数值分析2

合集下载

数值分析2数值计算中的基本原则

数值分析2数值计算中的基本原则

已知f(x)=0在[a,b]内有一根,且f(a)f(b)<0
(1)计算:x00.5(a+b),y0f(x0),y1f(a)
判断,若y0=0,则x0是根,否则转下一步; (2)判断,若y0·1<0,则a1a, b1 x0 y
否则 a1x0, b1b, y1 y0
f(a1) f(b1) < 0
在算法执行过程中,舍入误差对计算结 果影响不大的一类算法被称为数值稳定 算法;否则称为不稳定算法.
8/18
例2.水中浮球问题
有一半径r =10 cm的球体,密 度 =0.638.球体浸入水中后, 浮出水面的高度h是多少?
r
d
设球体浸入水中的深度 d .根据阿基米德定律, 物体排开水的质量就是水对物体的浮力。
M 4 3
r
3
V

d 0
[ r ( r x ) ]dx
2 2
整理得:
d 3 – 3 r d 2 + 4 r 3 = 0
9/18
由 =0.638, r = 10.代入,得d 3 – 30 d 2 + 2552 = 0
令 f (x) = x 3 – 30 x 2 + 2552 ,函数图形如下所示 求解方程 f(x)=0, 即是求函数 f(x)的 零点. f(x) 的零点 所在区间为 [10,15]
A (1 x )
m
P
1 (1 x )
m
1 (1 x )
12/18
A
P x
[1 ( 1 x )
1500 x
m
]
180
230000
[1 ( 1 x )
]

数值分析_第2章

数值分析_第2章

证:由1。 f '( x) C[a, b],由2。 f '( x)不变号,故f ( x) 知 知 单调,再由3。 唯一的 [a, b],使f ( ) 0. 知
由1 3 知f ( x)在[a, b]上必属于下列四种情形之一:
。 。
f ''( x) 0 f (a) 0, f (b) 0, f '( x) 0(增) f ''( x) 0
二.收敛性:
mn . n .
◆判定二分次数:
1 lim n 1 b0 a0 0 n 2
1 对 0,若要求 mn n 1 b0 a0 2
b0 a0 则2 n log 2 1与取整的 1抵消 .
定理1.(单点法收敛的充分条件) 设f ( x)在[a, b]上二阶 可导,且满足:
。 1. f ''( x)在[a, b]上不变号(凹凸不变性);
2。 f '( x)在[a, b]上不为0(单调性); . 3。 f (a) f (b) 0; . 4。取x0 [a, b], 使f ( x0 ) f ''( x0 ) 0.x1 [a, b], f ( x1 ) f ( x0 ) 0. . 则由(6)所得 xn 单调收敛于f ( x) 0在[a, b]上的唯一根。
列表计算:
n
0 1 2 3 4 5
xn
2 1 1.33333 1.40000 1.41176 1.40378
2
f ( xn )
2 -1 -0.22223 -0.04000 -0.00692
hn

数值分析第2版答案苏芳

数值分析第2版答案苏芳

数值分析第2版答案苏芳1.下列哪项不属于非结构化数据?() [单选题] *A、网络日志B、信用卡号码(正确答案)C、音频D、图片2.利用大数据对消费者进行画像、提前进行库存准备等体现了大数据分析的()价值。

[单选题] *A、诊断与决策B、控制与监督C、洞察与预测(正确答案)D、描述与判断3.大数据分析时采用的外部数据不包括()。

[单选题] *A、ERP系统数据(正确答案)B、第三方调查报告C、上市公司年报D、政府部门公开数据4.企业大数据分析报告的典型结构是()。

[单选题] *A、分总B、总分C、总分总(正确答案)D、分总分5.以下哪种数据存储方式保存的信息更丰富?() [单选题] *A、纸质表格B、电子表格C、文本信息D、视频信息(正确答案)6.可视化图表中用颜色的深浅表示数值大小差异的图形是()。

[单选题] *A、热力图(正确答案)B、气泡图C、饼图D、散点图7.数据分类的类别较多时可视化图表一般采用()。

[单选题] *A、柱状图B、条形图(正确答案)C、折线图D、饼图8.文本分析中常用的图表有()。

[单选题] *A、桑基图B、瀑布图C、词云图(正确答案)D、玫瑰图9.数据可视化具有可视性、多维性及(),用视觉效果、多个变量或属性进行标识,更好的促进用户和数据之间的互动。

[单选题] *A、简便性B、关联性C、整体性D、交互性(正确答案)10.回归分析有效性的最重要判断指标是()。

[单选题] *A、DBIB、R²(正确答案)C、截距D、标准差11.以下属于无监督学习算法类型的是()。

[单选题] *A、朴素贝叶斯B、多元回归分析C、K-Means(正确答案)D、决策树12.用于描述一组正态分布数据离散趋势。

() [单选题] *A、中位数B、方差(正确答案)C、均数D、众数13.朴素贝叶斯算法是机器学习中常见的基本算法,其理论核心是(C.)。

[单选题] *A、阿姆达尔定律B、贝亚蒂定理C、贝叶斯定理(正确答案)D、德·摩根定律14.以下算法属于分类分析算法的是()。

数值分析2 迭代法

数值分析2 迭代法

§2简单迭代法——不动点迭代(iterate)迭代法是数值计算中的一类典型方法,被用于数值计算的各方面中。

一、简单迭代法设方程f(x)=0 (3)在[a,b]区间内有一个根*x ,把(3)式写成一个等价的隐式方程x=g(x) (4)方程的根*x 代入(4)中,则有)(**=x g x (5)称*x 为g的不动点(在映射g下,象保持不变的点),方程求根的问题就转化为求(5)式的不动点的问题。

由于方程(4)是隐式的,无法直接得出它的根。

可采用一种逐步显式化的过程来逐次逼近,即从某个[a,b]内的猜测值0x 出发,将其代入(4)式右端,可求得)(01x g x =再以1x 为猜测值,进一步得到)(12x g x =重复上述过程,用递推关系——简单迭代公式求得序列}{k x 。

如果当k →∞时*→x x k ,}{k x 就是逼近不动点的近似解序列,称为迭代序列。

称(6)式为迭代格式,g(x)为迭代函数,而用迭代格式(6)求得方程不动点的方法,称为简单迭代法,当*∞→=x x k k lim 时,称为迭代收敛。

构造迭代函数g(x)的方法:(1)=x a x x -+2,或更一般地,对某个)(,02a x c x x c -+=≠;(2)x a x /=; (3))(21xa x x +=。

取a=3,0x =2及根*x =1.732051,给出三种情形的数值计算结果见表表 032=-x 的迭代例子问题:如何构造g(x),才能使迭代序列}{k x 一定收敛于不动点?误差怎样估计?通常通过对迭代序列}{k x 的收敛性进行分析,找出g(x)应满足的条件,从而建立一个一般理论,可解决上述问题。

二、迭代法的收敛性设迭代格式为),2,1,0()(1 ==+k x g x k k而且序列}{k x 收敛于不动点*x ,即∞→→-*k x x k (0时)因而有)3,2,1(1 =-≤-*-*k xx x x k k (7)由于),(),)((11*-*-*∈-'=-x x x x g x x k k k ξξ当g(x)满足中值定理条件时有),(),)((11*-*-*∈-'=-x x x x g x x k k k ξξ (8)注意到(8)式中只要1)(<<'L g ξ时,(7)式成立.经过上述分析知道,迭代序列的收敛性与g(x)的构造相关,只要再保证迭代值全落在[a,b]内,便得:假定迭代函数g(x)满足条件(1) 映内性:对任意x ∈[a,b]时,有a ≤g(x) ≤b ;(2) 压缩性:g(x)在[a,b]上可导,且存在正数L<1,使对任意 x ∈[a,b],有L x g <')( (9)则迭代格式)(1k k x g x =+对于任意初值0x ∈[a,b]均收敛于方程x=g(x)的根,并有误差估计式011x x LL x x kk --≤-*(10)证明 :收敛性是显然的。

数值分析二分法

数值分析二分法

二分法的实现步骤
04
确定初始区间
01
确定初始区间
选择一个初始的区间,其中包含要找的根。
02
确定终止条
确定初始中点
选择区间的中点作为初始近似值。
计算中点
计算中点
将区间分成两半,取中间点作为新的近似值。
计算中点处的函数值
代入中点处的x值,计算函数值f(x)。
检查中点处的函数值
检查中点处的函数值
比较f(x)与0的大小,判断中点是否为根 。
VS
确定根所在区间
根据函数值的正负,确定根所在的区间。
更新区间
更新区间
根据根所在的区间,重新确定新的区间长度 和区间端点。
更新近似值
将新的区间端点中的较小值作为新的近似值。
重复步骤,直到满足精度要求
重复步骤
重复上述步骤,直到满足终止条件,即区间长度小于预设的精度要求。
收敛性证明
• 证明:由于f(x)在区间[a, b]上连续,且f(a)和f(b)异 号,根据介值定理,存在至少一个零点c属于(a, b)。 每次迭代将区间[a, b]分成两半,即c = (a + b) / 2, 由于f(c)不为零,所以f(a)和f(c)同号或f(c)和f(b)同 号,即至少有一半的区间满足条件,继续迭代直到 达到精度要求。
二分法的重要性
二分法是数值分析中基础而重要的方 法之一,为解决许多实际问题提供了 有效的数值逼近手段。
二分法在金融、工程、物理等领域都 有广泛的应用,如求解微分方程、优 化问题等。
02 二分法的基本原理
定义与公式
定义
二分法是一种求解实数区间[a, b]上函数f(x)零点的迭代算法。
公式
假设f(x)在区间[a, b]上连续,且f(a)和f(b)异号,即f(a) * f(b) < 0。取c = (a + b) / 2,如果f(c) = 0或f(a) * f(c) < 0,则c就是所求的零点。

数值分析 2

数值分析 2

Euler法和预估校正法求解初值问题摘要在数学与计算科学中,Euler法是一种一阶数值方法,通常用于对给定初值的常微分方程(初值问题)的求解。

Euler法的基本思想是迭代,就是逐次替代,然后求出所要求的解,并达到一定的精度。

Euler法思想是简单地取切线的端点作为下一步的起点进行计算,当步数增多时,误差会因积累而越来越大,因此Euler法一般不用于实际计算。

为提高精度,需要在Euler法的基础上进行改进,即为预估校正法。

预估校正法的精度为二阶,思想是采用区间两端的函数值的平均值作为直线方程的斜率。

预估校正法先用Euler法求出预报值,再利用梯形公式求出校正值,局部截断误差比Euler法低了一阶,较大程度地提高了计算精度。

并编写MATLAB程序实现两种数值解法,通过作图对比其精度,加深对两种方法的认识。

关键字:Euler法,预估校正法,MATLAB软件EULER METHOD AND FORECAST CORRECTION METHOD FOR SOLVING INITIAL V ALUE PROBLEMSABSTRACTIn mathematics and computer science, the Euler method is a numerical method. It is usually used to solve the equations of the given initial value(initial value problems),Euler’s basic method is iterative, that is to say, the ideal is successive substitution, then, find out the required solution and achieved a certain accuracy. Euler method simply means take as the starting point of the next step to calculate the tangent of the end point, when numbers increase, errors due to the accumulation of more and more big. So, the Euler method is generally not used for practical calculation. In order to improve the accuracy, we need to be on the basis of Euler method was improved, the forecast correction method. Forecasts for the second order correction method of the precision, using the average value of a function as a linear equation at each end of the range of the slope. Forecast correction method with Euler method first predicted value, using trapezoid formula to find the correction, the local truncation error lower than the Euler method, greatly improve the calculation accuracy. By write MATLAB program to realize two methods, and through comparing the drawing accuracy, deepen understandingof the two methods.Key words: Euler method, forecast correction method, MATLAB目录1 欧拉法 (1)1.1 Euler方法简介 (1)1.1.1 Euler格式 (2)1.1.2欧拉方法的误差估计 (2)2 预估校正法 (6)2.1预估校正法简介 (6)2.1.1预估校正法 (6)2.2.2 预估校正法的误差估计 (6)3.实例以及结果分析 (4)3.1Euler法与预估校正法的Matlab实例及实现......................3.1.1 实例1的求解及Matlab实现 (7)3.1.2 实例2的求解及Matlab实现.............................3.1.3实例3的求解及Matlab实现............................. 参考文献.. (10)附录 (11)Euler 法1.1 Euler 方法一阶常微分方程的初值问题,其一般形式为0'(,)()y f x y y x y =⎧⎨=⎩ (1) 我们知道,只要函数f (x,y )适当光滑----譬如关于y 满足Lipschitz 条件(,)(,);f x y f x y L y y -≤-理论上就可以保证初值问题(1)的解()y y x =存在且唯一。

数值分析2-4(埃尔米特插值)

数值分析2-4(埃尔米特插值)
在环境监测中,埃尔米特插值可以用于填补多个监测点的数据空缺,提高环境数据的完整性和准确性 。
在数值分析中的应用
函数逼近
埃尔米特插值可以用于逼近复杂的函数,为 数值分析中的函数近似提供有效的方法。
数值积分
利用埃尔米特插值,可以将复杂的积分转化 为简单的数值计算,提高数值积分的精度和 效率。
THANKS
度和可靠性。
埃尔米特插值的优点和局限性
优点
埃尔米特插值多项式具有数值稳定性、 计算效率高、适用范围广等优点,在 实际应用中具有广泛的应用价值。
局限性
埃尔米特插值多项式对于复杂函数和 多维数据的插值效果可能不够理想, 需要结合其他算法进行优化。
05
埃尔米特插值的应用实例
一维数据的插值
预测股票价格
利用埃尔米特插值方法,可以根据历史 股票数据,预测未来的股票价格走势。
VS
气象预报
在气象学中,埃尔米特插值可以用于填补 气象观测数据的空缺,提高气象预报的准 确度。
多维数据的插值
地理信息系统
在地理信息系统中,埃尔米特插值可以用于生成高精度的地形地貌模型,为土地利用、城市规划等领 域提供支持。
环境监测
03
埃尔米特插值的实现方法
构造插值多项式
01
02
03
确定插值点
选择一组已知的插值点, 这些点是数据点的坐标。
构造多项式
根据已知的插值点,构造 一个多项式,使得该多项 式在每个插值点处的函数 值为已知的函数值。
确定多项式的阶数
根据插值点的数量和所需 的插值精度,确定多项式 的阶数。
计算插值节点的位置
二次插值的优点是对于非线性数据更 为准确,但计算量相对较大,且需要 更多的已知数据点。

数值分析2

数值分析2

r0
从而,(3.1.1)的近似解为 需要解决如下问题
xm = x0 + zm
1. 如何选择 Lm , Km 以及它们的基底?
2. 如何实现Galerkin原理?
3. 当m<<n时, zm与z*的误差如何? 这里 Az* = r0
3.2 Arnoldi 算法
对给定的m, 取 Km = Lm = span{r0 , Ar0 ,..., Am−1r0}
Azm

A(z

zm
)
2 2
=
r0 − Azm
2 2

2(r0

Azm
)T
A(z

zm
)
+
A(z

zm
)
2 2
上式第二项点积中 A( z − zm ) ∈ Lm
( ) ∴ (r0 − Azm )T A( z − zm ) = r0 − Azm , A( z − zm ) = 0
从而
r0

Az
2 2
=
k+1
⇒ Avk = hi,kvi + h v k+1,k k+1 = hi,kvi ,
i =1
i=1
k =1,2 .
推导Arnoldi过程的矩阵表示
k+1
∑ Arnoldi过程的矩阵表示 Avk = hi,kvi , k =1,2 i =1 Av1 = h11v1 + h21v2 Av2 = h12v1 + h22v2 + h32v3
则 zm = Vm ym 就是方程(3.1.2) Az = r0 的精确解.
Arnoldi算法(原理型)
  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)。

(六)多项式函数与函数的最佳逼近 1.插值所谓“最接近”或者严格地说最佳逼近,就是从指定的一类简单的函数中寻找一个和给定的函数“最贴近”的函数,从几何(空间)的角度看,函数最佳逼近就是从指定的一类简单的函数(点的集合)中寻找一个和给定的函数(定点)之间距离最短的函数(点)。

函数空间中不同的距离度量确定了不同的逼近准则,不同的逼近准则定义了不同的函数最佳逼近。

在插值问题中,最佳逼近准则是:在已知的全部点处,简单函数(被插值多项式)的函数值与未知函数的函数值相等,即()k k P x y =,0,1,2,,k n = 2.构造插值多项式的方法1)拉格朗日插值法:()()0nkkk L x L x y ==∑简单的证明:因为拉格朗日插值多项式的基函数有如下的性质:()()()010,njkk j j kjj kx x x x L x x x j kx x =≠-=⎧==⎨=≠-⎩∏0,1,2,k n =所以拉格朗日插值多项式()()()0nk jkjk k k k j L x L x yL x y y ====∑ 0,1,2,k n = 满足插值的条件。

拉格朗日插值法的不足:在实际问题中,观测的数据可能会不断增加,如果用拉格朗日插值公式构造插值多项式,那么,每当增加数据就要重新计算多项式的系数,由此增加许多不必要的计算工作量。

2)牛顿插值法将插值多项式()n P x 写成下面的形式()()()()()()()010201011n n n P x a a x x a x x x x a x x x x x x -=+-+--++---其系数的确定有如下的特点:计算第k 个系数只用到前k 对数据,如()000n a P x y ==,()101011010n P x a y y a x x x x --==--,()()()()()()()()()()()()()()20120220212220120202110202020211020102021101211n P x a a x x a x x x x y a y a a x x x x x x y y y y x x x x x x x x y y y y x x x x x x x x =+-+--=⇒=---⎡⎤⎣⎦--⎡⎤-=---⎢⎥---⎣⎦--=+----因此,当数据增加时,不需要重新计算已有的多项式系数,例如,在已得到插值多项式的情况下,当新增加一对数据()11,n n x y ++时,只需要在原有的插值多项式的基础上增加一项()()()101n n a x x x x x x +--- ,因此,对于新的插值多项式()()()()()()()()()()1010201011101n n n n n P x a a x x a x x x x a x x x x x x a x x x x x x +-+=+-+--++---+---只需要计算系数1n a +。

3)三次样条插值条件要求所求的插值多项式()S x (三次样条函数)a .在每个区间[]1,k k x x -,0,1,2,,k n = ,是次数不超过三次的多项式;b .()k k S x y =,0,1,2,,k n = ;c .()S x 在区间..上具有二阶连续导数。

定端点的斜率:()00S x y ''=,()n n S x y ''= (固定边界条件)给定端点的的二阶导数:()00S x y ''''= (自由边界条件) 期性条件:()()()()0m m n S x S x = 附程序5:Interpolation_Spline_01.m(七)数值分析 1.最小二乘法最小二乘逼近多项式()*n P x 必须满足如下条件:220TTf a aϕϕϕ∂Φ=-+=∂即满足法方程组:()1TT TTa fa fϕϕϕϕϕϕ-=⇒=附程序6:附程序1: Polyfit_01.m2.最佳平方逼近设函数()()[],,f xg x C a b ∈,定义函数()f x 与()g x 之间的距离如下:()()122,badf g f g dx ⎡⎤=-⎢⎥⎣⎦⎰,给定函数()[,]f x C a b ∈,若在所有的次数不超过n次的多项式1011()nn n n P x a x a xa x--=+++ 中,多项式1011()nn n n n P x a x a x a x a ***-**-=++++ 满足()()()()122*,m i n n bnn a P x df P fx P x dx ⎡⎤=-⎡⎤⎣⎦⎢⎥⎣⎦⎰,则称()*n P x 是()f x 在区间[],a b 上的(n 次)最佳平方逼近多项式。

(八)数值微积分对于给定的函数()y f x =,如果 1)()y f x =的函数关系式比较复杂;2)()y f x =未知,而仅仅知道该函数在1n +个点k x ,0,1,,k n = 处的函数值k y .则希望能用相对简单的计算方法,求得()y f x =在[,]a b 上的定积分的近似值。

基于上述考虑,选择的方法之一是利用函数()y f x =的插值多项式的积分作为函数()y f x =在[,]a b 上的定积分的近似值,例如,当函数()y f x =在[,]a b 上的定积分不易计算时,利用函数()y f x =的Lagrange 插值多项式()()()0nn kkk L x l x f x ==∑,有()()()()0nb b b n k k aaa k I fx dx L x dx l x dx fx =⎡⎤=≈=⎢⎥⎣⎦∑⎰⎰⎰。

由于Lagrange 插值多项式()()()0nn kkk L x l x f x ==∑的插值基函数()k l x 只依赖插值节点k x ,0,1,,k n = ,所以当k x ,0,1,,k n = 取定后,()k l x 就是完全确定的多项式函数,令()b k k aA l x dx =⎰, 0,1,,k n =则得Newton-Cotes 求积公式:()()()()()00b bn aab nkkk ank k k fx dx L x dxf x l x dx A fx ==≈==⎰⎰∑⎰∑特别地,当取插值节点为,0,1,,k x a kh k nb a h n=+=-=时有1)两点公式(梯形公式):01122h b a n A A -=⇒===()()()()()02b bn aank k k fx dx L x dx A fx b a f a f b =≈=-=+⎡⎤⎣⎦⎰⎰∑附程序7:Quad_Example_01.m2)三点公式(Simpson 公式):()02126646h b a n A A b a A -=⇒===-=()()()()462b bn aafx dx L x dxb a a bf a f f b ≈-⎡+⎤⎛⎫=++ ⎪⎢⎥⎝⎭⎣⎦⎰⎰利用Lagrange 插值的误差公式:()()()()()()()101!n nn n k k fR x f x L x x x n ξ+==-=-+∏ 得到梯形求积公式的误差估计:()()()()()()313222121232b baaf fx dx L x dx b a M b a b a b a M ξ''-=-≤---⎛⎫=⎪⎝⎭⎰⎰和Simpson 求积公式的误差估计:()()()()()424418021802b baaf b a b a fx dx L x dx b a b a M ξ''--⎛⎫-=⎪⎝⎭--⎛⎫≤ ⎪⎝⎭⎰⎰其中:()(){}[,]maxk k x a b M fx ∈=。

附程序8:Quad_Example_02.m3)复化求积公式 1)复化的梯形求积公式()()()()()111122k kn b x ax k n k k nfx dx fx dxh f a f x f b T +-=-==⎡⎤≈++⎢⎥⎣⎦=∑⎰⎰∑2)复化的Simpson 求积公式()()()()()111112462k kn b x axk n n k k k k nfx dx fx dxh h f a f x f x f b S +-=--===⎡⎤⎛⎫≈++++ ⎪⎢⎥⎝⎭⎣⎦=∑⎰⎰∑∑附程序9:quad_xsinexp02.m(九)微分方程(组)数值解法微分方程(组)是科学研究和工程应用中最常用的数学模型之一。

如揭示质点运动规律的Newton 第二定律:()()()220000d xmF t dt x t x x t x ⎧=⎪⎨⎪''==⎩和刻画回路电流或电压变化规律的基尔霍夫回路定律等,但是,只有一些简单的和特殊的常微分方程及常微分方程组,可以求得用公式给出的所谓解析解或公式解,如一阶线性微分方程的初值问题:()()00dyay f t dty y =+=的解为:()()()00ta t at y t e y ef d τττ-=+⎰。

但是,绝大多数在实际中遇到的常微分方程和常微分方程组得不到“解析解”,因此,基于如下的事实:1)绝大多数的常微分方程和常微分方程组得不到解析解;2)实际应用中往往只需要知道常微分方程(组)的解在(人们所关心的,感兴趣的)某些点处的函数值(可以是满足一定精度要求的近似值);如果只需要常微分方程(组)的解在某些点处的函数值,则没有必要非得通过求得解的表达式,然后再计算出函数值不可,事实上,我们可以采用下面将介绍的常微分方程(组)的初值问题的数值解法,就可以达到这一目的。

一般的一阶常微分方程初值问题是指如下的一阶常微分方程的定解问题:()()000,,fdy f t y t t t dty t y =≤≤=,微分方程(组)的初值问题通常是对一动态过程演化规律的描述,求解常微分方程(组)的初值问题就是要了解和掌握动态过程演化规律。

解的存在且唯一性条件。

如果函数(),f t y 在区域()0,,f D t t ⎡⎤=⨯-∞+∞⎣⎦上连续,且存在(Lipschitz )常数0L >,对自变量y 满足不等式(Lipschitz条件):()()2121,,f t y f t y L y y -≤-,那么初值问题(Cauchy 问题)存在唯一的连续可微解()00,,y y t t y =。

1)最简单的数值解法:Euler 方法假设要求在点(时刻)0k t t kh =+,0f t t h n-=,1,2,,k n = 处初值问题(4)的解()y y t =的近似值。

相关文档
最新文档