對於常微分方程,RK方法速度快,精度高,代碼簡單,是最爲實用的數值方法之一。RK方法很簡單,類似梯形法,RK法也是根據前一步點的值推算後一步點。具體算法見以下鏈接
https://wenku.baidu.com/view/3d7e77450a4c2e3f5727a5e9856a561252d32184.html?from=search&smallflow20190502=1
例:求解如下微分方程
精確解)
顯式方法中步長不能太大,否則結果不可靠。在代碼中28對步長進行了判斷。
例子中步長要小於0.066。 讀者可取n=5, 10,100對比下。
函數RK計算四個係數,fxy是方程右端的表達式。
import math
import numpy as np
from numpy import *
import matplotlib.pyplot as plt
import time
def RK(y0, a, b, n):#輸入y0,x的區間【a,b】以及等分數
h = (b-a)/n
y = np.zeros(n)
y[0] = y0
for i in range(1, n, 1): #從1到n
x0 = a+(i-1)*h # 這裏對應上一步的x0
k1 = fxy(x0, y0, h)
k2 = fxy(x0+h/2., y0+h/2.*k1, h)
k3 = fxy(x0+h/2., y0+h/2.*k2, h)
k4 = fxy(x0+h, y0+h*k3, h)
y0 = y0+h/6.*(k1+2.*k2+2.*k3+k4)
y[i] = y0
i = i+1
return y
def fxy(x, y, h): #被積函數寫在這裏
lanmb=-x*x*y #lanmb爲正數的時候不用判斷
f = lanmb*y #這裏需要判斷步長是否收斂。表達式dy/dx=lanmb*y
if (lanmb*h < -2):
print('h should smaller than ', abs(2/lanmb), h)# 收斂判斷條件
return f
start = time.clock()
a0 = 0.
b0 = 1.5
y0 = 3. #y的初始值
n = 80
yy = RK(y0, a0, b0+ (b0-a0)/n, n+1)# 這裏是閉區間,開區間不需要加 (b0-a0)/n
xx = np.arange(a0, b0+ (b0-a0)/n, (b0-a0)/n)
print(xx[-1],yy[-1])#打印最後一個點
yyy=3./(1+xx**3) #精確解 測試用
plt.figure(1) #畫圖
print(xx.shape, yy.shape)
plt.plot(xx, yy)
plt.scatter(xx,yyy) #精確解
delta=np.sum(abs(yyy-yy))
print(delta)
end = time.clock() #看一下所用時間
print('time=',end-start)
plt.show()
最後結果:散點是精確解,曲線是數值解