.10) 103 (0.20) 101(0.10) 103 (0.20) a123 101(0.10) 103 (0.20) 100 (0.50) 103 (0.10) 于是我们得到系数矩阵为上三角形的方程组
10(2 00.50)
110( 01(300.1.20) 0)
a1n a2n ,
an1 an2 ann
x1
x
x2
xn

b1
b
b2
bn
.
当方程组(3.1)的系数矩阵的行列式不等于零时,方程组有唯一解:x A1b
而且这个方程组的解可用克莱姆(Cramer )规则表示为:
xi
Ai A
,
i 1,2,, n.
其中记号 A 为矩阵A的行列式,Ai 表示把行列式 A中的第i列元素换成右端项b后,
所得到的n阶行列式。
2021年7月16日星期五
精选课件
2
2021年7月16日星期五
精选课件
3
§3.1 高斯(Gauss)消去法

计算方法 第三章 最小二乘法与曲线拟合


j1 i1
i1
称(2)为(1)的正规方程组(法方程组)。 (2)的解即为(1)的解,称此方法为最小二乘法。
例:利用最小二乘法求矛盾方程组:
2x+4y=11
3x 5y 3 x 2 y 6
4x 2 y 14
解:将原方程组改写为
4
1 2x 4 y 11 2 3x 5y 3 3 x 2 y 6

Q
n
i2
n
m
2
(aij x j bi ) (求Q的最小值)
i 1
i1 j1
Q
xk
n i 1
2
m
(aij x j
j 1
bi )aik
n
2
i 1
m
(aij x j
j 1
bi )aik
0

m
n
aij aik
x
j
n
aik bi
(k 1, 2,
, m)
——(2)
注:拟合时尽量使i 0
2. 常用方法:
m
m
(1)使偏差绝对值之和最小,即 | i | | (xi ) yi |最小。
i 1
i 1
(2)
使偏差最大绝对值最小,即max 1im
|
i
|
max
1im
|
( xi
)
yi
|
最小。
m
m
(3)使偏差平方和最小,即 i2 [(xi ) yi]2最小。
解得:x 2.977,y 1.226
§3.2 曲线拟合
一、已知 x x1 x2 xn
y y1 y2
yn
n-1的多项式 Q(x) a0 a1x

第三章-能带的计算方法

第三章 能带的计算方法周期场中的单电子波动方程除了少数几种简单的理想模型外,都只能用近似方法求解。

目前,主要的近似方法有:准自由电子近似,紧束缚近似,原胞法,正交化平面波法,赝势法和P K•法等。

每一种近似方法都有其优点,也有其局限性,只能用于一定的情况。

在这一章中简单介绍两种。

§3-1准自由电子近似法在这种近似方法中假设原子的外层电子在晶体的周期性势场中运动,且势能的周期性变化部分很小,可作为微扰来处理。

这种处理,电子的运动一方面和自由电子相近,另一方面又能反映出周期场中运动的电子所具有的周期性特征。

这种方法较粗糙,适用于金属中的电子。

一.一维情况设周期为a 、长度为L 的线状晶体沿x 方向。

电子波动方程为)()()](2[222x E x x V dxd m ψψ=+- (3-1) 式中,∑∑≠≠+=+=02000)(m ax mi m m x iK m eV V e V V x V m π (m aK m π2=为任意倒格矢)具有晶格的周期性,V 0是电子在晶体中的平均势能。

由于V(x)为实数,故有*m m V V =-令:W(x)为势函数中周期性变化部分,则 ∑≠=02)(m ax mi meVx W π (3-2)于是波函数可改写为)()()](2[0222x E x x W V dxd m ψψ=++- (3-3) 根据准自由电子近似的基本假设,W(x)很小,可当作微扰。

从而可先求解无微扰的电子波动方程)()(]2[0000222x E x V dxd m k k ψψ=+- (3-4) 其解为平面波ikx k e Lx 1)(0=ψ (3-5)相应的能量谱值02202)(V mk k E += (3-6) 这里,k 是平面波的波矢量。

在周期性边界条件下,k 只能取断续值:l Lk π2=, ,3,2,1,0±±±=l 这些满足周期性边界条件的平面波彼此正交并归一化'''',,0)(20)(11l l k k L Lxl l i L x k k i dx e Ldx eL δδπ===⎰⎰-- (3-7)当存在周期性变化的微扰W(x)时,波动方程的零级能量谱值为E 0(k)。

计算方法第三章线性方程组的直接解法


5 3
3 1
r3
r1 6
6 1 18 2
1 0
4 5 1 3
3 1
r3 r225
1 0
4 1
5 3
3 1
0 25 48 16
0 0 27 9
林龙
计算方法
6
化原方程组为三角方程组的过程为消元过程. 解三角方程组的过程为回代过程.
也可将上边的增广矩阵进一步化简.
1 4 5 3
1 0 7 1
xi
Di D
(i
1, 2,3,
),由于方程含有n 1个
行列式.如对每个行列式按展开定理来计算.
用克莱姆法则求解,所需要的乘除运算量为
n!(n2 1) n次,若n 20用每秒一千万次的
计算机要三百万年,所以并不是凡直接法都
可以用来做实际运算.
林龙
计算方法
4
设有
§3.1直接法
a11x1 a12 x2 a21x1 a22 x2
解 : 10
7
0
7
r1 r2
5 1 5 6
林龙
计算方法
16
10 3 5
7 2 1
0 6 5
7 4 6
r2
3 10
r1
r3
5 10
r1
10
0
0
7 0.1 2.5
0 7 6 6.1 5 2.5
r2 r3
r3
1 25
r2
10 7 0 7 x3 1
0
2.5
5
2.5
x2
2.5 5x
nn
a11 a12 .... a1n 1 0 0
a21
a22

第三章基本数值计算方法一


1.0000 0 0 -1.6757 1.0676
U0
0 1.0000
0
-1.8378
-1.2162
,
0 0 1.0000 0.9820 0.3018
0
0
0
0
0
这个最简行阶梯形式说明原 来的方程组是欠定的。
欠定方程组解的特点
它等价于下列方程组:
x1
-1.6757 x4 = 1.0676
1
0
3
0
0
(柠檬酸)x1
1 1
,(小苏打)x2
8 6
(, 碳酸钠)x3
0 6
,
(水)x4
2 0
,
(二氧化碳)x5
0 1
,
3
8
7
1
2
• 按四种元素左右平衡列出四个方程,得:
1 0 3 0 0 0
1
1
x1
8
6
x2
0 6
x3
2 0
x4
0 1
x5
0 0
Ax
=
b
=
0
3
8
7
1
2
0
化学方程配平程序
X4 = 8.66
为什么要提出这种新的计算方法?
把上例中第四个方程改为:
4x1 + 2x2 + 7x3 -778/222 x4 877 / 222
,求其解。
解:输入新参数
A=[6,1,6,-6;1,-1,9,9;-2,4,0,4;4,2,7,-778/222];
b=[7;5;-7;877/222]; 键入U=rref([A,b]),得到
4x1 + 2x2 + 7x3 -5x4 9
  1. 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. 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. 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)。

梯形方法关于yn+1是隐式的,而Euler方法是显 式的。一般情形下不容易从上式解出yn+1,因而可将 上式与Euler公式联合使用,即
( yn0)1 yn hf ( xn , yn ) ( k 1) h ( ) yn 1 yn [ f ( xn , y n ) f ( xn 1 , ynk 1 )]( k 0,1,2,; n 0,1,2,) 2
§3.2 泰勒展开法与龙格-库 塔(Runge–Kutta)方法
•问题:利用泰勒展开法推导高阶单步的 求解常微分方程初值问题的数值方法。 •从提高截断误差阶的阶数入手。
一、Taylor 方法
假定初值问题的解y(x)及函数f(x,y) 是充分光滑的,则:
h2 h p ( p) y(xn1) y(xn) hy ' ( xn ) y ' ' ( xn ) y ( xn ) O(h p1 ) 2! p!
的数值解法。 常微分方程初值问题的数值解是求上述初 值问题的解y(x)在区间[a,b]中的点列 xi xi 1 hi i 1, n) ( 2, 上的近似值 yi .以下设 hi 不变,记为h-步长 。
假设解y(x)在区间[a,b]上是存在而且唯一的, 并且具有充分的光滑度,因此,要求f(x,y)也充 分光滑。初值问题的解析解(理论解)用 y( xn ) 表示, 数值解法的精确解用 yn 表示。 常微分方程数值解法一般分为: (1)一步法:在计算yn 1 时,只用到xn 1 ,xn和 y, n 即前一步的值。 (2)多步法:计算 yn 1 时,除用到 xn 1,xn 和 y n 以外,还要用 xn p 和 yn p ( p 1,2 k ; k 0) ,即前 k步的值。 (3)显式格式与隐式格式。
将x=xn+1处该直线上的函数值做为y(xn+1)的近似 值,则有Euler公式。这实质上是在每个小区间上利 用折线来代替曲线的结果,故Euler法又称Euler折线 法。
二、梯形法
在式 y( xn1) y( xn ) x f(t,y(t))dt 中,将积分用 梯形公式来代替,则有
n
xn1
稳定性 Remark:由于稳定性问题比较复杂,通常的 做法是将满足李普希兹条件的微分方程模型 化。设f y==常数,此时微分方程为线性 方程 y= y。为保证微分方程的稳定性, 假定<0。讨论某方法的稳定性,就是讨论 该方法对模型方程的稳定性。
稳定性结论
0 Euler法的稳定性条件是: h
在 yn y ( xn ) 的假定下,
k
1
hf ( xn , yn ) hf ( xn , y ( xn )) hy ' ( xn )

k2 hf ( xn h, yn k1 )
hf ( xn h, y ( xn ) k1 ) 2 h f ( xn , y ( xn )) h f ( xn , y ( xn )) k1 f ( xn , y ( xn )) O(h ) x y

h2 y ( xn 1) y(xn ) hy (xn) y ' ' ( x n ) O( h 3 ) 2!
因此有
Rn y(x n 1 ) y n 1 O(h 3 )
故Euler预估-校正方法为的局部截断误差阶为O(h3)。
截断误差
定义3:若一个方法的局部截断误差为 O(h ) , 则称该方法为p阶方法,或称该方法具有p阶精度。 Remark:Euler方法是一阶方法,梯形法和 Euler预估-校正法是二阶方法。
( ( ) 有: ynk 1) yn 1 1 h f ( xn 1 , ynk 1 ) f ( xn 1 , yn 1 ) 1
2 y 1 ( ) hL ynk 1 yn 1 2
2 1 f ( ) h ( xn 1 , )( ynk 1 yn 1 )
hf ( xn , y ( xn )) h f ( xn , y ( xn )) f ( xn , y ( xn )) f ( xn , y ( xn )) O(h 3 ) y x
2
hy ' ( x n ) h 2 y ' ' ( xn ) O(h 3 )
h h3 y ( xn1 ) y ( xn ) [ f ( xn , y ( xn )) f ( xn1 , y ( xn1 )) f ' ' ( , y ( )) ( xn , xn 1 ) 2 12
从而得到梯形公式:
h yn 1 yn [ f ( xn , yn ) f ( xn 1 , yn 1 ) 2 n 0,1,2,
第三章
常微分方程初值问题的数值解法
§3.0 概述
§3.1 欧拉法与梯形法
§3.2 泰勒展开法与龙格-库塔 (Runge–Kutta)方法
§3.3 线性多步法
§3.4 数值算例
§3.0 概述
本章着重讨论一阶常微分方程初值问题
dy f(x,y) dx y(x0) y0
a xb
§3.1 欧拉法与梯形法
一、欧拉(Euler)法
1, 设节点为 xn x0 nh(n 0,2,3) ,得欧拉方法计算公 式为: y y hf(x ,y )(n 0,2,) 1,3, n 1 n n n
下面通过几种常用的方法来推导该公式。
1、泰勒展开法
假设在 xn附近把y(x)做Taylor展开,有:
h3 Rn y ( xn 1 ) yn 1 y( n ) 12
n [ xn , xn 1 ]
用泰勒展开法推导Euler预估-校正 格式的局部截断误差
改写Euler预估-校正公式为:
1 1 yn 1 yn k1 k2 2 2 k1 hf ( xn , yn ) k hf ( x h, y k ) n n 1 2
定义1:n y(xn) yn 为 xn某一数值方法在xn处 的整体截断误差(不考虑舍入误差的影响)。 定义2:对单步法,在 yn y(xn) 的假设下, Rn y(xn1) yn1 称为在 xn处的局部截断误差。
Remark1: Euler法的局部截断误差为:
h2 Rn y ( xn 1 ) yn 1 y( n ) n [ xn , xn 1 ] 2 Remark2: 梯形方法的局部截断误差为:
( yn0)1 yn hf ( xn , yn ) h ( yn 1 yn [ f ( xn , y n ) f ( xn 1 , yn0)1 )]( n 0,1,2,) 2
第一式称为预估公式,第二式称为校正公式。
四、方法的误差估计、收敛性和稳定性
h2 h p ( p1) y( xn ) hf ( xn , y( xn )) f ' ( xn , y( xn )) f ( xn , y( xn )) O(h p1 ) 2! p!
O (h p 1 ) 当n 充分小时,略去余项 ,则有p阶计算公式
h2 h p ( p 1) ( x n , y( xn )) yn1 yn hf ( xn , yn ) f ' ( xn , yn ) f 2 p! y 0
梯形法是绝对稳定的。 Euler预估-校正格式的稳定性条件是:
1 1 h ( h ) 2 1 2
2
对非线性方程,应视 f ,此时将是变化的。 y f 如果步长h固定, y 的变化将引起h的变化, f h h 此时,若 y 属于绝对稳定区域,则认为对 此方程而言,方法是稳定的。
p 1
整体截断误差与局部截断误差的关系
定理:如果f(x,y)满足李普希兹(Lipschitz)条件
f ( x, y1 ) f ( x, y2 ) L y1 y2
且局部截断误差有界: 1 2 | Rn | h M 2 (n 1,2, ) 2 则Euler法的整体截断误差n满足估计式: hM 2 ( ba ) L ( ba ) L n e 0 (e 1) 2L 其中L为李普希兹常数,b-a为求解区间长度,
其中,
y'n f ( xn , yn )
y' 'n f x ( xn , yn ) f ( xn , yn ) f y ( xn , y n )
从而得到Euler公式。
3、数值微分法
y( xn1 ) y ( xn ) xn 1 xn y( xn ) f ( xn , y ( xn ))
4、几何方法
过点(xn,yn)作以f(xn ,yn)为斜率的直线方程:
y yn f ( xn , yn )( x xn )

取h的线性部分,并用 y n 表示 y ( xn ) 的近似值,得
2、数值积分法 从xn 到 xn +h对等式 y´(t )=f(t,y(t)) 进行积分得到
y ( xn h) y ( xn )
xn1 xn
f (t , y (t )) dt
再利用左矩形公式,得
y( xn h) y( xn ) hf ( xn , y( xn ))
f h L, 且 L 1 y 2
可以证明,当f(x,y)满足Lipschitz条件,即: (L为Lipschitz常数)时,上述数列收敛。
证明:由 和
h [ ( ) ynk1] yn [ f ( xn , y n ) f ( xn1 , ynk 1 )] 1 2
h yn 1 yn [ f ( xn , yn ) f ( xn 1 , yn 1 ) ] 2
相关文档
最新文档