定步长,可以在稍微修改之后变为变步长形式,代码如下:

void rkf78c( double h, double& T, vxd& X, double& err)
{
    int N = X.size();

    vxd X1(N);
    ;
    vxd Y0(N), Y1(N), Y2(N), Y3(N), Y4(N), Y5(N), Y6(N), Y7(N), Y8(N), Y9(N), Y10(N), Y11(N), Y12(N);

    ; i != N ; i++)
    {
        X1[i] = X[i];
    }
    T1 = T;
    dxdt(T1, X1, Y0);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*2.0/27.0*Y0[i];
    }
    T1 = T + h*2.0/27.0;
    dxdt(T1, X1, Y1);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]+3.0*Y1[i])/36.0;
    }
    T1 = T + h*1.0/9.0;
    dxdt(T1, X1, Y2);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]+3.0*Y2[i])/24.0;
    }
    T1 = T + h*1.0/6.0;
    dxdt(T1, X1, Y3);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]*20.0+(-Y2[i]+Y3[i])*75.0)/48.0;
    }
    T1 = T + h*5.0/12.0;
    dxdt(T1, X1, Y4);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]+Y3[i]*5.0+Y4[i]*4.0)/20.0;
    }
    T1 = T + h*1.0/2.0;
    dxdt(T1, X1, Y5);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(-Y0[i]*25.0+Y3[i]*125.0-Y4[i]*260.0+Y5[i]*250.0)/108.0;
    }
    T1 = T + h*5.0/6.0;
    dxdt(T1, X1, Y6);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]*93.0+Y4[i]*244.0-Y5[i]*200.0+Y6[i]*13.0)/900.0;
    }
    T1 = T + h*1.0/6.0;
    dxdt(T1, X1, Y7);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]*180.0-Y3[i]*795.0+Y4[i]*1408.0-Y5[i]*1070.0+Y6[i]*67.0+Y7[i]*270.0)/90.0;
    }
    T1 = T + h*2.0/3.0;
    dxdt(T1, X1, Y8);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(-Y0[i]*455.0+Y3[i]*115.0-Y4[i]*3904.0+Y5[i]*3110.0-Y6[i]*171.0+Y7[i]*1530.0-Y8[i]*45.0)/540.0;
    }
    T1 = T + h*1.0/3.0;
    dxdt(T1, X1, Y9);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]*2383.0-Y3[i]*8525.0+Y4[i]*17984.0-Y5[i]*15050.0+Y6[i]*2133.0+Y7[i]*2250.0+Y8[i]*1125.0+Y9[i]*1800.0)/4100.0;
    }
    T1 = T + h;
    dxdt(T1, X1, Y10);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(Y0[i]*60.0-Y5[i]*600.0-Y6[i]*60.0+(Y8[i] -Y7[i] +2.0*Y9[i])*300.0)/4100.0;
    }
    T1 = T;
    dxdt(T1, X1, Y11);

    ; i != N ; i++)
    {
        X1[i] = X[i] + h*(-Y0[i]*1777.0-Y3[i]*8525.0+Y4[i]*17984.0-Y5[i]*14450.0+Y6[i]*2193.0+Y7[i]*2550.0+Y8[i]*825.0+Y9[i]*1200.0+Y11[i]*4100.0)/4100.0;
    }
    T1 = T + h;
    dxdt(T1, X1, Y12);

    err = 0.0;
    ; i != X.size(); i++)
    {
        X[i] += h*(Y5[i]*272.0+(Y6[i]+Y7[i])*216.0+(Y8[i]+Y9[i])*27.0+(Y11[i]+Y12[i])*41.0)/840.0;
        err += fabs((Y0[i]+Y10[i]-Y11[i]-Y12[i])*h*41.0/840.0);
    }
    T += h;
}

定步长的龙格库塔7(8)阶C++程序(RKF78)的更多相关文章

  1. MATLAB常微分方程数值解——欧拉法、改进的欧拉法与四阶龙格库塔方法

    MATLAB常微分方程数值解 作者:凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 1.一阶常微分方程初值问题 2.欧拉法 3.改进的欧拉法 4.四阶龙格库塔 ...

  2. 用python面向对象的方法实现欧拉算法和龙格库塔算法

    #!/bin/python3 # -*-coding:utf-8 -*- import math import numpy as np #定义一个欧拉算法的类,从而实现不同步长的引用 class Eu ...

  3. 【C/C++】龙格库塔+亚当姆斯求解数值微分初值问题

    /* 解数值微分初值问题: 龙格-库塔法求前k个初值 + 亚当姆斯法 */ #include<bits/stdc++.h> using namespace std; double f(do ...

  4. 龙格-库塔法解常微分方程(c++)

    用龙格库塔法计算 #include <iostream> #include<iomanip> #include <cmath> using namespace st ...

  5. MATLAB学习笔记(七)——MATLAB解方程与函数极值

    (一)线性方程组求解 包含n个未知数,由n个方程构成的线性方程组为: 其矩阵表示形式为: 其中 一.直接求解法 1.左除法 x=A\b; 如果A是奇异的,或者接近奇异的.MATLAB会发出警告信息的. ...

  6. 软件推荐-国内参数优化软件:1stOpt - First Optimizationg

    首页:http://www.7d-soft.com/index.htm 4.0新功能 (预定2010年8月6日): 1:支持复数拟合.复数方程组计算: 2:支持微分方程拟合求解: 3:通用全局优化求解 ...

  7. 相机IMU融合四部曲(二):误差状态四元数详细解读

    相机IMU融合四部曲(二):误差状态四元数详细解读 极品巧克力 前言 上一篇文章,<D-LG-EKF详细解读>中,讲了理论上的SE3上相机和IMU融合的思想.但是,还没有涉及到实际的操作, ...

  8. MATLAB数学实验总结

    L1 MATLAB 基础知识 P6 表1-3 数据显示格式 format rat format long P20 表2-5 常用的矩阵函数 zeros(m,n) %零阵 eye(n) %单位阵 one ...

  9. 多重网格法简介(Multi Grid)

    原文链接 多重网格法是一种用于求解方程组的方法,可用于插值.解微分方程等. 从专业角度讲多重网格法实际上是一种多分辨率的算法,由于直接在高分辨率(用于求解的间隔小)上进行求解时对于低频部分收敛较慢,与 ...

随机推荐

  1. 网络资源(6) - EJB视频

    2014_08_24 http://v.youku.com/v_show/id_XMjE0NjE3MDA0.html?f=5227828 01_EJB3.0_下载安装与运行jboss -------- ...

  2. 网络资源(5) - Android视频

    2014_08_24 http://v.youku.com/v_show/id_XMjM5NjU2OTI0.html?f=5486194 Android开发视频教程1 http://v.youku.c ...

  3. Android发展的一个重要方面Makefile分析

    Android发展的一个重要方面Makefile分析 随着移动互联网的发展,移动开发也越来越吃香了.眼下最火的莫过于android.android是什么就不用说了,android自从开源以来,就受到非 ...

  4. 数据结构之Huffman树与最优二叉树

    最近在翻炒一些关于树的知识,发现一个比较有意思的二叉树,huffman树,对应到离散数学中的一种名为最优二叉树的路径结构,而Huffman的主要作用,最终可以归结到一种名为huffman编码的编码方式 ...

  5. Ubuntu中编译链接Opencv应用的简便方式

    安装完毕Opencv后,使用下面命令查 看编译/连接參数 pkg-config --cflags --libs opencv 可看到例如以下信息 -I/usr/include/opencv  /usr ...

  6. HDU 5037 FROG (贪婪)

    Problem Description Once upon a time, there is a little frog called Matt. One day, he came to a rive ...

  7. Mono 4 和Jexus 5.6

    Mono 4 和Jexus 5.6 概述 在这篇文章中我们将讨论如何在CentOS 7操作系统,安装 jexus. mono 和 配置 jexus,因此它将能够在这种环境中运行一个asp.net mv ...

  8. java_model_dao_自动生成_generator-mybatis-generator-1.3.2 基于maven插件

    用mybatis原因很简单,易用,性能.是介于jdbc和hibernate之间的一个完美方案. 很简单: 1:配置pom <project xmlns="http://maven.ap ...

  9. JavaScript语言基础知识点图示

    原文:JavaScript语言基础知识点图示 一位牛人归纳的JavaScript 语言基础知识点图示. 1.JavaScript 数据类型 2.JavaScript 变量 3.Javascript 运 ...

  10. Python编写网页爬虫爬取oj上的代码信息

    OJ升级,代码可能会丢失. 所以要事先备份. 一開始傻傻的复制粘贴, 后来实在不能忍, 得益于大潇的启示和聪神的原始代码, 网页爬虫走起! 已经有段时间没看Python, 这次网页爬虫的原始代码是 p ...