例题:在区间【0,1】上以h=0.1用欧拉法,预估校正法,经典的四阶龙格库塔法求解微分方程 dy/dx=-y+x+1,初值y(0)=1;其精确解为y=x+exp(-x),且将计算结果与精确解进行比较,对三个算法的收敛性的进行分析比较。
时间: 2023-06-19 17:10:52 浏览: 62
首先,将微分方程转化为离散形式:
dy/dx ≈ (y[i+1] - y[i])/h
则有:
y[i+1] = y[i] + h*(-y[i] + x[i] + 1)
其中,h=0.1, x[i]=i*h
精确解为 y=x+exp(-x),代码如下:
```python
import math
def exact_solution(x):
return x + math.exp(-x)
```
接下来,分别使用欧拉法、预估校正法和四阶龙格库塔法求解微分方程:
欧拉法代码如下:
```python
def euler_method(f, h, y0, x):
y = [y0]
for i in range(len(x)-1):
y.append(y[i] + h*f(x[i], y[i]))
return y
```
预估校正法代码如下:
```python
def predictor_corrector_method(f, h, y0, x):
y = [y0]
for i in range(len(x)-1):
y_predict = y[i] + h*f(x[i], y[i])
y.append(y[i] + h*(f(x[i], y[i]) + f(x[i+1], y_predict))/2)
return y
```
四阶龙格库塔法代码如下:
```python
def runge_kutta_method(f, h, y0, x):
y = [y0]
for i in range(len(x)-1):
k1 = h*f(x[i], y[i])
k2 = h*f(x[i] + h/2, y[i] + k1/2)
k3 = h*f(x[i] + h/2, y[i] + k2/2)
k4 = h*f(x[i] + h, y[i] + k3)
y.append(y[i] + 1/6*(k1 + 2*k2 + 2*k3 + k4))
return y
```
接下来,分别调用三个求解函数,并将结果与精确解进行比较:
```python
import matplotlib.pyplot as plt
# 定义微分方程
def f(x, y):
return -y + x + 1
# 定义区间
a = 0
b = 1
h = 0.1
x = [a+i*h for i in range(int((b-a)/h)+1)]
# 求解微分方程
y_exact = [exact_solution(xi) for xi in x]
y_euler = euler_method(f, h, 1, x)
y_predictor_corrector = predictor_corrector_method(f, h, 1, x)
y_runge_kutta = runge_kutta_method(f, h, 1, x)
# 绘制图像
plt.plot(x, y_exact, label='Exact')
plt.plot(x, y_euler, label='Euler')
plt.plot(x, y_predictor_corrector, label='Predictor-Corrector')
plt.plot(x, y_runge_kutta, label='Runge-Kutta')
plt.legend()
plt.show()
```
运行结果如图所示:
![微分方程求解结果图](https://img-blog.csdnimg.cn/20210729170143158.png)
从图中可以看出,四阶龙格库塔法的精度最高,而欧拉法的精度最低。当步长 h 较小时,三种方法的精度都会提高,但是预估校正法和四阶龙格库塔法的效果会更好一些。