计算方法引论-第五章
• 称Ak为求积公式系数,R(f)为其截断断误差 • 易见对次数不超过n的多项式R(f)=0
计算方法引论( 第三版)
5.3
徐萃薇、孙绳武 高教2007
Newton-Cotes公式
• 梯形公式
– 用一次插值构造的插值求积公式称梯形 公式.几何上就是用梯形面积逼近曲边 梯形的面积
– 公式: 令 h=b-a
– 误差
R(
f
)
h5 90
(
f
(4) (1 )
f
(4) (2 )
f
(4) (n
))
ba 180
h4
f
(4) ()
计算方法引论( 第三版)
5.10
徐萃薇、孙绳武 高教2007
逐次分半梯形法
• 复化梯形公式Tn与T2n的关系
令xk=a+kh,k=0,1, …,2n,h=(b-a)/(2n)可得
T2n
1 2 Tn
– 公式:令xk=a+kh,k=0,1,2, …,n,h=(b-a)/n
b a
f
(x)dx
h 2
(
f
(x0 )
2
f
( x1 )
2
f
(xn1 )
f
(xn ))
– 误差
R(
f
)
h3 12
(
f
(1 )
f
(2 )
f
(n ))
b a h2 f ()
12
计算方法引论( 第三版)
5.9
徐萃薇、孙绳武 高教2007
128 256 512 1024 2048 4096
0.94608153854315 0.94608268741135 0.94608297462823 0.94608304643245 0.94608306438350 0.94608306887126
计算方法引论( 第三版)
5.13
徐萃薇、孙绳武 高教2007
xdx
0.946083070
nT
n
T
1 0.92073549240395 2 0.93979328480618 4 0.94451352166539 8 0.94569086358270 16 0.94598502993439 32 0.94605856096277 64 0.94607694306006
k 0
– 系数Ak有表可查. 从误差考虑应当采用系 数皆正的那些公式
计算方法引论( 第三版)
5.6
徐萃薇、孙绳武 高教2007
求积公式代数精确度
• 定义
– 一个求积公式对一切次数不超过m的多项式是 准确的,而有大于m的多项式不准确,则称该求积 公式具有m次代数精确度,或该求积公式的代数 精确度是m.
h(
f
(x1)
f
(x3)
f
( x2 n1 ))
• 据此依次计算T1,T2, T4…
– T1,梯形公式 – 重复进行:区间分半,积分值之半加上新点上函
数值之和与h之积.
• 计算可用误差控制並限定分半次数
计算方法引论( 第三版)
5.11
徐萃薇、孙绳武 高教2007
逐次分半梯形法(续)
•算法
n=1,h=(b-a)/2；T0=h(f(a)+f(b)) for k=1:kmax
• 说明
– 每列是一个逐次分半法序列,m=0是逐次分半梯形 公式的值以后是外推(改进)一次、外推
(改进)二次…的序列.
– 外推用公式,系数列于前列底.
– 计算可在算出梯形公式的新值后就外推至最右,即 按m+k=0,1,…自左而右计算.表中每行每列均收敛. 但若Euler-Maclaurin公式中某项为零或因光滑性不 够而中断时将不再有上述效果.
•例
– 梯形公式具有1次代数精确度
– 抛物线公式具有3次代数精确度
– 一般的Newton-Cotes公式的代数精确度
m=n,当n=2k+1 m=n+1,当n=2k
计算方法引论( 第三版)
5.7
徐萃薇、孙绳武 高教2007
代数精确度的确定
• 一个求积公式的代数精确度m可以从它们的截断
误差推出 ,也可按定义依次将1,x,x2,x3,…代入求积 公式从而检查出准确成立的最高次数.
– 梯形公式具有1次代数精确度(二法皆可) – 抛物线公式具有3次代数精确度(依定义) – 一般的Newton-Cotes公式的代数精确度(依定
义) m=n,当n=2k+1 m=n+1,当n=2k
计算方法引论( 第三版)
5.8
徐萃薇、孙绳武 高教2007
复化梯形公式
• 复化梯形公式
– 积分区间分成若干小区间在每个小区间 上用梯形公式即得复化梯形公式.
5.14
徐萃薇、孙绳武 高教2007
事后误差估计 (续)
• 进一步的结果
– 逐次分半梯形法序列改进所得是逐次分 半抛物线法序列
– 逐次分半抛物线法序列又可改进得另一 个序列
– 这一过程可继续下去 – 改进也称外推,其依据是Euler-Maclaurin
公式
计算方法引论( 第三版)
5.15
徐萃薇、孙绳武 高教2007
都能提高h2
计算方法引论( 第三版)
5.16
徐萃薇、孙绳武 高教2007
Richardson外推
• 根据Euler-Maclaurin公式,可作Th和Th/2的线
性组合得到误差O(h4)的值称Richardson外 推(前称改进结果)于是
– 逐次分半梯形法序列外推(改进)一次误 差是O(h4)
– 外推(改进)两次误差是O(h6) – 继续外推(改进)…每次外推序列的误差
5.5
徐萃薇、孙绳武 高教2007
Newton-Cotes公式(续)
• 一般的Newton-Cotes公式
– 取xk=a+kh,k=0,1,2, …,n,h=(b-a)/n,作n次 插值,构造的插值求积公式通称Newton-
Cotes公式亦称等距基点插值求积公式
b
n
f (x)dx
a
Ak f (xk )
计算 方法 引论： 数值 分析
误差 插值法与数值微分 数据拟合法 快速傅氏变换 数值积分
第五章 数值积分
• 插值求积公式 • Newton-Cotes公式 • 求积公式代数精确度 • 复合公式 • 逐次分半梯形法 • Richardson外推与 Romberg求积公式 • Gauss型求积公式
存储
n=1,h=(b-a)/2；T(1)=h(f(a)+f(b))பைடு நூலகம்for k=2:kmax
n=n+n,s=0； for i=1:2:n
s=s+f(a+i*h)； end T(k)=T(k-1)/2+h*s; M=1; t=T(1); for j=k-1:-1:1
M=4*M;T(j)=(M*T(j+1)- T(j))/(M-1); end h=h/2；T if abs(T(1)-t)<ε,break,end end
计算方法引论( 第三版)
5.2
徐萃薇、孙绳武 高教2007
插值求积公式
• 将Lagrange插值公式代入积分:
n
f (x) f (xk )lk (x) Rn (x) k 0
b
n
f (x)dx
a
Ak f (xk ) R( f )
k 0
其中Ak,R(f)分别是lk(x),Rn(f)的积分.这样得 到的数值积分公式称插值求积公式.
1 0.9397933 0.9460869 0.9460831
2 0.9445135 0.9460833
3 0.9456909 误差 O(h2) 系数 4,-1
O(h4) 42,-1
O(h6) 43,-1
O(h8) 44,-1
计算方法引论( 第三版)
5.20
徐萃薇、孙绳武 高教2007
算法
• 可在逐次分半梯形公式算法上增加外推並
┆┆
┆
T2(0) T2(1) ┆ ┆ ┆
T3(0) ┆ ┆ ┆ ┆
误差 O(h2) O(h4) O(h6) O(h8) 系数 4,-1 42,-1 43,-1 44,-1
T (k) m
4 T m (k 1) m1
T (k) m1
4m 1
计算方法引论( 第三版)
5.18
徐萃薇、孙绳武 高教2007
Romberg求积公式(续)
计算方法引论( 第三版)
5.1
徐萃薇、孙绳武 高教2007
数值积分公式
• 数值积分公式
• 需求
b
n
f (x)dx
a
Ak f (xk )
k 0
– 原函数不一定能用初等函数表示 – 原函数虽能用初等函数表示,但表达式太复杂
不便计算
– 函数由表格给出
• 构造
– 可利用近似函数的积分作积分的近似，例如 由Lagrange插值多项式、Newton插值多项式 代入.
– 停止判据:|Tm(0)-Tm-1(0)|<ε(容许误差)
计算方法引论( 第三版)
5.19
徐萃薇、孙绳武 高教2007
Romberg求积公式例
• Romberg求积公式例(I同逐次分半梯形法 例)
k
m=0
m=1
m=2
m=3
0 0.9207355 0.9461459 0.9460830 0.9460831
这里xk,Ak待定.乃有：
A1 A2 An 0
A1 x1 A2 x2 An xn 1
数值计算方法-复习-第五章
( )
yp = y1 + h − y1 − y12 sin x1
( )
= 0.715489 + 0.2 −0.715489 − 0.7154892 sin1.2 ≈ 0.476964
( )
yc
=
y1 + h
−
y
p
−
y
2 p
sin
x2
( )
= 0.715489 + 0.2 −0.476964 − 0.4769642 sin1.4 ≈ 0.575259
这就是欧拉法的计算公式，h称为步长
3
例题
例5.2.1：用欧拉法求解初值问题
y'=
y
−
2x , y
y(0) = 1
0≤ x ≤1
解：求解该方程的欧拉公式为
yn+1
=
yn
+
h( yn
−
2xn yn
)
取步长h=0.1，n=0, 1, …, 9时，有
4
例题
n=0 n =1
y1
=
( ) ( ) yc =y0 + h
−
y
p−y源自2 psinx1
=1+ 0.2
−0.631706 − 0.6317062 sin1.2
≈ 0.799272
( )
y1=
1 2
yp + yc =
1 (0.631706 + 0.799272) ≈ 0.715489
2
21
改进欧拉法
n=1时
k2 = hf (xn + h, yn + k1)
数值计算方法第05章插值法
Newton）、埃尔米特（Hermite）等人分别给出了 不同的解决方法。
生产实践中常常出现这样的问题：给出一批
离散样点，要求作出一条通过这些点的光滑 曲线，以便满足设计要求或进行加工。反映 在数学上，即已知函数在一些点上的值，寻 求它的分析表达式。因为由函数的表格形式 不能直接得出表中未列点处的函数值，也不 便于研究函数的性质。此外，有些函数虽有 表达式，但因式子复杂，不容易算其值和进 行理论分析，也需要构造一个简单函数来近 似它。
8
解决这种问题的方法有两类：一类是给出函数
f(x)的一些样点值，选定一个便于计算的函数形 式，如多项式、分式线性函数及三角多项式等， 要求它通过已知样点，由此确定函数f'(x)作为 f(x)的近似。这就是插值法。另一类方法在选定 近似函数的形式后，不要求近似函数过已知样 点，只要求在某种意义下他在这些点上的总偏 差最小。这类方法称为曲线（数据）拟合法。
系数矩阵A的行列式是Vandermonde行列式，其值为
det( A)
( x j xi ) i , j 0 ,i j
n
当插值节点xi (i=0, 1, 2, …, n)互不相同时，此行列 式不为0, 即系数矩阵A可逆. 因此ai (i=0, 1, 2, …, n),
存在唯一，即n(x)存在唯一.
15英尺 90 k 10mph 88
图1.1.2 “2秒法则”的几何解释
下面给出一组经测试得到关于刹车距离与速度的 的较为理想的实验数据，如表1.1.1所示。要想了解刹 车的距离与车速的关系，试建立适当的数学模型，预 测车辆的总停止距离d（英尺）关于速度v（英里/小时） 的函数，检验2秒法则与驾驶规则是否一致，并尝试寻 找更好的驾驶规则。
计算方法(8) 第五章 插值法(2)
由条件(2)可列出方程组 2 ( x ) ( ax b ) l i i i i ( xi ) 1 ' 2 ' ( x ) ali ( xi ) 2(axi b)l i ( xi )l i ( xi ) 0 i i
li ( xi ) 1, axi b 1, a 2l ( xi ) 0
i ( x )应满足条件： (1) i ( x )应是 2n 1次多项式；
i j 1 (2) i ( x j ) ij i j 0 'i ( x j ) 0 ( i，j 0， 1， 2， ，n)
n
利用Lagrange插值基函数li ( x ) (
j 0 ( ji )
x xj xi x j
)ห้องสมุดไป่ตู้
设
i ( x ) (ax b)l 2 i ( x )
由条件(2)可列出方程组 2 ( x ) ( ax b ) l i i i i ( xi ) 1 ' 2 ' ( x ) al ( x ) 2( ax b ) l ( x ) l i i i i i i i i ( xi ) 0
i 0
n
2
F ( t )关于t 有n 2个零点：x0，x1， ，xn，x 。 但F ' ( t )关于t 有2n 2个零点，由Rolle(罗尔)定理 必存在点 （a , b），使 F
（2 n 2）
( ) f
（2 n 2）
( ) 0 K ( x )(2n 2)! 0
n
n
i ( x )应满足条件： (1) i ( x )应是 2n 1次多项式；
《计算机导论》课件_计算机导论第五章
5.2.2 结构化程序设计方法
5.2 程序设计方法
结构化程序设计的设计思想主要有三个方面：
1.“自顶向下，逐步细化，模块化”的设计过程 具体包括以下两个方面： （1）将一个大问题分解为若干子问题（模块）组成的层次结构。 （2）将模块细化成更小、更简单的模块，直至能容易给出模块的一系列处理步骤，
并能由程序设计语言的语句来实现。 2. 把程序结构限制为三种基本结构
1. 机器语言 机器语言是用二进制代码表示的、能被计算机直接识别和执行的机器指令的集合，也就
是处理器的指令系统。机器语言的优点在于它能被计算机直接识别，运行速度快。
2. 汇编语言 汇编语言是一种用助记符表示的仍然面向机器的计算机语言。汇编语言亦称符号语言。
3. 高级语言 这种与自然语言接近并能被计算机所接受和执行的语言称为高级语言。 高级语言根据其发展历程和应用领域，可分为以下几类： （1）传统的高级程序设计语言。 （2）通用的结构化程序设计语言。Fra bibliotek（3） 专用语言。
（1）顺序结构：最基本、最普通的程序结构，只要按照解决问题的顺序写出相应的语 句就行，它的执行顺序是自上而下，依次执行。如图5.3所示，先执行 A 再执行 B。
5.2 程序设计方法
5.2.2 结构化程序设计方法
（2）选择结构：又称“分支结构”，如图 5.4所示，其特点是先进行一定的条件判断，根 据判断的结果从两组操作中选择一组来执行。
printf("input a string: "); loop: if (getchar()!='\n') { n++; goto loop; } printf("output: %d\n",n); }
计算方法教学配套课件刘师少第五章插值与曲线拟合
Tel：86613747E-mail：*************授课: 68学分：45.1 问题的提出– 函数解析式未知,通过实验观测得到的一组数据, 即在某个区间[a, b]上给出一系列点的函数值y i = f(x i )– 或者给出函数表x x 0x 1x 2……x n yy 0y 1y 2……y n第五章插值与曲线拟合5.2 插值法的基本原理设函数y=f (x )定义在区间[a, b ]上,是[a, b ]上取定的n+1个互异节点,且在这些点处的函数值 为已知 ,即若存在一个f(x)的近似函数 ,满足则称为f (x )的一个插值函数, f (x )为被插函数, 点x i 为插值节点, 称(5.1)式为插值条件, 而误差函数R(x)= 称为插值余项, 区间[a, b ]称为插值区间, 插值点在插值区间内的称为内插, 否则称外插n x x x ,,,10 )(,),(),(10n x f x f x f )(i i x f y =)(x ϕ),,2,1()()(n i x f x i i ==ϕ)(x ϕ(5.1))()(x x f ϕ-插值函数 在n+1个互异插值节点(i=0,1,…,n )处与 相等,在其它点x 就用的值作为f (x )的近似值。
这一过程称为插值，点x 称为插值点。
换句话说, 插值就是根据被插函数给出的函数表“插出”所 要点的函数值。
用的值作为f (x )的近似值,不仅希望能较好地逼近f (x ),而且还希望它计算简单。
由于代数多项式具有数值计算和理论分析方便的优点。
所 以本章主要介绍代数插值。
即求一个次数不超过n 次的多项式。
)(x ϕi x )(i x f )(x ϕ)(x ϕ)(x ϕ0111)(a x a xa x a x P n n n n ++++=--111)(a x a xa x a x P n n n n ++++=-- 满足),,2,1,0()()(n i x f x P i i ==则称P(x)为f(x)的n次插值多项式。
第五章现代优化计算方法
第五章现代优化计算方法第五章现代优化计算方法§5.1 引言§5.2 计算复杂性和启发式算法的概念§5.3 模拟退火优化算法§5.4 遗传优化算法§5.5 神经网络优化算法§5.6 混合优化算法§5.1常规优化算法 Powell法、梯度法引言随机方向搜索法、复合形法、惩罚函数法启发式算法适于求解高非线性、多约束、多极值问题现代优化算法：模拟退火算法（Simulated annealing）遗传算法（Genetic algorithms）神经网络优化算法（Neural networks optimization）混合优化算法（Hybrid optimization）§5.2 计算复杂性和启发式算法一.计算复杂性由于计算时间和存储空间的局限，某些算法在实践中不一定能得到解算法的复杂性算法的求解方法造成（例：求二阶导数）问题的复杂性问题本身求解的复杂造成求解问题的规模（维数）n 对复杂性的影响二.启发式算法是相对于有严格数学背景的数学规划优化算法提出的。
有严格数学背景——梯度法、坐标轮换法、Powell法是基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）内寻找最好的解，但不能保证所得的解就是最优解，以及此解与最优解的近似程度。
通过揭示和模拟自然现象和过程，并综合数学、物理学、生物进化、人工智能、神经科学和统计学等所构造的算法。
也称构造型算法、智能优化算法。
§5.3 模拟退火优化算法一. 物理背景：固体退火的物理过程和统计性质：（1）加温：随温度升高，粒子能量增高，与平衡位置的距离增大（2）等温：温度升至熔解温度，固体的规则性被打破，成为液体，粒子可以自由运动和重新排序，消除系统中原先存在的非均匀状态（3）冷却：随着温度的下降，粒子能量减弱，运动减小粒子最终进入平衡态，固化为具有最小能量的晶体温度 t 下，分子停留在某一状态 r 满足 Bolztmann 概率分布：P E = E (r ) ={}1 ? E (r ) ? exp ? ? ? z (t ) kt ? ?其中： E(r) ——状态r的能量 k ——常数 E ——分子能量的一个随机变量 z(t) ——概率分布的标准化因子 D0 ——最低能量状态的个数 D ——状态空间中状态的个数物理退火 E（r） E（rmin）优化设计 f（x） f （x*）分子停留在某种能量状态的概率与温度成反比随着温度 t 不断降低，分子停留在低能量状态的概率不断增大相同温度下，分子停留在低能量状态的概率要更大二. 基本思想：状态迁移准则（ Metropolis 抽样稳定性条件）：Ei ? E j exp ? ? kt ? ? ≥ random ( 0,1) ?若新状态 j 的能量满足条件，则被用来替代原状态 i。
数值计算方法课件-CH5 常微分方程数值解法—5.1 引言
1.9 yk 1 0.1( xk 1 xk ) 0.2 2.1
1.9 y0 0.1( x0 x1 ) 0.2 1.004 762 y1 2.1 1.9 y1 0.1( x1 x2 ) 0.2 1.018594 y2 2.1 其余结果见表1-1.
e(h) O(h p 1 )
则称该求解公式具有 p 阶精度.
例3. 用 Euler 法、梯形法和改进 Euler 法求解初值问题, 并比较结果的精度
y' x y 1, x [0,0.5] h 0.1 y(0) 1
ba 5 解: f ( x, y) x y 1, a x0 0, b 0.5, y0 1, n h
第五章 常微分方程 数值解法
5.1 引言
第五章 常微分方程数值解法
5.1 引言(基于数值积分的求解公式) 5.2 Runge-Kutta法
本章要点
本章主要研究基于积分数值解法的常微分 方程数值解，主要方法有：
(1) Euler方法； (2) Simpson方法； (3) Runge-Kutta方法； (※)
这种顺着节点排列顺序一步步地向前推进的求解方法, 通常称为步进法.
单步法：计算y 时只利用y (即y y ) k k 1 k 1 k 步进法 多步法：计算yk时不仅利用yk 1 , 还利用yk 2 , yk 3 , , yk p (即yk 1 , yk 2 , yk 3 , , yk p yk )
h yk yk 1 [ f ( xk 1 , yk 1 ) f ( xk , yk )] 2
h yk 1 [ f ( xk 1 , yk 1 ) f ( xk , yk 1 hf ( xk 1 , yk 1 ))] 2
第五章 多尺度法
1 AT1 T1 exp i T1 2
(5-34)
因此，我们将 x0 的表示式(5-30)改写成
x 0 T1 cos
0 T0 T0
(5-35)
i i
将式(5-34)代入(5-33), 我们得
1 2 0 f cos , 0 sin exp i d 2 0
400 200 0 0 20
34.23Hz
40
600
17.11Hz
60
80 频率 f/Hz
100
120
140
(b) 2瓦轴振幅值谱
先求上式中第一个方程的解，得
(5-15)
式中之A为未知的复函数，而 是A的共轭。 A 的控制方程从要求 x1、 x2 是周期 T0 为的周期函数而得出。 A 将 x1 代入方程 (5-14)的第二式，得
D2 x2 2 x2 2i 0 D1 A expi 0T0 a2 A2 exp2i 0T0 AA CC 0 0
(5-18)
D2 x3 2 x3 [2i 0 D2 A 0 0
2 3a3 2 2a2 0
2 10a2 9a3 2 0
3 2 0
A2 A ]exp(i 0T0 )
(5-19)
3 2 0
A3 exp(3i 0T0 ) CC
为了消去长期项，必须使
2i 0D2 A
x T cos 0T0 T O 1 1
式中的a和β 由前面的式子给出。。
(5-38)
5.3 含非线性弹性力的非自治系统的多尺度法
这里我们考虑受方程
计算机数值方法(第二版)第五章
第五 常微分方程数值解法1、 用Euler 法求解初值问题：⎪⎩⎪⎨⎧=+=1)0()1(212y y x dx dy 0≤x ≤1.解：由Euler 公式得到：1+j y =j y +2h(1+x)2j y ，j=0,1,…9.这里：f(x,y)=21(1+x)2y ，0x =0，0y =1，h=0.1j=0, 1y =0y +2h (1+0x )20y=1+21.0(1+0)〃21=1+0.05=1.05j=1 2y =1y +2h (1+1x )〃205.1=1.11063752、 利用Euler 法计算积分I=dx e xt⎰02解：由微分方程⎪⎩⎪⎨⎧==0)0(2I edtdI t＜====＞积分方程：I(x)=I(0)+dt e xt ⎰02Euler 方法：1+j I =j I +h 〃2jt e，0t =0，I （0t ）=0y =0，h=0.5j=0，1I =0I +h 〃2t e =0+0.520e =0.5j=1，2I =1I +h 〃21t e=0.5+0.55.0e =1.142013j=2，3I =2I +h 〃22t e =1.142013+0.5〃21e =2.501154j=3，4I =3I +h 〃23t e =2.501154+0.525.1e =7.2450223、 用Euler 方法与改进的Euler 方法求解⎩⎨⎧=-=1)0(2'y xy y y 0≤x ≤1解：f(x,y)=y-x 2y ,取步长h=0.1,精确解为y=xe x -+-211(1) Euler 方法： 1+j y =j y +h 〃(j y -j x 2j y )j=0,1y =0y +h 〃(0y -0x 2y ) =1+0.1(1-21.0)=1.1 j=1,2y =1y +h 〃(1y -1x 21y )=1.1+0.1(1.1-0.1×21.1)=1.1979 （2）改进的Euler 方法：⎪⎩⎪⎨⎧-+-+=-+=+++++)]()[(2)(2111212____1j j j j j j j j j j j j j y x y y x y h y y y x y h y y j=0, ⎪⎩⎪⎨⎧-+-+=-+=)]()[(2)(211__120000120000__1y x y y x y h y y y x y h y y⎪⎩⎪⎨⎧=-+-+==-+=09895.1))]1.1(1.01.1()1.01[(21.011.1)1.01(1.012212__1y y j=1,⎪⎩⎪⎨⎧-+-+=-+=)]()[(2)(2__22__221111221111__2y x y y x y h y y y x y h y y⎪⎩⎪⎨⎧=-+-+==-+=193375.1))]196768.1(2.0196768.1())09895.1(1.009895.1[(21.009895.1196768.1))09895.1(1.009895.1(1.009895.12222__2y y4、 用梯形方法解初值问题：⎩⎨⎧==+1)0(0'y y y证明：其近似解为n y =nh h ⎪⎭⎫⎝⎛+-22，并证明：当h →0时，它收敛于原始问题的精确解y=x e -。
第5章多自由度系统的数值计算方法
第5章多自由度系统的数值计算方法在工程实践中，我们经常会遇到多自由度系统（Multiple Degree of Freedom，简称MDOF）的问题，例如振动台、建筑结构等。
这些系统通常由多个自由度所组成，因此其运动方程会比单自由度系统更加复杂。
因此，我们需要使用数值计算方法来求解这些系统。
在本章中，我们将介绍两种常见的数值计算方法，包括直接积分法和模态叠加法。
一、直接积分法直接积分法，也称为时步法或时间积分法，是一种常用的求解MDOF系统的数值计算方法。
它的基本原理是将多自由度系统的运动方程转换为一组一阶常微分方程。
然后，利用数值积分方法，如欧拉法、Runge-Kutta法等，对这组常微分方程进行求解，得到系统的运动响应。
直接积分法的主要步骤如下：1.确定系统的运动方程：根据多自由度系统的动力学原理，可以得到系统的运动方程。
一般来说，这个方程是非线性方程，通常需要进行线性化处理。
2.将运动方程转化为一阶常微分方程组：将系统的运动方程进行适当的变换，将其转化为一组一阶常微分方程。
这样，就可以使用数值积分方法对其进行求解。
3. 选择数值积分方法：选择适合系统的数值积分方法，例如欧拉法、Runge-Kutta法等。
这些方法的基本思想是将微分方程转化为差分方程，通过迭代来逼近准确解。
4.进行数值计算：根据选择的数值积分方法，进行迭代计算，得到系统的运动响应。
尽管直接积分法是一种广泛应用的数值计算方法，但也存在一些问题。
例如，随着自由度的增加，计算量会大大增加。
此外，由于数值积分方法的局限性，可能会出现数值不稳定、数值发散等问题。
二、模态叠加法模态叠加法是求解MDOF系统的另一种常用数值计算方法。
该方法基于模态分析的思想，将MDOF系统的运动方程转化为一组无耦合的一自由度系统的运动方程。
然后，按照模态响应的叠加原理，将各个模态的响应相加，得到系统的总体响应。
模态叠加法的主要步骤如下：1.确定系统的模态参数：通过模态分析方法，可以得到系统的模态参数，包括模态频率、振型等。