WikiDer > Линейный многоступенчатый метод

Эта статья включает Список ссылок, связанное чтение или внешняя ссылка, но его источники остаются неясными, потому что в нем отсутствует встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Июнь 2017 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

Линейные многоступенчатые методы используются для численное решение обыкновенных дифференциальных уравнений. По сути, численный метод начинается с начальной точки, а затем занимает короткое время. шаг вперед во времени, чтобы найти следующую точку решения. Процесс продолжается с последующими шагами, чтобы наметить решение. Одношаговые методы (например, Метод Эйлера) относятся только к одной предыдущей точке и ее производной для определения текущего значения. Такие методы как Рунге-Кутта сделайте некоторые промежуточные шаги (например, полушага) для получения метода более высокого порядка, но затем отбросьте всю предыдущую информацию, прежде чем делать второй шаг. Многоступенчатые методы пытаются повысить эффективность, сохраняя и используя информацию из предыдущих шагов, а не отбрасывая ее. Следовательно, многоступенчатые методы относятся к нескольким предыдущим точкам и производным значениям. В случае линейный многоступенчатые методы, a линейная комбинация предыдущих точек и значений производной.

Определения

Численные методы для обыкновенных дифференциальных уравнений приближают решения проблемы начального значения формы

${ displaystyle y '= f (t, y), quad y (t_ {0}) = y_ {0}.}$

Результатом являются приближения для значения ${ Displaystyle у (т)}$ в дискретное время ${ displaystyle t_ {i}}$:

${ displaystyle y_ {i} приблизительно y (t_ {i}) quad { text {where}} quad t_ {i} = t_ {0} + ih,}$

куда ${ displaystyle h}$ шаг по времени (иногда называемый ${ displaystyle Delta t}$) и ${ displaystyle i}$ целое число.

Многоступенчатые методы используют информацию из предыдущего ${ displaystyle s}$ шаги для вычисления следующего значения. В частности, линейный многоступенчатый метод использует линейную комбинацию ${ displaystyle y_ {i}}$ и ${ displaystyle f (t_ {i}, y_ {i})}$ рассчитать стоимость ${ displaystyle y}$ для желаемого текущего шага. Таким образом, линейный многоступенчатый метод - это метод вида

${ displaystyle { begin {align} & y_ {n + s} + a_ {s-1} cdot y_ {n + s-1} + a_ {s-2} cdot y_ {n + s-2} + cdots + a_ {0} cdot y_ {n} & qquad {} = h cdot left (b_ {s} cdot f (t_ {n + s}, y_ {n + s}) + b_ {s-1} cdot f (t_ {n + s-1}, y_ {n + s-1}) + cdots + b_ {0} cdot f (t_ {n}, y_ {n}) right) & Leftrightarrow sum _ {j = 0} ^ {s} a_ {j} y_ {n + j} = h sum _ {j = 0} ^ {s} b_ {j} f ( t_ {n + j}, y_ {n + j}), end {выровнены}}}$

с ${ displaystyle a_ {s} = 1}$. Коэффициенты ${ displaystyle a_ {0}, dotsc, a_ {s-1}}$ и ${ displaystyle b_ {0}, dotsc, b_ {s}}$ определить метод. Разработчик метода выбирает коэффициенты, уравновешивая необходимость получить хорошее приближение к истинному решению и желание получить метод, который легко применить. Часто многие коэффициенты равны нулю для упрощения метода.

Можно различить явные и неявные методы. Если ${ displaystyle b_ {s} = 0}$, то метод называется "явным", поскольку формула может напрямую вычислять ${ displaystyle y_ {n + s}}$. Если ${ displaystyle b_ {s} neq 0}$ то метод называется "неявным", так как значение ${ displaystyle y_ {n + s}}$ зависит от стоимости ${ displaystyle f (t_ {n + s}, y_ {n + s})}$, и уравнение необходимо решить относительно ${ displaystyle y_ {n + s}}$. Итерационные методы Такие как Метод Ньютона часто используются для решения неявной формулы.

Иногда явный многоступенчатый метод используется для «предсказания» значения ${ displaystyle y_ {n + s}}$. Затем это значение используется в неявной формуле для «исправления» значения. В результате метод предиктора – корректора.

Примеры

Рассмотрим для примера задачу

${ displaystyle y '= f (t, y) = y, quad y (0) = 1.}$

Точное решение ${ Displaystyle у (т) = mathrm {е} ^ {т}}$.

Одношаговый Эйлер

Простым численным методом является метод Эйлера:

${ displaystyle y_ {n + 1} = y_ {n} + hf (t_ {n}, y_ {n}). ,}$

Метод Эйлера можно рассматривать как явный многоступенчатый метод для вырожденного случая одного шага.

Этот метод, применяемый с размером шага ${ displaystyle h = { tfrac {1} {2}}}$ по проблеме ${ displaystyle y '= y}$, дает следующие результаты:

${ displaystyle { begin {align} y_ {1} & = y_ {0} + hf (t_ {0}, y_ {0}) = 1 + { tfrac {1} {2}} cdot 1 = 1,5 , y_ {2} & = y_ {1} + hf (t_ {1}, y_ {1}) = 1.5 + { tfrac {1} {2}} cdot 1.5 = 2.25, y_ {3 } & = y_ {2} + hf (t_ {2}, y_ {2}) = 2.25 + { tfrac {1} {2}} cdot 2.25 = 3.375, y_ {4} & = y_ {3 } + hf (t_ {3}, y_ {3}) = 3,375 + { tfrac {1} {2}} cdot 3,375 = 5,0625. end {выровнено}}}$

Двухступенчатый Адамс – Башфорт

Метод Эйлера - это одношаговый метод. Простым многоступенчатым методом является двухэтапный метод Адамса – Башфорта.

${ displaystyle y_ {n + 2} = y_ {n + 1} + { tfrac {3} {2}} hf (t_ {n + 1}, y_ {n + 1}) - { tfrac {1} {2}} hf (t_ {n}, y_ {n}).}$

Этот метод требует двух значений, ${ displaystyle y_ {n + 1}}$ и ${ displaystyle y_ {n}}$, чтобы вычислить следующее значение, ${ displaystyle y_ {n + 2}}$. Однако проблема начального значения предоставляет только одно значение, ${ displaystyle y_ {0} = 1}$. Один из способов решить эту проблему - использовать ${ displaystyle y_ {1}}$ вычисляется методом Эйлера как второе значение. При таком выборе метод Адамса – Башфорта дает (с округлением до четырех цифр):

${ displaystyle { begin {align} y_ {2} & = y_ {1} + { tfrac {3} {2}} hf (t_ {1}, y_ {1}) - { tfrac {1} { 2}} hf (t_ {0}, y_ {0}) = 1,5 + { tfrac {3} {2}} cdot { tfrac {1} {2}} cdot 1,5 - { tfrac {1} {2}} cdot { tfrac {1} {2}} cdot 1 = 2.375, y_ {3} & = y_ {2} + { tfrac {3} {2}} hf (t_ {2 }, y_ {2}) - { tfrac {1} {2}} hf (t_ {1}, y_ {1}) = 2.375 + { tfrac {3} {2}} cdot { tfrac {1 } {2}} cdot 2.375 - { tfrac {1} {2}} cdot { tfrac {1} {2}} cdot 1.5 = 3.7812, y_ {4} & = y_ {3} + { tfrac {3} {2}} hf (t_ {3}, y_ {3}) - { tfrac {1} {2}} hf (t_ {2}, y_ {2}) = 3.7812 + { tfrac {3} {2}} cdot { tfrac {1} {2}} cdot 3.7812 - { tfrac {1} {2}} cdot { tfrac {1} {2}} cdot 2.375 = 6.0234. End {выравнивается}}}$

Точное решение при ${ displaystyle t = t_ {4} = 2}$ является ${ displaystyle mathrm {e} ^ {2} = 7,3891 ldots}$, поэтому двухэтапный метод Адамса – Башфорта более точен, чем метод Эйлера. Это всегда так, если размер шага достаточно мал.

Семейства многошаговых методов

Обычно используются три семейства линейных многоступенчатых методов: методы Адамса – Башфорта, методы Адамса – Моултона и методы. формулы обратного дифференцирования (BDF).

Методы Адамса – Башфорта

Методы Адамса – Башфорта являются явными. Коэффициенты равны ${ displaystyle a_ {s-1} = - 1}$ и ${ displaystyle a_ {s-2} = cdots = a_ {0} = 0}$, в то время как ${ displaystyle b_ {j}}$ выбираются таким образом, чтобы методы имели порядок s (это однозначно определяет методы).

Методы Адамса – Башфорта с s = 1, 2, 3, 4, 5 равны (Хайрер, Норсетт и Ваннер, 1993 г., §III.1; Мясник 2003, п. 103):

${ displaystyle { begin {align} y_ {n + 1} & = y_ {n} + hf (t_ {n}, y_ {n}), qquad { text {(это метод Эйлера)}} y_ {n + 2} & = y_ {n + 1} + h left ({ frac {3} {2}} f (t_ {n + 1}, y_ {n + 1}) - { frac {1} {2}} f (t_ {n}, y_ {n}) right), y_ {n + 3} & = y_ {n + 2} + h left ({ frac {23 } {12}} f (t_ {n + 2}, y_ {n + 2}) - { frac {16} {12}} f (t_ {n + 1}, y_ {n + 1}) + { frac {5} {12}} f (t_ {n}, y_ {n}) right), y_ {n + 4} & = y_ {n + 3} + h left ({ frac { 55} {24}} f (t_ {n + 3}, y_ {n + 3}) - { frac {59} {24}} f (t_ {n + 2}, y_ {n + 2}) + { frac {37} {24}} f (t_ {n + 1}, y_ {n + 1}) - { frac {9} {24}} f (t_ {n}, y_ {n}) справа), y_ {n + 5} & = y_ {n + 4} + h left ({ frac {1901} {720}} f (t_ {n + 4}, y_ {n + 4}) - { frac {2774} {720}} f (t_ {n + 3}, y_ {n + 3}) + { frac {2616} {720}} f (t_ {n + 2}, y_ {n +2}) - { frac {1274} {720}} f (t_ {n + 1}, y_ {n + 1}) + { frac {251} {720}} f (t_ {n}, y_ {n}) right). end {align}}}$

Коэффициенты ${ displaystyle b_ {j}}$ можно определить следующим образом. Использовать полиномиальная интерполяция найти многочлен п степени ${ displaystyle s-1}$ такой, что

${ Displaystyle п (т_ {п + я}) = е (т_ {п + я}, у_ {п + я}), qquad { текст {для}} я = 0, ldots, s-1. }$

В Формула Лагранжа для полиномиальной интерполяции дает

${ Displaystyle п (т) = сумма _ {j = 0} ^ {s-1} { frac {(-1) ^ {sj-1} f (t_ {n + j}, y_ {n + j) })} {j! (sj-1)! h ^ {s-1}}} prod _ {i = 0 atop i neq j} ^ {s-1} (t-t_ {n + i} ).}$

Полином п является локально хорошим приближением правой части дифференциального уравнения ${ Displaystyle у '= е (т, у)}$ которое необходимо решить, поэтому рассмотрим уравнение ${ Displaystyle у '= р (т)}$ вместо. Это уравнение можно решить точно; решение - это просто интеграл от п. Это предлагает взять

${ displaystyle y_ {n + s} = y_ {n + s-1} + int _ {t_ {n + s-1}} ^ {t_ {n + s}} p (t) , dt.}$

Метод Адамса – Башфорта возникает, когда формула для п заменяется. Коэффициенты ${ displaystyle b_ {j}}$ оказывается дано

${ displaystyle b_ {sj-1} = { frac {(-1) ^ {j}} {j! (sj-1)!}} int _ {0} ^ {1} prod _ {i = 0 atop i neq j} ^ {s-1} (u + i) , du, qquad { text {for}} j = 0, ldots, s-1.}$

Замена ${ displaystyle f (t, y)}$ своим интерполянтом п влечет ошибку порядка час^s, и отсюда следует, что s-step Метод Адамса – Башфорта действительно имеет порядок s (Изерлес 1996, §2.1)

Методы Адамса-Башфорта были разработаны Джон Коуч Адамс решать моделирование дифференциального уравнения капиллярное действие из-за Фрэнсис Башфорт. Башфорт (1883) опубликовал свою теорию и численный метод Адамса (Голдстайн 1977).

Методы Адамса – Моултона

Методы Адамса – Моултона похожи на методы Адамса – Башфорта в том, что они также имеют ${ displaystyle a_ {s-1} = - 1}$ и ${ displaystyle a_ {s-2} = cdots = a_ {0} = 0}$. Опять же б коэффициенты выбираются так, чтобы получить максимально возможный порядок. Однако методы Адамса – Моултона неявные. Убрав ограничение, что ${ displaystyle b_ {s} = 0}$, s-шаговый метод Адамса – Моултона может достигать порядка ${ displaystyle s + 1}$, а s-step Методы Адамса – Башфорта имеют только порядок s.

Методы Адамса – Моултона с s = 0, 1, 2, 3, 4 равны (Хайрер, Норсетт и Ваннер, 1993 г., §III.1; Quarteroni, Sacco & Saleri 2000):

${ displaystyle y_ {n + 1} = y_ {n} + hf (t_ {n + 1}, y_ {n + 1}),}$ Это обратный метод Эйлера

${ displaystyle y_ {n + 1} = y_ {n} + { frac {1} {2}} h left (f (t_ {n + 1}, y_ {n + 1}) + f (t_ { n}, y_ {n}) right),}$ Это трапеция

${ displaystyle { begin {align} y_ {n + 2} & = y_ {n + 1} + h left ({ frac {5} {12}} f (t_ {n + 2}, y_ {n) +2}) + { frac {2} {3}} f (t_ {n + 1}, y_ {n + 1}) - { frac {1} {12}} f (t_ {n}, y_ {n}) right), y_ {n + 3} & = y_ {n + 2} + h left ({ frac {9} {24}} f (t_ {n + 3}, y_ { n + 3}) + { frac {19} {24}} f (t_ {n + 2}, y_ {n + 2}) - { frac {5} {24}} f (t_ {n + 1 }, y_ {n + 1}) + { frac {1} {24}} f (t_ {n}, y_ {n}) right), y_ {n + 4} & = y_ {n + 3} + h left ({ frac {251} {720}} f (t_ {n + 4}, y_ {n + 4}) + { frac {646} {720}} f (t_ {n + 3}, y_ {n + 3}) - { frac {264} {720}} f (t_ {n + 2}, y_ {n + 2}) + { frac {106} {720}} f ( t_ {n + 1}, y_ {n + 1}) - { frac {19} {720}} f (t_ {n}, y_ {n}) right). end {выравнивается}}}$

Вывод методов Адамса – Моултона аналогичен выводу метода Адамса – Башфорта; однако интерполирующий полином использует не только точки ${ displaystyle t_ {n-1}, dots, t_ {n-s}}$, как указано выше, но также ${ displaystyle t_ {n}}$. Коэффициенты даются как

${ displaystyle b_ {sj} = { frac {(-1) ^ {j}} {j! (sj)!}} int _ {0} ^ {1} prod _ {i = 0 atop i neq j} ^ {s} (u + i-1) , du, qquad { text {for}} j = 0, ldots, s.}$

Методы Адамса – Моултона возникают исключительно благодаря Джон Коуч Адамс, как и методы Адамса – Башфорта. Имя Форест Рэй Моултон стал ассоциироваться с этими методами, потому что он понял, что их можно использовать в тандеме с методами Адамса – Башфорта в качестве предсказатель-корректор пара (Моултон 1926); Милн (1926) была такая же идея. Адамс использовал Метод Ньютона для решения неявного уравнения (Хайрер, Норсетт и Ваннер, 1993 г., §III.1).

Формулы обратного дифференцирования (BDF)

Основная статья: Формула обратной дифференциации

Методы BDF - это неявные методы с ${ displaystyle b_ {s-1} = cdots = b_ {0} = 0}$ а остальные коэффициенты выбираются так, чтобы метод достигал порядка s (максимально возможное). Эти методы особенно используются для решения жесткие дифференциальные уравнения.

Анализ

Центральными концепциями анализа линейных многоступенчатых методов и любого численного метода для дифференциальных уравнений являются следующие: конвергенция, порядок и стабильность.

Последовательность и порядок

Первый вопрос заключается в том, является ли метод непротиворечивым: является ли разностное уравнение

${ displaystyle { begin {align} & y_ {n + s} + a_ {s-1} y_ {n + s-1} + a_ {s-2} y_ {n + s-2} + cdots + a_ {0} y_ {n} & qquad {} = h { bigl (} b_ {s} f (t_ {n + s}, y_ {n + s}) + b_ {s-1} f ( t_ {n + s-1}, y_ {n + s-1}) + cdots + b_ {0} f (t_ {n}, y_ {n}) { bigr)}, end {выровнено}} }$

хорошее приближение дифференциального уравнения ${ Displaystyle у '= е (т, у)}$? Точнее, многоступенчатый метод - это последовательный если локальная ошибка усечения стремится к нулю быстрее, чем размер шага час в качестве час стремится к нулю, где локальная ошибка усечения определяется как разница между результатом ${ displaystyle y_ {n + s}}$ метода, предполагая, что все предыдущие значения ${ Displaystyle у_ {п + s-1}, ldots, у_ {п}}$ точны, а точное решение уравнения в момент времени ${ displaystyle t_ {n + s}}$. Вычисление с использованием Серия Тейлор показывает, что линейный многоступенчатый метод непротиворечив тогда и только тогда, когда

${ displaystyle sum _ {k = 0} ^ {s-1} a_ {k} = - 1 quad { text {and}} quad sum _ {k = 0} ^ {s} b_ {k } = s + sum _ {k = 0} ^ {s-1} ka_ {k}.}$

Все упомянутые выше методы последовательны (Хайрер, Норсетт и Ваннер, 1993 г., §III.2).

Если метод согласован, то следующий вопрос заключается в том, насколько хорошо разностное уравнение, определяющее численный метод, аппроксимирует дифференциальное уравнение. Говорят, что многоступенчатый метод имеет порядок п если локальная ошибка в порядке ${ Displaystyle О (ч ^ {р + 1})}$ в качестве час уходит в ноль. Это эквивалентно следующему условию на коэффициенты методов:

${ displaystyle sum _ {k = 0} ^ {s-1} a_ {k} = - 1 quad { text {and}} quad q sum _ {k = 0} ^ {s} k ^ {q-1} b_ {k} = s ^ {q} + sum _ {k = 0} ^ {s-1} k ^ {q} a_ {k} { text {for}} q = 1, ldots, стр.}$

В s-step Метод Адамса – Башфорта имеет порядок s, в то время как s-шаговый метод Адамса – Моултона имеет порядок ${ displaystyle s + 1}$ (Хайрер, Норсетт и Ваннер, 1993 г., §III.2).

Эти условия часто формулируются с использованием характеристические многочлены

${ displaystyle rho (z) = z ^ {s} + sum _ {k = 0} ^ {s-1} a_ {k} z ^ {k} quad { text {and}} quad sigma (z) = sum _ {k = 0} ^ {s} b_ {k} z ^ {k}.}$

В терминах этих многочленов указанное выше условие того, что метод имеет порядок п становится

${ displaystyle rho ( mathrm {e} ^ {h}) - h sigma ( mathrm {e} ^ {h}) = O (h ^ {p + 1}) quad { text {as} } ч до 0.}$

В частности, метод является непротиворечивым, если он имеет порядок хотя бы один, что имеет место, если ${ Displaystyle rho (1) = 0}$ и ${ Displaystyle rho '(1) = sigma (1)}$.

Стабильность и конвергенция

Численное решение одношагового метода зависит от начального условия ${ displaystyle y_ {0}}$, но численное решение s-шаговый метод зависит от всех s начальные значения, ${ displaystyle y_ {0}, y_ {1}, ldots, y_ {s-1}}$. Таким образом, представляет интерес, является ли численное решение устойчивым по отношению к возмущениям в начальных значениях. Линейный многоступенчатый метод нулевой стабильный для определенного дифференциального уравнения на данном временном интервале, если возмущение в начальных значениях размера ε приводит к тому, что численное решение за этот временной интервал изменится не более чем на Kε для некоторого значения K которое не зависит от размера шага час. Это называется «нулевой устойчивостью», потому что достаточно проверить условие для дифференциального уравнения ${ displaystyle y '= 0}$ (Сюли и Майерс 2003, п. 332).

Если все корни характеристического многочлена ρ имеют модуль меньше или равный 1, а корни модуля 1 имеют кратность 1, мы говорим, что корневое состояние доволен. Линейный многоступенчатый метод устойчив к нулю тогда и только тогда, когда выполняется корневое условие (Сюли и Майерс 2003, п. 335).

Теперь предположим, что последовательный линейный многоступенчатый метод применяется к достаточно гладкому дифференциальному уравнению и что начальные значения ${ displaystyle y_ {1}, ldots, y_ {s-1}}$ все сходятся к начальному значению ${ displaystyle y_ {0}}$ в качестве ${ displaystyle h to 0}$. Тогда численное решение сходится к точному как ${ displaystyle h to 0}$ тогда и только тогда, когда метод устойчив к нулю. Этот результат известен как Теорема об эквивалентности Далквиста, названный в честь Germund Dahlquist; эта теорема по духу аналогична Теорема эквивалентности Лакса за методы конечных разностей. Кроме того, если метод имеет порядок п, то глобальная ошибка (разница между численным решением и точным решением в фиксированный момент времени) составляет ${ Displaystyle О (ч ^ {р})}$ (Сюли и Майерс 2003, п. 340).

Кроме того, если метод конвергентный, метод называется сильно стабильный если ${ displaystyle z = 1}$ является единственным корнем модуля 1. Если он сходится и все корни модуля 1 не повторяются, но существует более одного такого корня, он называется относительно стабильный. Обратите внимание, что 1 должен быть корнем, чтобы метод был сходимым; таким образом, конвергентные методы всегда являются одним из этих двух.

Оценить эффективность линейных многоступенчатых методов на жесткие уравнения, рассмотрим линейное тестовое уравнение y ' = λу. К этому дифференциальному уравнению применен многоступенчатый метод с размером шага час дает линейный отношение повторения с характеристическим полиномом

${ displaystyle pi (z; час лямбда) = (1-h lambda beta _ {s}) z ^ {s} + sum _ {k = 0} ^ {s-1} ( alpha _ {k} -h lambda beta _ {k}) z ^ {k} = rho (z) -h lambda sigma (z).}$

Этот многочлен называется полином устойчивости многоступенчатого метода. Если все его корни имеют модуль меньше единицы, то численное решение многоступенчатого метода будет сходиться к нулю, а многоступенчатый метод называется абсолютно стабильный для этой стоимости часλ. Этот метод называется А-стабильный если абсолютно стабильно для всех часλ с отрицательной действительной частью. В область абсолютной стабильности это набор всех часλ, для которых многоступенчатый метод абсолютно устойчив (Сюли и Майерс 2003, стр. 347 и 348). Подробнее см. В разделе жесткие уравнения и многошаговые методы.

Пример

Рассмотрим трехшаговый метод Адамса – Башфорта.

${ displaystyle y_ {n + 3} = y_ {n + 2} + h left ({23 over 12} f (t_ {n + 2}, y_ {n + 2}) - {4 over 3}) f (t_ {n + 1}, y_ {n + 1}) + {5 over 12} f (t_ {n}, y_ {n}) right).}$

Таким образом, один характеристический полином равен

${ Displaystyle rho (z) = z ^ {3} -z ^ {2} = z ^ {2} (z-1) ,}$

который имеет корни ${ displaystyle z = 0,1}$, и указанные выше условия выполнены. В качестве ${ displaystyle z = 1}$ является единственным корнем модуля 1, метод сильно устойчив.

Другой характеристический полином

${ displaystyle sigma (z) = { frac {23} {12}} z ^ {2} - { frac {4} {3}} z + { frac {5} {12}}}$

Первый и второй барьеры Далквиста

Эти два результата были доказаны Germund Dahlquist и представляют собой важную оценку порядка сходимости и А-стабильность линейного многоступенчатого метода. Первый барьер Далквиста был доказан в Дальквист (1956) а второй в Дальквист (1963).

Первый барьер Далквиста

Нуль-стабильный и линейный q-шаговый многоступенчатый метод не может достичь порядка сходимости выше, чем q +1, если q нечетное и больше, чем q + 2, если q даже. Если метод также явный, то он не может достичь порядка выше, чем q (Хайрер, Норсетт и Ваннер, 1993 г., Thm III.3.5).

Второй барьер Далквиста

Нет явных А-стабильный и линейные многоступенчатые методы. Неявные имеют порядок сходимости не выше 2. трапеция имеет наименьшую константу ошибки среди A-устойчивых линейных многоступенчатых методов порядка 2.

Смотрите также

• Цифровой прирост энергии

Рекомендации

• Башфорт, Фрэнсис (1883), Попытка проверить теории капиллярного действия путем сравнения теоретической и измеренной формы капель жидкости. С объяснением метода интегрирования, использованного при построении таблиц, которые дают теоретические формы таких капель, Дж. К. Адамс, Кембридж.
• Мясник, Джон С. (2003), Численные методы решения обыкновенных дифференциальных уравнений., Джон Вили, ISBN 978-0-471-96758-3.
• Дальквист, Гермунд (1956), «Сходимость и устойчивость при численном интегрировании обыкновенных дифференциальных уравнений», Mathematica Scandinavica, 4: 33--53.
• Дальквист, Гермунд (1963), «Специальная задача устойчивости для линейных многоступенчатых методов» (PDF), КУСОЧЕК, 3: 27–43, Дои:10.1007 / BF01963532, ISSN 0006-3835.
• Голдстайн, Герман Х. (1977), История численного анализа с 16 по 19 век, Нью-Йорк: Springer-Verlag, ISBN 978-0-387-90277-7.
• Хайрер, Эрнст; Норсетт, Сиверт Пол; Ваннер, Герхард (1993), Решение обыкновенных дифференциальных уравнений I: нежесткие задачи (2-е изд.), Берлин: Springer Verlag, ISBN 978-3-540-56670-0.
• Хайрер, Эрнст; Ваннер, Герхард (1996), Решение обыкновенных дифференциальных уравнений II: жесткие и дифференциально-алгебраические задачи (2-е изд.), Берлин, Нью-Йорк: Springer-Verlag, ISBN 978-3-540-60452-5.
• Изерлес, Арье (1996), Первый курс численного анализа дифференциальных уравнений, Издательство Кембриджского университета, ISBN 978-0-521-55655-2.
• Милн, У. Э. (1926), "Численное интегрирование обыкновенных дифференциальных уравнений", Американский математический ежемесячный журнал, Математическая ассоциация Америки, 33 (9): 455–460, Дои:10.2307/2299609, JSTOR 2299609.
• Моултон, Форест Р. (1926), Новые методы внешней баллистики, University of Chicago Press.
• Quarteroni, Alfio; Сакко, Риккардо; Салери, Фаусто (2000), Matematica Numerica, Springer Verlag, ISBN 978-88-470-0077-3.
• Сули, Эндре; Майерс, Дэвид (2003), Введение в численный анализ, Издательство Кембриджского университета, ISBN 0-521-00794-1.

внешняя ссылка

• Вайсштейн, Эрик В. «Метод Адамса». MathWorld.