Python 龙格–;库塔四阶方法
我正在为两个方程组实现Runge–Kutta四阶方法 h是段数,因此T/h是步长Python 龙格–;库塔四阶方法,python,numerical-methods,runge-kutta,Python,Numerical Methods,Runge Kutta,我正在为两个方程组实现Runge–Kutta四阶方法 h是段数,因此T/h是步长 def cauchy(f1, f2, x10, x20, T, h): x1 = [x10] x2 = [x20] for i in range(1, h): k11 = f1((i-1)*T/h, x1[-1], x2[-1]) k12 = f2((i-1)*T/h, x1[-1], x2[-1]) k21 = f1((i-1)*T/h
def cauchy(f1, f2, x10, x20, T, h):
x1 = [x10]
x2 = [x20]
for i in range(1, h):
k11 = f1((i-1)*T/h, x1[-1], x2[-1])
k12 = f2((i-1)*T/h, x1[-1], x2[-1])
k21 = f1((i-1)*T/h + T/h/2, x1[-1] + T/h/2*k11, x2[-1] + T/h/2*k12)
k22 = f2((i-1)*T/h + T/h/2, x1[-1] + T/h/2*k11, x2[-1] + T/h/2*k12)
k31 = f1((i-1)*T/h + T/h/2, x1[-1] + T/h/2*k21, x2[-1] + T/h/2*k22)
k32 = f2((i-1)*T/h + T/h/2, x1[-1] + T/h/2*k21, x2[-1] + T/h/2*k22)
k41 = f1((i-1)*T/h + T/h, x1[-1] + T/h*k31, x2[-1] + T/h*k32)
k42 = f2((i-1)*T/h + T/h, x1[-1] + T/h*k31, x2[-1] + T/h*k32)
x1.append(x1[-1] + T/h/6*(k11 + 2*k21 + 2*k31 + k41))
x2.append(x2[-1] + T/h/6*(k12 + 2*k22 + 2*k32 + k42))
return x1, x2
然后我在这个系统上测试它:
它似乎工作正常(我还用不同的初始值和不同的函数对它进行了测试:一切正常):
然后我想检查错误的顺序是否为O(步骤^4)
,因此我减少步骤并计算如下错误:
我明白了:
plt.plot(step, x1_error, label="x1_error")
plt.plot(step, x2_error, label="x2_error")
plt.legend()
因此,从步长开始,误差是线性的。这真的很奇怪,因为它的顺序应该是O(步骤^4)
。谁能告诉我我做错了什么
for i in range(1, h):
这将从1
迭代到h-1
。由于缺少最后一步,时间T-T/h时的x[h-1]
与时间T
时的精确解之间的差异是O(T/h)
因此使用
for i in range(1,h+1):
对于h
从i-1
到i
的步骤,或
for i in range(h):
对于h
从i
到i+1
的步骤
另外,np.linspace(0,1,4)
将产生4
等距数字,其中第一个是0
,最后一个是1
,从而产生
array([ 0. , 0.33333333, 0.66666667, 1. ])
这可能不是你所期望的。因此,与上述更正一起使用
t = np.linspace(0, T, segm+1)
在两次计算中使用相同的时间点
如果您使用字母的通常含义,则更容易遵循代码,其中h
或dt
是步长,而N
是步数。然后在循环之前定义h=T/N
或dt=T/N
,以避免在函数调用中重复使用T/N
这将从1
迭代到h-1
。由于缺少最后一步,时间T-T/h时的x[h-1]
与时间T
时的精确解之间的差异是O(T/h)
因此使用
for i in range(1,h+1):
对于h
从i-1
到i
的步骤,或
for i in range(h):
对于h
从i
到i+1
的步骤
另外,np.linspace(0,1,4)
将产生4
等距数字,其中第一个是0
,最后一个是1
,从而产生
array([ 0. , 0.33333333, 0.66666667, 1. ])
这可能不是你所期望的。因此,与上述更正一起使用
t = np.linspace(0, T, segm+1)
在两次计算中使用相同的时间点
如果您使用字母的通常含义,则更容易遵循代码,其中h
或dt
是步长,而N
是步数。然后在循环之前定义h=T/N
或dt=T/N
,以避免在函数调用中重复使用T/N
。谢谢,这很有帮助!谢谢,这很有帮助!