Created 2021.03.22 by Cong Yu; Last modified: 2024.06.22-v4.3.2
Contact: windmillyucong@163.com
Copyleft! 2024 Cong Yu. Some rights reserved.
Runge-Kutta 方法
1. 基本概念
Runge-Kutta 方法是一类用于求解常微分方程初值问题的数值方法。考虑如下形式的常微分方程：
\[\\ \frac{dy}{dx} = f(x,y), \quad g(x_n) = y_n\]需求解$y_{n+1}$
2. 经典四阶 Runge-Kutta 方法（RK4）
RK4 是最常用的 Runge-Kutta 方法之一，其计算步骤如下：
\[\begin{align} k_1 &= f(x_n, y_n) \\ k_2 &= f(x_n + \frac{h}{2}, y_n + \frac{h}{2}k_1) \\ k_3 &= f(x_n + \frac{h}{2}, y_n + \frac{h}{2}k_2) \\ k_4 &= f(x_n + h, y_n + hk_3) \\ y_{n+1} &= y_n + \frac{h}{6}(k_1 + 2k_2 + 2k_3 + k_4) \end{align}\]其中：
- $h$ 是步长
- $x_n$ 是当前点的 x 坐标
- $y_n$ 是当前点的 y 值
- $k_1, k_2, k_3, k_4$ 是中间计算值
- $x_{n+1}$ 是下一个点的 x 坐标，计算公式为 $x_{n+1} = x_n + h$
- $y_{n+1}$ 是下一个点的 y 值，表示在 $x_{n+1}$ 处的函数值 $g(x_{n+1})$
3. 应用示例
考虑简单的一阶微分方程：
\[\frac{dy}{dx} = x + y, \quad g(0) = 1\]使用 RK4 方法求解，取步长 $h = 0.1$，可以得到：
\[\begin{align} k_1 &= f(0, 1) = 0 + 1 = 1 \\ k_2 &= f(0.05, 1.05) = 0.05 + 1.05 = 1.1 \\ k_3 &= f(0.05, 1.055) = 0.05 + 1.055 = 1.105 \\ k_4 &= f(0.1, 1.1105) = 0.1 + 1.1105 = 1.2105 \\ y_1 &= 1 + \frac{0.1}{6}(1 + 2 \cdot 1.1 + 2 \cdot 1.105 + 1.2105) \approx 1.1103 \end{align}\]4. 误差分析
RK4 方法的局部截断误差为 $O(h^5)$，全局截断误差为 $O(h^4)$。
5. 变步长 Runge-Kutta 方法
为了控制误差，可以使用变步长方法。步长调整公式：
\[h_{new} = h_{old} \cdot \left(\frac{\epsilon}{e}\right)^{1/4}\]其中：
- $\epsilon$ 是期望的误差容限
- $e$ 是当前步的误差估计
6. 自适应 Runge-Kutta 方法
自适应方法通过比较不同阶数方法的结果来估计误差：
\[e = |y_{high} - y_{low}|\]其中：
- $y_{high}$ 是高阶方法的结果
- $y_{low}$ 是低阶方法的结果
7. 稳定性分析
Runge-Kutta 方法的稳定性函数为：
\[R(z) = 1 + z + \frac{z^2}{2} + \frac{z^3}{6} + \frac{z^4}{24}\]其中 $z = h\lambda$，$\lambda$ 是微分方程的特征值。
8. 优缺点分析
优点：
- 精度高（四阶方法）
- 实现相对简单
- 计算效率好
缺点：
- 需要多次计算函数值
- 对某些刚性方程可能不稳定
- 步长选择需要经验
9. 实现注意事项
- 步长选择：
- 初始步长建议取 $h = 0.1$
- 根据误差估计动态调整
- 误差控制：
- 使用相对误差和绝对误差的组合
- 设置合理的误差容限
- 数值稳定性：
- 注意检查稳定性条件
- 对刚性方程考虑使用隐式方法
