Метод стрельбы
Метод стрельбы (краевая задача) — численный метод, заключающийся в сведении краевой задачи к некоторой задаче Коши для той же системы дифференциальных уравнений. Суть: первое решение при последовательном изменении аргумента и повторении вычислений становится точнее
Описание метода
Рассматривается задача для системы двух уравнений первого порядка с краевыми условиями общего вида:
система
[math]\displaystyle{ u'(x) = f(x, u, v) }[/math]
[math]\displaystyle{ v'(x) = g(x, u, v) }[/math]
граничные условия
[math]\displaystyle{ a \leqslant x \leqslant b }[/math]
[math]\displaystyle{ \varphi [u(a), v(a)] = 0 }[/math]
[math]\displaystyle{ \psi [u(b), v(b)] = 0 }[/math]
Алгоритм
1. Выбирается произвольно условие [math]\displaystyle{ u(a)= \eta }[/math].
2. Рассматривается левое краевое условие как алгебраическое уравнение [math]\displaystyle{ \varphi (\eta, v(a)) = 0 }[/math]. Определяем удовлетворяющее ему значение [math]\displaystyle{ v(a) = \zeta(\eta) }[/math].
3. Выбираются значения [math]\displaystyle{ u(a) = \eta, v(a) = \zeta }[/math] в качестве начальных условий задачи Коши для рассматриваемой системы и интегрируется эта задача Коши любым численным методом (например, по схемам Рунге — Кутты).
4. В итоге получается решение [math]\displaystyle{ u(x; \eta), v(x;\eta) }[/math], зависящее от η как от параметра.
Значение [math]\displaystyle{ \zeta }[/math] выбрано так, что найденное решение удовлетворяет левому краевому условию. Однако правому краевому условию это решение, вообще говоря, не удовлетворяет: при его подстановке левая часть правого краевого условия, рассматриваемая как некоторая функция параметра [math]\displaystyle{ \eta }[/math]:
не обратится в нуль.
5. Подбирается параметр η по условию нахождения такого значения, для которого [math]\displaystyle{ \tilde{\psi}(\eta) \approx 0 }[/math] с требуемой точностью.
Таким образом, решение краевой задачи сводится к нахождению корня одного алгебраического уравнения [math]\displaystyle{ \tilde{\psi}(\eta) = 0 }[/math].[1]
Пример программы на языке Python
import matplotlib.pyplot as plt
import numpy as np
a, b = 0.0, 1.0
A, B = 1.0, np.e
n = 5
h = (b - a) / n
D0, D1 = A + h, h
y = [[A, D0], [0, D1]]
def p(x): return 1
def q(x): return 1
def f(x): return 3 * (np.e **x)
def get_c1():
global n
return (B - y[0][n]) / y[1][n]
def get_solv_y_i(i): return y[0][i] + get_c1() * y[1][i]
x = np.linspace(a, b, n+1)
def div(a, b):
return a / b
for i in range(1, n):
y[0].append(
div(
(h ** 2 * f(x[i]) - (1.0 - (h / 2) * p(x[i])) * y[0][i - 1] - (h ** 2 * q(x[i]) - 2) * y[0][i]),
1 + h / 2 * p(x[i])
)
)
y[1].append(
div(
-(1 - h / 2 * p(x[i])) * y[1][i - 1] - (h ** 2 * q(x[i]) - 2) * y[1][i],
1 + h / 2 * p(x[i])
)
)
plt.plot(x, [get_solv_y_i(i) for i in range(n + 1)])
plt.show()
for i in range(n):
print(x[i], get_solv_y_i(i))
Примечания
- ↑ Калиткин Н. Н. Численные методы М.: Наука, 1978
Для улучшения этой статьи желательно: |