线性多步法
4线性多步方法
三、k步隐式线性多步法
j 0
k
j
yn j h j f n j
j 0
k
( )
k
2 2 , 其中 j j 均为常数，且 k 0, k 0,0 0 0
等价形式： yn k
j 0
k 1
j
yn j h j f n j
2 xn 2 xn1 h yn [55( yn ) 59( yn1 ) 24 yn yn1
xi
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
R-K方法
Adams预-校法
精确解
1 1.095446 1.183217 1.264912 1.3416413571 1.4142138334 1.4832398242 1.5491933804 1.6124515364 1.6733199993
5 f ( xn1 , yn1 ) f ( xn 2 , yn 2 )]
（隐式）
2x dy 例3：用Adams预报-校正公式 y y x [0,1] 求解下列初值问题h 0.1 。 dx y ( 0) 1 解： Adams预报-校正公式：
y
( 0) n 1
2 2
x xn m f ( x , y ) L3 ( x ) ( ) f ( x n k , yn k ) k 1 m 1 xn k xn m
k 1
yn1 yn
2
mk
f ( x n k , yn k )
xn1 xn
x xn m dx m 1 xn k xn m
j 0
线性多步法
线性多步法：线性多步法（linear multistep method）是1993年发布的数学名词。
线性：线性特性是卷积运算的性质之一，即设a，b为任意常数，则对于函数f(z，y)，h(x，y)和g(x，y)，{af(x，Y)+bh(z，y)}*g(z，y)=af(x，y)*g(x，y)+bh(x，y)*g(z，y)。
同样有：f(x，y)*{ah(x，y)+bg(x，y)=af(x，y)*h(x，y)+bf(x，y)*g(x，y)。
定义：卷积(Convolution)既是一个由含参变量的无穷积分定义的函数，又代表一种运算。
其运算性质在线性系统理论、光学成像理论和傅里叶变换及其应用中经常用到。
卷积的运算性质有线性特性，复函数的卷积，可分离变量，卷积符合交换律，卷积符合结合律，坐标缩放性质，卷积位移不变性，函数f（x，y）与函数的卷积。
其中线性特性可描述为：设a，b为任意常数，则对于函数f(z，y)，h(x，y)和g(x，y)，{af(x，Y)+bh(z，y)}*g(z，y)=af(x，y)*g(x，y)+bh(x，y)*g(z，y)。
同样有：f(x，y)*{ah(x，y)+bg(x，y)=af(x，y)*h(x，y)+bf(x，y)*g(x，y)。
多步法：多步法用于普通微分方程的数值解。
从概念上讲，一个数值方法从一个初始点开始，然后在时间上向前迈出一小步，找到下一个解点。
该过程以后的步骤来绘制解决方案。
单步方法（如欧拉方法）只指一个前一点及其导数来确定当前值。
诸如Runge-Kutta的方法采取一些中间步骤（例如，半步）来获得更高阶的方法，但是在进行第二步之前丢弃所有先前的信息。
多步法尝试通过保留和使用先前步骤的信息而不是丢弃它来提高效率。
因此，多步法是指前几个点和导数值。
在多步法的情况下，使用先前点和导数值的线性组合。
数值分析(26)线性多步法
其局部截断误差为
Rn1
19 720
h5
yn(5) (
)
xn2 xn1
由于积分区间在插值区间[ xn2 , xn1 ]内，故Adams隐式
公式又称为Adams内插公式
数值分析
数值分析
（3）米尔尼( Miline )公式
4 yn1 yn3 3 h(2 fn fn1 2 fn2 ) 称为Miline公式，其局部截断误差为
这就是四阶Adams显式公式。由于积分区间在插值
区间[ xn3 , xn ]外面，又称为四阶Adams外插公式。
由插值余项公式可得其局部截断误差为
Rn1
xn1 xn
F (4) ( x )
4!
3 j0
(x
xn j )dx
xn1 xn
y(5) ( x )
4!
3
(x
j0
xn j )dx
数值分析
2!
h2
y(4) n
3!
h3
y(5) n
4!
h4 O(h(5) )
数值分析
数值分析
将以上各公式代入并整理，得
yn1 (0 1 ) yn (1 1 0 1 ) yn' h
(1
2
1
1 ) yn''h2
( 1
6
1
2
1
2
) yn'''h3
(1
24
1
6
1
6
)
y(4) n
h4
(
1
120
5!
yn1 (0 1 ) yn (1 1 0 1 ) yn' h
(1
常微分方程数值解法2线性多步法
03
常见的线性多步法
欧拉方法
总结词
欧拉方法是常微分方程数值解法中最简单的一种方法，它基于线性近似，通过已知的函 数值来估计新的函数值。
详细描述
欧拉方法的基本思想是利用已知的函数值来估计下一个点的函数值。具体来说，假设我 们有一个函数 (y = f(x))，在已知 (x_0) 处的函数值 (y_0 = f(x_0)) 的情况下，欧拉方法 通过线性插值来估计 (x_1) 处的函数值 (y_1)，即 (y_1 = y_0 + h f(x_0))，其中 (h) 是
05
线性多步法的优缺点
优点
稳定性好
线性多步法在处理常微分方程时具有较好的数值稳定性， 能够有效地抑制数值振荡，提高计算结果的精度。
01
易于实现
线性多步法的计算过程相对简单，易于 编程实现，适合于大规模数值计算。
02
03
精度可调
通过选择不同的步长和线性多步法公 式，可以灵活地调整计算结果的精度， 满足不同的数值模拟需求。
改进方法的收敛性
研究收敛性条件
深入研究线性多步法的收敛性条件，了解哪些情况下方法可能不收 敛，并寻找改进措施。
优化迭代算法
通过优化迭代算法，提高方法的收敛速度和精度，减少迭代次数， 提高计算效率。
引入预处理技术
利用预处理技术对线性系统进行预处理，改善系统的条件数，提高方 法的收敛性。
拓展应用领域
在工程问题中的应用
控制系统设计
在工程领域中，线性多步法可以用于控制系统设计，通过 建立控制系统的数学模型，设计控制算法和控制器，实现 系统的稳定性和性能优化。
8.4-8.5线性多步法及收敛性与稳定性分析
f x ( x0 , y0 )
]
在平移一下,即化成检验方程形式.
y' y y ( x0 ) y0
--------------(2)
y y0e
当 Re 0时, 当 Re 0时,
其关系式为
( x x0 )
( y0 0)
y ( x) | (as x ); y ( x) | 0 (as x ), 此时, 试验方程是稳定的.
(5) Simpson 2步4阶隐式公式
h yn 1 y n 1 ( f n 1 4 f n 2 f n 1 ) 3
1 5 (5) Tn 1 h y ( xn ) O (h 6 ) 90
多步方法的特点： (1)、 因初始条件只有一个，多步方法的启动要借助 高阶的单步方法来开始. (2)、多步方法比较简单，只要在这几个点的函数 值的线性组合, 而且每步中所用函数值, 有些下一 步还可使用。
要使 |1 h | 1,
即 |1 h | 1 给出了绝对稳定区域 {z | z 1| 1|},
这是复平面上以 (1,0)为圆心的单位圆, 绝对稳定区间为(-2,0).
2. 隐式Euler公式
yn1 yn hf ( xn1, yn1 ) yn hyn1
2. 一个方法的整体截断误差比局部截断误差低一阶.
若某些引入的误差, 在以后的传播中被压缩, 衰减或增长 可以控制, 就认为数值方法 (1) 是数值稳定的, 反之, 若在传 播中被放大而无法控制, 就认为是数值不稳定.其中, 若误 差的传播可以被压缩, 衰减, 则称绝对稳定.
y ' =f ( x, y ), x D 定义8.5.2 对初值问题 对于固定的 y ( x0 ) y 0 , 步长 h,在数值计算中, 节点值 yi 产生一扰动 i (包括初值y 0 ), 而仅由这一个扰动引起的以后各节点值 y j ( j i ) 的变化 j 都不超过 i , 即 | j || i |, 就称这个数值方法是稳定的.
线性多步法
常微分方程数值解的多步法。
从概念上讲，一种数值方法是从一个初始点开始的，然后在时间上向前迈出一小步，以找到下一个求解点。
以下过程绘制解决方案。
单步方法（例如欧拉方法）仅参考前一点及其导数来确定当前值。
诸如Runge-Kutta之类的方法采取了一些中间步骤（例如，半步骤）来获得高阶方法，但是在进行第二步之前会丢弃所有先前的信息。
多步方法试图通过保留和使用先前步骤的信息而不是丢弃信息来提高效率。
因此，多步法是指前几个点和导数值。
在多步法的情况下，使用先前点和导数值的线性组合。
常微分方程数值解的多步法。
从概念上讲，一种数值方法是从一个初始点开始的，然后在时间上向前迈出一小步，以找到下一个求解点。
以下过程绘制解决方案。
单步方法（例如欧拉方法）仅参考前一点及其导数来确定当前值。
诸如Runge-Kutta之类的方法采取了一些中间步骤（例如，半步骤）来获得高阶方法，但是在进行第二步之前会丢弃所有先前的信息。
多步方法试图通过保留和使用先前步骤的信息而不是丢弃信息来提高效率。
因此，多步法是指前几个点和导数值。
在多步法的情况下，使用先前点和导数值的线性组合。
具体定义常微分方程的数值方法近似地解决了形式初值的问题结果是离散时间ti处y（t）的近似值：其中h是时间步长，而i是整数。
多步方法使用上一个S步骤的信息来计算下一个值。
特别地，多步方法使用yi和f（ti，yi）来计算当前步骤所需的y值。
因此，多步方法是一种具有以下形式的方法：确定系数ai和bi的方法。
该方法的设计者选择系数来平衡对实际解决方案的需求，从而获得一种易于使用的方法。
通常，许多系数为零以简化方法。
可以区分显式和隐式方法。
如果bi = 0，则此方法称为“显式”，因为此公式可以直接计算yn + s。
如果bi≠0，则此方法称为“隐式”，因为yn + s的值取决于f（tn + s，yn + s），并且必须为yn + s。
迭代方法（例如牛顿法）通常用于求解隐式公式。
线性多步法
y ( k +1) (ξ ) ( x − xn )"( x − xn−k +1 )dx xn k! xn+1 1 = y ( k +1) (η) ( x − xn )"( x − xn−k +1 )dx xn k! =
∫
xn+1
∫
= β k h k +1 y ( k +1) (η )
定义1 设y(x)是初值问题(1).(2）的精确解， y ′ =f(x,y) y(a)=α
k
a≤x≤b (1) (2)
k
记 fi =f(xi ,yi ), yi≈wi ,过k个点 (xi ,fi )(i=n,n-1,…,n-k+1)，作 f(x ,y )的插值多项式Pk-1(x):
多步法（11）在xi+1 (i=k,…,n-1)处的局部截断误差为
所给2步法是2阶方法。
5 3 (3) h yi + O(h4 ) 12
单步法:计算yn+1时，只用到前一步yn 的结果，提高方法的 精度，需要增加函数 f(x,y) 的计算次数。 多步法: 尽可能利用已得到的信息： y1 ,y2 ,…,yn ，提高 方法的精度。 对于初值问题 a≤x≤b y ′ =f(x,y) y(a)=α 设已求得近似解 y1 ,y2 ,…,yn ，现求yn+1 。
10.4 单步法的误差与稳定性
数值方法的误差
误差 局部截断误差(Local truncation error) 总体截断误差(Global truncation error)
定义2：若一种数值方法的局部截断误差Ti+1(h)= O(hp+1)，则称 相应数值方法是 p 阶方法，其中p为正整数。 定义3：若一个p阶方法的局部截断误差为， Ti+1(h)=g(xi ,y(xi ))hp+1+ O(hp+2) 则第一个非零项：g(xi,y(xi))hp+1,称为该方法的局部截断误差主项。 Euler’s method是一阶方法。 梯形公式与改进Euler’s method均是2阶方法。
数值分析线性多步法讲解
fn-
r
yn+1 = yn + h bri fn-i
i=0
其 中 ：b ri
=
(-1)i
r j=i
j
i a j
§5 线性多步法 © 2009, Henan Polytechnic University
77
第五章 常微分方程数值解法
局部截断误差为：Rr
=
y(xn+1) - yn+1 = h
j fn- j =
i=0
-1
i
j
i
fn-i
r
r
j
a j j fn- j = a j
j=0
j=0 i=0
-1
i j
i
fn-i
=
r i=0
-1
i
r j =i
j i
a
j
fn-i
=
r i=0
bri
1
0 Rr (xn + th) h dt
Newton 插值余项
§5 线性多步法 © 2009, Henan Polytechnic University
55
第五章 常微分方程数值解法
xn+1
f
(x,
y(x)) dx
x=xn +th
=
xn
1
0 Nr (xn + th) h dt +
1
0 Rr (xn + th) h dt
构造 r 阶牛顿后插多项式, 有
Nr (xn
线性多步法
y ( x i 1 ) y ( x i ) x
xi 1 i
f ( x, y ( x ))dx
为了近似计算式中的积分，以xi−k , xi−k+1, , xi−1, xi 为插值节点，作函数f (x, y (x)) 的k 次插值多项 式pk (x)，从而有 f (x, y (x) ) = pk (x) + R (x), 其中，R (x)为插值余项
i 2, , N 1
将 f (x, y) = 2x + y, h = 0.1, xi = 0.1i 代入，得
1 yi 1 (0.9 yi 1 25.9 yi 0.5 yi 1 0.2 yi 2 0.48i 0.24) 24
本例可以解出yi+1 使其成为显式
几个常用的Adams外插公式如下 ① 单步法(k=0)
y i 1 y i hy i
1 2 ei 1 h y( i ) 2
② 二步法(k=1)
i 0,1,, N 1
h yi 1 yi (3 y y ) i 0,1, , N 1 i i 1 2
§5 线性多步法 /*Linear multistep method*/
一、Adams外插法 二、Adams内插法 三、Taylor级数法
求解初值问题的数值方法都是“步进式”的，即 求 解过程从初值y0开始，顺着节点的排列次序，一 步一步地向前推进．所以，在计算yi+1 时，前面 的i + 1 个值y0, y1, , y i 都是已知的．如果在计算 yi+1 时能充分利用这些已有的信息，而不是像单 步法中那样，只用其前一步的值yi，则可望构造 出精度高，但计算量小的求解公式．线性多步法 k k 就是基于这一思想发展起来的，其计算公式可表 yi 1 r yi r h r y 示为 i r
线性多步法 - 龙格-库塔法
河北联合大学第9章常微分方程初值问题数值解法§9.3 龙格-库塔法 §9.4 线性多步法1. 什么是p 阶Runge-Kutta 法？写出经典的四阶Runge-Kutta 法。
答：考虑增加计算),(y x f 的次数，就有可能构造出精度较高的近似公式。
构造如下形式的计算公式：⎪⎪⎩⎪⎪⎨⎧=++==+=∑∑-==+),,3,2( ),( ),(11111p i K b h y h a x f K y x f K K c h y y i j j ij n i n i n n p i i i n n （1）其中i ij i c b a ,,都是参数，确定它们的原则是使近似公式在),(n n y x 处的Taylor 展开式与)(x y 在n x 处的Taylor 展开式的前面的项尽可能多地重合。
将式（1）称为p 阶显式Runge-Kutta 方法，简称R-K 方法。
取4=p ，通过更复杂的计算，式（1）成为⎪⎪⎪⎪⎩⎪⎪⎪⎪⎨⎧++=++=++==++++=+),( )2,2( )2,2( ),( )22(6342312143211hk y h x f K K h y h x f K K h y h x f K y x f K K K K K h y y n n n n n n n n n n 上式称为经典形式的四阶R-K 公式，是常用的四阶R-K 公式。
局部截断误差为5()O h 。
2. 如何导出线性多步法的公式？它与单步法有何区别？答：（1）利用Taylor 展开构造线性多步方法线性多步法(Linear-Multistep Method)的一般形式为∑∑-=-=-++=ri i n i r i i n i n f h y y 101βα （2）其中i i βα,均为常数，),(k k k y x f f =),,,1(r n n n k -+= 。
若01=-β，公式（2）为显式法；01≠-β，公式为隐式法。
线性多步法
(6)计算 f3 f ( x3 , y3 ) x x3 h 4 112 p y0 (2 f3 f 2 2 f1 ) m p (c0 p0 ) 3 121 1 3 c (9 y3 y1 ) h[ f ( x, m) 2 f 3 f 2 ] 8 8 9 y c (c p ) 输出(x, y ) 121 (7)若n N，置n 1 n, x j 1 x j , y j 1 y j , f j 1 f j ( j 0,1, 2), x x3 , y y3 , p p0 , c c0 , 转6； 否则停机。
算法 ba （1）输入 a, b, f ( x, y ), N , y0 (2)置h , x0 a, n 1 N (3)计算 f n 1 f ( xn 1 , yn 1 ) K1 hf n 1 h K1 K 2 hf ( xn 1 , yn 1 ) 2 2
(i 1, 2, , N ) (i 1, 2, , N )
若对 y 和 f 采用向量的记号 y ' f ( x, y); y( x0 ) y 0 ;
f ( f1 , f 2 , f N ) ;
T
或表达为 h yi ,n 1 yin ( K i1 2 K i 2 2 K i 3 K i 4 ) 6 (i 1, 2, , N ), 其中 K i1 fi ( xn , y1n , y2n , , yNn ); h h h h K i 2 fi ( xn , y1n K11 , y2 n K 21 , , y Nn K N 1 ); 2 2 2 2 h h h h K i 3 fi ( xn , y1n K12 , y2 n K 22 , , yNn K N 2 ); 2 2 2 2 K i 4 fi ( xn h, y1n hK13 , y2 n hK 23 , , y Nn hK N 3 );
线性多步法
1.待求解问题描述
⎧ y ' = f (t , y ) ⎨ ⎩ y (t0 ) = y0
（1）
2、线性多步法表达式建立
Lk ( y (t ), h) = ∑ [α j y (t + jh) − hβ j y ' (t + jh)]
j =0
k
（2）
将
y (t + jh )
和
y ' ( t + jh )
公式性质： 1. 公式左边j=k项为我们需要求取得项，j<k的项为已 得项； 2. 公式右边可以使用f(t,y)直接带入求取； 3. 当右边 β k ≠ 0 时，公式所得到的算法为隐式算法；否
则为显式算法。 4. (4) 式中，我们可以要求α k =1，因为如果α <>1，只需 公式两边同时除以 α k 即可使得 =1 k
⎧ ⎪c = α + α + α + ... + α = 0 k 0 1 2 ⎪0 ⎪c1 = α1 + 2α2 + ... + kαk − (β0 + β1 + β2 + ... + βk ) = 0 ⎪ ⎨... ⎪ 1 1 ⎪c p = (α1 + 2 p α2 + ... + k pαk ) − (β1 + 2 p−1 β2 + ... + k p−1βk ) = 0, p ≥ 2 p! ( p −1)! ⎪ ⎪ p = 2,3,... ⎩
⎪c = α + 2 − (β + β + β ) = 0 0 2 2 ⎪1 1 ⎪ 1 ⎨c2 α=0α1 + 4) − (β1 + 2β2 ) = 0 1、 = ( 2 ⎪ h yn+2 = yn+1 + [5fn+2 +8fn+1 − fn ] ⎪ 1 12 ⎪c3 = (α1 + 8) − 12(β1 + 4β2 ) = 0 6 ⎩
常微分方程的线性多步法汇总
v0 0，v1 5.3216 ，v2 8.8911 ，v3 11.2565 ， v4 12.8630 ，v5 13.9411 ，v6 146674 ，v7 15.1552 ， v8 15.4830 ，v9 15.7030 ，v10 15.8508 ，v11 15.9500 ， v12 16.0165 ，v13 16.0612 ，v14 16.0912 ，v15 16.1113 。
p 为 F kv ，其中 1 p 2 ，比例系数 k 依赖于物体的大小、形状，空气
的密度和粘度。跳伞员下落的速度可描述为下列模型：
第八章常微分方程数值解法
dv p m k v mg ，v0 0， dt
负号表示下降。显然，当 1< p <2 时，适合于数值方法求解。 设 k / m =1.5，g=32，先用中点法提供开始值，再用下列两步而阶方法
yn1 yn h rj f n j，
j 0
r
（8.4.2）
其中
r 1 1 xn1 tk rj l j x dx dt，j 0， 1，r。 x 0 n h k 0，k j k j
由此可得（8.4.2）中的系数，其具体数值见表8-6。公式（8.4.2）是一个r+1 步的显式公式，称为Adams显式公式。r=0时，即为Euler公式。
基于数值积分可以构造出一系列求解常微分方程的计算公式，下面介绍
基于 Taylor 展开的待定系数法，它可灵活地构造出线性多步法。对固定的系
数，可以选取待定系数使线性多步法的阶尽可能高。还可以根据需要，确定 显
线性多步法
显式方法
显式方法定义 显式方法特点 显式方法实现步骤 显式方法优缺点
隐式方法
定义：需要解非线性方程组的数值方法 优点：精度高，稳定性好 缺点：计算量大，需要求解非线性方程组 应用：适用于非线性较强的系统
线性多步法的稳定性条件
稳定性定义：线性多步法在数值求解过程中保持解的稳定性和精度
添加标题
添加标题
添加标题
添加标题
精度：线性多步法具有较高的计 算精度，能够得到较为精确的数 值结果。
易于实现：线性多步法易于实现， 可以通过简单的编程语言实现算 法。
线性多步法的基本结构
线性多步法的定义 线性多步法的特点 线性多步法的分类 线性多步法的应用场景
02
线性多步法的分类
基于位置的分类
06
线性多步法的未来发展
理论研究
线性多步法的理论分析 线性多步法的收敛性和稳定性 线性多步法的数值实现和算法优化 线性多步法在其他领域的应用前景
应用研究
线性多步法在科学计算中的应用
线性多步法在偏微分方程求解中 的应用
添加标题
添加标题
添加标题
添加标题
线性多步法在控制系统中的应用
线性多步法在优化问题中的应用
应用：适用于解决初值问题，被广泛应用于科学计算和工程领域
与隐式方法的比较：隐式方法需要求解非线性方程组，而线性多步法可以直接使用线性方程组进 行计算
线性多步法的特点
稳定性：线性多步法具有较好的 数值稳定性和收敛性，能够避免 数值误差的积累。
适用范围广：线性多步法适用于 解决各种初值问题和边值问题， 具有较广的适用范围。
零阶方法：不使用历史信息
一阶方法：使用一个历史信息
6线性多步法的收敛性与稳定性.ppt
得w(n)r~ n是(6.1)的根.
因此有：若特征多项式(6.3)有l 个不同的根 r1, r2 ,, rl ，其重
数为1, 2,, l (1 l k) ,则(6.1)的通解为
un w1(n)r1n w2(n)r2n wl (n)rln
(6.4)
其中 wi是 i 1 次多项式，系数任意（即是次数小于或等于 i 1 次
n 0,1,2,
r nk ak 1r nk 1 a1r n1 a0r n
(r k
a r k1 k 1
a1r
a0 )r n
p(r )r n
n 0,1,2,
其中p(r)为特征多项式，P(r)=0称为k阶齐次线性差分方程(6.1)
l 1
l 1
yk 1 i yk i h i fk i
i0
i 1
收敛的充分必要条件是满足根条件。
p( ) l 0l 1 l 1
举例 §5例5的方法中，显式线性二步法为
yk 1 4 yk 5 yk 1 h(4 fk 2 fk 1 )
的特征方ቤተ መጻሕፍቲ ባይዱ。即
rk
a r k1 k 1
a1r
a0
0
(6.3)
该方程为代数方程。
结论：当r是特征方程(6.3)的根时，un r n,n 0,1, 是k阶齐次
线性差分方程(6.1)的一个特解。则解的表达式有以下三种情况：
（1）若(6.3)有k个不同实根r1,r2,…,rk时，则(6.1)的通解为 k un c1r1n c2r2 n ckrkn c jrj n n 0,1, (6.4) j 1
《线性多步法》课件
线性多步法PPT课件
本PPT课件全面介绍线性多步法，包括其原理、常见算法、优缺点，以及在科 学计算中的应用。通过案例研究展示其解决实际问题的能力，并对其进行总 结和展望。
线性多步法的简介
线性多步法是一种常用的数值解常微分方程的方法之一，通过一系列历史解 来逼近未知的解。它的优点是高效和精确。
线性多步法的原理
一种隐式的线性多步法，通过历史解的插 值和导数来逼近未知的解。
Adams-Moulton方法
一种隐式的线性多步法，使用历史解和未 知解的插值来逼近未知的解。
Crank-Nicolson方法
一种半隐式的线性多步法，使用历史解和 未知解的加权平均值来逼近未知的解。
线性多步法的优缺点
1 优点
2
高效：使用历史解逼近未知解，节省计 算量。
线性多步法基于差分近似和插值，将未知的解表示为已知的历史解的线性组合。它使用多个历史 解来逼近未知的解，从而提高精度。
常见的线性多步法算法
Adams-Bashforth方法
一种显式的线性多步法，通过利用历史解 的插值来逼近未知的解。
Backward D ifferentiation Formula (BD F)
精确：多个历史解的线性组合提高数值 解的精度。
3 缺点
4
初始条件敏感：对初始条件要求较高， 初始条件的误差会传播到后续步骤。
稳定性限制：某些算法在稳定性方面具 有限制，对方程的性质和步长有一定要 求。
线性多步法在科学计算中的应 用
线性多步法广泛应用于科学计算领域，特别是求解常微分方程和偏微分方程 的数值解。它在物理学、工程学、生物学等领域有着重要的应用。
案例研究：使用线性多步法解决实际 问题
数值计算方法 线性多步法 - 线性多步法
由四阶Adams隐示公式有
h yn1 yn 24 (9 fn1 19 fn 5 fn1 fn2 )
1
典
24 (0.9 yn1 22.1 yn 0.5 yn1 0.1 yn2 0.24n 0.12)
型
例
由上式可解出
题
1
yn1 24.9 (22.1 yn 0.5 yn1 0.1 yn2 0.24n 0.12)
式公式对预测值进行校正，求出 y( xn1)的近似值 yn1.
思 考 题
线性多步法的构造基于泰勒展开或数值积分， 从数值积分出发，如何推导出线性多步法？ 如何估计误差？
的数值解.
典
y x y 0 x 1
y(0)
0
取h 0.1
型 例
根据题意， xn nh 0.1n, fn xn yn,
题
由四阶Adams显示公式有
h yn1 yn 24 (55 fn 59 fn1 37 fn2 9 fn3 )
1 24 (18.5 yn 5.9 yn1 3.7 yn2 0.9 yn3 0.24n 0.12)
一 般 公
Rn k
L[
y(
xn
);
h]
k 1
k
y( xnk ) i y( xni ) h i y( xni )
式
i0
i0
若Rn+k=O(hp+1)，则称方法是 p阶的.
对Rn+k在xn处泰勒展开，由于
线
y( xn
ih)
y( xn ) ihy(xn )
(ih)2 2!
y(xn )
式
其中 c0 1 (0 1 k1 ),
c1 k [1 22 (k 1)k1] (0 1 k ),
- 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、"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、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)。
多步法应用于常微分方程的数值解。
从概念上讲，数值方法从初始点开始，然后在时间上向前迈出一小步，以找到下一个求解点。
该过程的下一步是绘制解决方案。
一步法（例如Euler方法）仅引用前一点及其导数来确定当前值。
诸如Runge Kutta之类的方法采取一些中间步骤（例如，半个步骤）来获得高阶方法，但是在进行第二步之前会丢弃所有先前的信息。
多步尝试通过保留和使用先前步骤中的信息而不是丢弃信息来提高效率。
因此，多步法涉及前几个要点和导数。
在多步的情况下，使用先前点和导数的线性组合。
简单的介绍
多步法应用于常微分方程的数值解。
从概念上讲，数值方法从初始点开始，然后在时间上向前迈出一小步，以找到下一个求解点。
该过程的下一步是绘制解决方案。
一步法（例如Euler方法）仅引用前一点及其导数来确定当前值。
诸如Runge Kutta之类的方法采取一些中间步骤（例如，半个步骤）来获得高阶方法，但是在进行第二步之前会丢弃所有先前的信息。
多步尝试通过保留和使用先前步骤中的信息而不是丢弃信息来提高
效率。
因此，多步法涉及前几个要点和导数。
在多步的情况下，使用先前点和导数的线性组合。
[1-3]
具体定义
常微分方程的数值方法近似地解决了形式初值问题
结果是离散时间的Ti的Y（T）的近似值
其中h是时间步长，而I是整数。
Multistep使用上一步中的信息来计算下一个值。
特别地，多步法使用Yi和f（Ti，Yi）来计算所需当前步长的Y值。
因此，多步方法是以下形式的方法：确定系数AI和Bi。
该方法的设计者选择系数平衡了对实际解决方案的需求，以便获得一种易于使用的方法。
通常，许多系数为零以简化该方法。
显式和隐式方法可以区分。
如果Bi = 0，则该方法称为“显式”，因为它可以直接计算yn + s。
如果Bi≠0，则该方法称为“隐式”，因为YN + s的值取决于f（TN + s，yn + s），并且必须为yn + s。
迭代方法（例如牛顿法）通常用于求解隐式公式。
有时，使用显式多步方法来“预测”YN + s的值。
然后在隐式公式中使用该值来“更正”该值。
结果是预测变量校正方法。