Диф уравнения методом рунге кутта. Метод Эйлера

Существуют и другие явные одношаговые методы. Так, рассмотренные метод Эйлера (1.15) и его модифицированные варианты (1.22), (1.23) и (1.25), (1.26) являются частными случаями методов первого и второго порядков, относящихся к классу методов Рунге – Кутта. Эти методы используют для вычисления значения значение yi , а также значения функции f (x , у) при некоторых специальным образом выбираемых значениях и у. На их основе могут быть построены разностные схемы разного порядка точности.

Широко распространен метод Рунге – Кутта четвертого порядка.

Запишем алгоритм этого метода в виде

Таким образом, данный метод Рунге – Кутта требует на каждом шаге четырехкратного вычисления правой части f (x , Y ) уравнения (1.9). Суммарная погрешность этого метода есть величина О(h 4).

Метод Рунге – Кутта (1.27) требует большего объема вычислений по сравнению с методом Эйлера и его модификациями, однако это окупается повышенной точностью, что дает возможность проводить счет с большим шагом. Другими словами, для получения результатов с одинаковой точностью в методе Эйлера потребуется значительно меньший шаг, чем в методе Рунге – Кутта (1.27).

Проведем сравнительную оценку рассмотренных методов Рунге – Кутта на простом примере, позволяющем получить также и точное решение.

Пример . Решить задачу Коши

Решение . Сформулированная задача Коши может быть решена известными из курса высшей математики методами. Опустив выкладки, запишем окончательное выражение для точного решения с учетом заданного начального условия:

Теперь решим данную задачу численно с помощью рассмотренных выше методов. Результаты вычислений приведены в табл. 1.1. Анализ решения позволяет проследить рост погрешности с возрастанием xi . Как видно из табл. 1.1, самым точным является решение, полученное методом Рунге – Кутта четвертого порядка. При х i = 1погрешность составляет менее 0,003%. Для модифицированных методов Эйлера погрешность при х i = 1 составляет около 1%, а для самого метода Эйлера - почти 18%. Следовательно, при больших х метод Эйлера может привести к еще более существенным погрешностям, и в таких случаях предпочтительнее пользоваться численными методами высших порядков точности.

Таблица 1.1

Результаты вычислений xi разными методами

С уменьшением шага h локальная погрешность метода Эйлера снизится, однако при этом возрастет число узлов, что неблагоприятно повлияет на точность результатов. Поэтому метод Эйлера применяется сравнительно редко при небольшом числе расчетных точек. Наиболее употребительным одношаговым методом является метод Рунге – Кутта.

Рассмотренные методы Рунге – Кутта могут быть использованы так же для решения систем дифференциальных уравнений. Покажем это для случая системы двух уравнений относительно искомых функций вида

Начальные условия зададим в виде

По аналогии с (1.27) запишем формулы Рунге – Кутта для системы двух уравнений:

К решению систем уравнений сводятся также задачи Коши для уравнения высших порядков. Например, рассмотрим задачу Коши для уравнения второго порядка

Введем вторую неизвестную функцию . Тогда сформулированная задача Коши заменяется следующей:

В заключение еще раз отметим особенность одношаговых методов, состоящую в том, что для получения решения в каждом новом расчетном узле достаточно иметь значение сеточной функции лишь в предыдущем узле. Это позволяет непосредственно начать счет при i = 0 по известным начальным значениям. Кроме того, указанная особенность допускает изменение шага в любой точке в процессе счета, что позволяет строить численные алгоритмы с автоматическим выбором шага.

И две схемы Рунге-Кутты, имеющие четвертый порядок аппроксимации:

Пример . Решить методом Рунге-Кутты четвертого порядка уравнение dy /dx = –y , y (0) = 1.

В соответствии с приведенными выше соотношениями определяем коэффициенты:

Построим последовательность значений искомой функции:

Результаты получаемого численного решения для значения аргумента x = 10 при различных шагах интегрирования приведены в табл. 15.2. Три верные значащие цифры получены для шага h = 0.25.

Сравнение таблиц 15.1 и 15.2 с решениями одной и той же задачи позволяет сделать вывод, что более высокая степень аппроксимации дифференциального уравнения разностным аналогом позволяет получать более точное решение при более крупном шаге и, следовательно, меньшем числе шагов, то есть приводит к снижению требуемых ресурсов ЭВМ.

На сегодняшний день для грубого расчета вычисления производятся методом Эйлера, для точного расчета - методом Рунге-Кутты

16. Лекция 16.
Методы прогноза и коррекции
(итерационные методы)

Изученные нами ранее методы обладали одной важной особенностью - каждому методу соответствует обычно определенный класс точности, который мы обозначали как O i . Например, метод Эйлера обладал первым классом точности O 1 . Это означало, что с уменьшением шага в 10 раз (на порядок) точность результата повышается тоже в 10 раз (на один порядок). Метод Рунге-Кутты обладает 4 порядком точности - O 4 , при уменьшении шага в 10 раз, результат улучшается в 10 000 раз. Поскольку этот метод по сравнению с методом Эйлера использует всего в 4 раза больше вычислений, то использование его более выгодно. На сегодняшний день известны методы до 8 порядка точности (например, метод Prince Dortmund), хотя одновременно стоит иметь в виду, что написание алгоритмов для них - задача достаточно трудная. Достоинством всех этих алгоритмов является то, что объем вычислений для них заранее известен.

Если требуется достичь ЛЮБОЙ точности на шаге, то следует использовать методы прогноза и коррекции. Этот подход состоит в том, что расчет траектории, задаваемой уравнением, на каждом шаге происходит многократно. А именно, сначала происходит расчет приближенного значения функции на конце шага какой-либо простой формулой (например, методом Эйлера), далее в этой точке вычисляется производная, и расчет происходит снова из начальной точки на шаге, но с уточненным значением производной. Последняя операция - уточнения производной и значения функции на конце шага - происходит МНОГОКРАТНО НА КАЖДОМ ШАГЕ , то есть до тех пор, пока вычисленные значения (функции и производной в конце шага) не перестанут меняться или будут меняться уже незначительно, меньше чем задаваемая заранее величина ε . Только тогда можно сказать, что точность ε достигнута.

Итак, за счет итерационной процедуры на каждом отдельном шаге можно достичь любой, наперед заданной точности ε . За такое достоинство метода приходится платить: к сожалению, невозможно сказать заранее, сколько итераций потребуется для достижения на шаге заданной точности ε . Поэтому такие методы нельзя, например, использовать в системах реального времени.

Рассмотрим для примера два метода из этого класса. Как и ранее задача состоит в нахождении функции y (t ) из дифференциального уравнения dy /dt = f (y , x , t ) или множества функций из системы таких уравнений.

Метод Эйлера. Усовершенствованный метод Эйлера.
Классический метод Рунге-Кутты

Не обошла стороной вычислительная математика и дифференциальные уравнения! Сегодня на уроке мы познакомимся с основами приближённых вычислений в этом разделе математического анализа, после чего перед вами приветливо распахнутся толстые-претолстые книги по теме. Ибо вычислительная математика стороной диффуры ещё как не обошла =)

Перечисленные в заголовке методы предназначены для приближённого нахождения решений дифференциальных уравнений , систем ДУ , и краткая постановка наиболее распространённой задачи такова:

Рассмотрим дифференциальное уравнение первого порядка , для которого требуется найти частное решение , соответствующее начальному условию . Что это значит? Это значит, нам нужно найти функцию (предполагается её существование) , которая удовлетворяет данному дифф. уравнению, и график которой проходит через точку .

Но вот незадача – переменные в уравнении разделить невозможно. Никакими известными науке способами. А если и возможно, то получается неберущийся интеграл. Однако частное-то решение существует! И здесь на помощь приходят методы приближенных вычислений, которые позволяют с высокой (а зачастую с высочайшей) точностью «сымитировать» функцию на некотором промежутке.

Идея методов Эйлера и Рунге-Кутты состоит в том, чтобы заменить фрагмент графика ломаной линией , и сейчас мы узнаем, как эта идея реализуется на практике. И не только узнаем, но и непосредственно реализуем =) Начнём с исторически первого и самого простого метода. …Вы хотите иметь дело со сложным дифференциальным уравнением? Вот и я тоже не хочу:)

Задание

Найти частное решение дифференциального уравнения , соответствующее начальному условию , методом Эйлера на отрезке с шагом . Построить таблицу и график приближённого решения.

Разбираемся. Во-первых, перед нами обычное линейное уравнение , которое можно решить стандартными способами, и поэтому очень трудно устоять перед соблазном сразу же найти точное решение:

– желающие могут выполнить проверку и убедиться, что данная функция удовлетворяет начальному условию и является корнем уравнения .

Что нужно сделать? Нужно найти и построить ломаную , которая приближает график функции на промежутке . Поскольку длина этого промежутка равна единице, а шаг составляет , то наша ломаная будет состоять из 10 отрезков:

причём, точка уже известна – она соответствует начальному условию . Кроме того, очевидны «иксовые» координаты других точек:

Осталось найти . Никакого дифференцирования и интегрирования – только сложение и умножение! Каждое следующее «игрековое» значение получается из предыдущего по простой рекуррентной формуле:

Представим дифференциальное уравнение в виде :

Таким образом:

«Раскручиваемся» от начального условия :

Понеслось:

Результаты вычислений удобно заносить в таблицу:

А сами вычисления автоматизировать в Экселе – потому что в математике важен не только победный, но ещё и быстрый конец:)

По результатам 2-го и 3-го столбцов изобразим на чертеже 11 точек и 10 отрезков, соединяющих смежные точки. Для сравнения я построю график точного частного решения :

Существенным недостатком простого метода Эйлера является слишком большая погрешность, при этом легко заметить, что погрешность имеет тенденцию накапливаться – чем дальше мы уходим от точки , тем преимущественно больше становится расхождение между приближением и истиной. Это объяснимо самим принципом, который Эйлер положил в основу своего метода: отрезки параллельны соответствующим касательным к графику функции в точках . Данный факт, кстати, тоже хорошо просматривается по чертежу.

Как можно улучшить приближение? Первая мысль – измельчить разбиение. Разделим отрезок , например, на 20 частей. Тогда шаг составит: , и совершенно понятно, что ломаная из 20 звеньев заметно точнее приблизит частное решение. С помощью того же Экселя не составит труда обработать 100-1000 и даже миллион (!) промежуточных отрезков, однако зададимся вопросом: а нельзя ли КАЧЕСТВЕННО улучшить метод?

Но перед тем как раскрыть этот вопрос, не могу не остановиться на неоднократно прозвучавшей сегодня фамилии. Читая биографию Леонарда Эйлера , просто поражаешься, как невероятно много может успеть сделать за свою жизнь человек! Сопоставимо вспомнился только К.Ф. Гаусс. …Вот и мы постараемся не потерять мотивацию к обучению и новым открытиям:))

Усовершенствованный метод Эйлера

Рассмотрим тот же самый пример: дифференциальное уравнение , частное решение, удовлетворяющее условию , промежуток и его разбиение на 10 частей
( – длина каждой части).

Цель усовершенствования состоит в том, чтобы приблизить «красные квадратики» ломаной к соответствующим «зелёным точкам» точного решения .

И идея модификации такова: отрезки должны быть параллельны касательным , которые проведены к графику функции не на левых краях , а «посерединке» интервалов разбиения. Что, естественно, улучшит качество приближения.

Алгоритм решения работает в том же русле, но формула, как нетрудно догадаться, усложняется:
, где

Плясать вновь начинаем от частного решения и сразу же находим 1-й аргумент «внешней» функции:

Теперь находим нашего «монстра», который на поверку оказался не таким уж и страшным – обратите внимание, что это ТА ЖЕ функция , вычисленная в другой точке:

Умножаем результат на шаг разбиения:

Таким образом:

Алгоритм заходит на второй круг, не поленюсь, распишу его подробно:

рассматриваем пару и находим 1-й аргумент «внешней» функции:

Рассчитываем и находим её 2-й аргумент:

Вычислим значение:

и его произведение на шаг:

Вычисления разумно провести в Экселе (растиражировав формулы по той же схеме – см. видеоролик выше) , а результаты свести в таблицу:

Числа целесообразно округлять до 4-5-6 знаков после запятой. Нередко в условии той или иной задачи есть прямое указание , с какой точностью следует проводить округление. Я подровнял сильно «хвостатые» значения до 6 знаков.

По результатам 2-го и 3-го столбцов (слева) построим ломаную , и для сравнения я снова приведу график точного решения :

Результат существенно улучшился! – красные квадратики практически «спрятались» за зелёными точками точного решения.

Однако нет пределов совершенству. Одна голова хорошо, а две – лучше. И снова немецкие:

Классический метод Рунге-Кутты 4-го порядка

Его цель добиться ещё бОльшего приближения «красных квадратиков» к «зелёным точкам». Вы спросите, куда ещё ближе? Во многих, в частности физических, исследованиях бывает ПРИНЦИПИАЛЬНО важен 10-й, а то и 50-й точный знак после запятой. Нет, такой точности можно достичь и простым методом Эйлера, но на СКОЛЬКО частей придётся разбить промежуток ?! …Хотя с современными вычислительными мощностями это не проблема – тысячи кочегаров китайского космического корабля гарантируют!

И, как правильно подсказывает заголовок, при использовании метода Рунге-Кутты на каждом шаге нам придётся вычислить значение функции 4 раза (в отличие от двукратного вычисления в предыдущем параграфе) . Но задача эта вполне и вполне подъёмная если нанять китайцев. Каждое следующее «игрековое» значение получается из предыдущего – ловим формулы:
, где , где:

Готовы? Ну тогда начинаем:))

Таким образом:

Первая строка запрограммирована, и я копирую формулы по образцу:

Не думал, что так быстро разделаюсь с методом Рунге-Кутты =)

В чертеже нет смысла, поскольку он уже не показателен. Давайте лучше проведём аналитическое сравнение точности трёх методов, ибо когда известно точное решение , то грех не сравнить. Значения функции в узловых точках элементарно рассчитываются в том же Экселе – один раз забиваем формулу и тиражируем её на остальные .

В нижеследующую таблицу я сведу значения (для каждого из трёх методов) и соответствующие абсолютные погрешности приближённых вычислений:

Как видите, метод Рунге-Кутты даёт уже 4-5 верных знака после запятой по сравнению с 2 верными знаками усовершенствованного метода Эйлера! И это не случайность:

– Погрешность «обычного» метода Эйлера не превосходит шага разбиения. И в самом деле – взгляните на самый левый столбец погрешностей – там после запятых только один ноль, что и говорит нам о точности 0,1.

– Усовершенствованный метод Эйлера гарантирует точность: (смотрим на 2 нуля после запятой в средней колонке погрешностей) .

– И, наконец, классический метод Рунге-Кутты обеспечивает точность .

Изложенные оценки погрешностей строго обосновывается в теории.

Как можно ЕЩЁ улучшить точность приближения? Ответ прямо-таки философский: качеством и/или количеством =) В частности, существует и другие, более точные модификации метода Рунге-Кутты. Количественный путь, как уже отмечалось, состоит в уменьшении шага, т.е. в разбиении отрезка на бОльшее количество промежуточных отрезков. И с увеличением этого количества ломаная всё больше и больше будет походить на график точного решения и в пределе – совпадёт с ним.

В математике это свойство называется спрямляемостью кривой . К слову (небольшой оффтоп) , «спрямить» удаётся далеко не всё – рекомендую прочитать интереснейшую , в которых уменьшение «участка исследования» не влечёт за собой упрощение объекта исследования.

Так получилось, что я разобрал всего лишь одно дифференциальное уравнение и поэтому пара дополнительных замечаний. Что ещё нужно иметь в виду на практике? В условии задачи вам может быть предложен другой отрезок и другое разбиение, причём иногда встречается следующая формулировка: «найти методом… …на промежутке , разбив его на 5 частей». В этом случае нужно найти шаг разбиения , после чего придерживаться обычной схемы решения. Кстати, начальное условие должно быть такого вида: , то есть «икс нулевое», как правило, совпадает с левым концом отрезка. Образно говоря, ломаная всегда «выходит» из точки .

Безусловным достоинством рассмотренных методов, является тот факт, что они применимы к уравнениям с очень сложной правой частью. И безусловный недостаток – далеко не каждый диффур можно представить в таком виде.

Но почти всё в этой жизни поправимо! – ведь мы рассмотрели лишь малую толику темы, и моя фраза о толстых-претолстых книгах была вовсе не шуткой. Существует великое множество приближённых методов нахождения решений ДУ и их систем, в которых применяются, в том числе, принципиально другие подходы. Так, например, частное решение можно приблизить степенным рядом . Однако это уже статья другого раздела.

Надеюсь, мне удалось разнообразить скучноватую вычислительную математику, и вам было интересно!

Спасибо за внимание!

Суть метода Эйлера заключается в переходе от бесконечно малых приращений в уравнении к конечным: (1)

т.е. в замене производной приближенным конечно-разностным отношением:

где h = ∆х - шаг интегрирования.

Отсюда (3)

Рассматривая приближенное решение в точке как новые начальные условия, можно по формуле (3) найти значение искомой функции у(х) в следующей точке. В общем случае формула Эйлера имеет вид: (4)

Метод Эйлера может быть интерпретирован геометрически следующим образом: функцию у(х) заменяют ломаной, представляющей собой отрезки касательных к этой функции в узлах (рис. 5.1).

Рис. 5.1. Метод Эйлера

Достоинствами метода Эйлера являются его простота и наглядность, недостатками - относительно невысокая точность (он имеет первый порядок точности) и систематическое накопление ошибки. Точность и устойчивость решения в значительной степени зависят от величины шага интегрирования. Для оценки погрешности и выбора шага может быть применена формула Рунге .

Методы Рунге-Кутта второго порядка

Методы Рунге-Кутта второго порядка основаны на разложении функции у(х) в ряд Тейлора и учете трех его первых членов (до второй производной включительно).

Метод Рунге-Кутта второго порядка с полным шагом реализуется по формуле:

Его геометрическая интерпретация (рис. 6.1.) заключается в следующем:

1. Приближенно вычисляют значение функции в точке x i +h по формуле Эйлера и наклон интегральной кривой в этой точке

2. Находят средний наклон на шаге h:

3. По этому наклону уточняют значение y i +1 по формуле (6.1.).

Формула метода Рунге-Кутта второго порядка с половинным шагом имеет вид

ПРИБЛИЖЕННОЕ Решение ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ И СИСТЕМ.

Дифференциальные уравнения являются основным математическим инструментом моделирования и анализа разнообразных явлений и процессов в науке и технике.

Методы их решения подразделяются на два класса:

аналитические методы, в которых решение получается в виде аналитических функций;

численные (приближенные) методы, где искомые интегральные кривые получают в виде таблиц их численных значений.

Применение аналитических методов позволяет исследовать полученные решения методами математического анализа и сделать соответствующие выводы о свойствах моделируемого явления или процесса. К сожалению, с помощью таких методов можно решать достаточно ограниченный круг реальных задач. Численные методы позволяют получить с определенной точностью приближенное решение практически любой задачи.

Решить дифференциальное уравнение

численным методом означает, что для заданной последовательности аргументов
и числа
, не определяя аналитического вида функции
, найти значения
, удовлетворяющие условиям:

Рассмотрим три наиболее распространенных при решении практических задач численных метода интегрирования: метод Эйлера, метод Рунге-Кутта и метод Адамса.

§8.1. Метод Эйлера.

Этот метод обладает малой точностью и применяется в основном для ориентировочных расчетов. Однако идеи, положенные в основу метода Эйлера, являются исходными для ряда других численных методов.

Пусть дано дифференциальное уравнение с начальным условием (задача Коши)

,
(7.2)

и выполняются условия существования и единственности решения.

Теорема Пиккара (теорема о существовании и единственности решения задачи Коши).

Если в уравнении (7.1) функция
непрерывна в прямоугольникеи удовлетворяет в
условию Липшица

где
- константа Липшица, то существует единственное решение
,
, уравнения (7.1), удовлетворяющее условию
, где
,
в
.

Требуется найти решение
задачи Коши (7.2) на отрезке
.

Выбрав шаг - достаточно малый, равный
, строим систему равноотстоящих точек

Искомую интегральную кривую
, проходящую через точку
, приближенно заменим ломаной Эйлера с вершинами
(Рис.7.1).

Звено ломаной
, заключенное междуи
, наклонено к оси
под углом. Тангенс этого угла вычисляется по формуле:

Сделав преобразование, получим формулу Эйлера:

Вычисление значений
осуществляется с использованием формулы (7.3) следующим образом. По заданным начальным условиям
иполагая
в выражении (7.3) вычисляется значение

(7.4)

Далее определяя значение аргумента по формуле
, используя найденное значениеи полагая в формуле (7.3)
вычисляем следующее приближенное значение интегральной кривой
, как

(7.5)

Поступая аналогичным образом при
определяем все остальные значения, в том числе последнее значение, которое соответствует значению аргумента
.

Таким образом, соединяя на координатной плоскости точки отрезками прямых, получаем ломанную линию с вершинами в точках.

Запишем разложение
в ряд Тейлора:

Учитывая формулы (7.3) и (7.6), получим

Соотношение (7.7) может быть использовано для выбора шага . Как правило, шагвыбирают таким образом, чтобы
, где- заданная точность.

Метод Эйлера может быть применен к решению систем дифференциальных уравнений.

Пусть задана система двух уравнений первого порядка

(7.8)

с начальными условиями

Необходимо найти решение этой задачи Коши. Проводя аналогичные рассуждения, получаем расчетные формулы вида:

(7.9)

где - шаг интегрирования.

При расчетах полагается, что
и
. В результате применения расчетной схемы (7.9) получается приближенное представление интегральных кривых
и
в форме двух ломаных Эйлера, построенных по полученным таблицам
.

Достоинством метода Эйлера является его простота и высокая скорость поиска решения. Недостатками метода Эйлера являются малая точность и систематическое накопление ошибок, так как при вычислении значений на каждом последующем шаге исходные данные не являются точными и содержат погрешности, зависящие от неточности предшествующих вычислений.

§8.2. Метод Рунге-Кутта.

Данный метод является одним из наиболее распространенных численных методов интегрирования обыкновенных дифференциальных уравнений. По сравнению с описанным выше методом Эйлера метод Рунге-Кутта имеет более высокую точность, но невысокую скорость поиска решения, так как метод относится к классу многошаговых методов.

, (7.10)

с начальным условием

. (7.11)

Выберем шаг и для краткости введем обозначения
,
, где
.

Рассмотрим числа:

(7.12)

По методу Рунге-Кутта последовательные значения искомой функцииопределяются по формуле:

. (7.13)

Погрешность метода Рунге-Кутта, заданного формулой (7.13), на каждом шаге есть величина порядка (в предположении, что
.

Формулу (7.13) еще называют формулой Рунге-Кутта четвертого порядка точности.

Помимо формулы (7.13) существуют еще другие формулы типа Рунге-Кутта с иными порядками точности. В частности формула
- формула Рунге-Кутта второго порядка точности. Эта формула на каждом шаге дает погрешность порядка.

Для определения правильности выбора шага на практике обычно на каждом этапе из двух шагов применяют двойной пересчет. Исходя из текущего верного значения
, вычисляют
двумя способами: вначале с шагом, а затем с шагом
. Если расхождение полученных результатов не превышает допустимой погрешности, то шагдля данного этапа выбран правильно и полученное с его помощью значение можно принять за
. В противном случае шаг уменьшается в два раза. Эту вычислительную схему легко запрограммировать на ЭВМ.

Метод Рунге-Кутта может быть использован и при решении систем дифференциальных уравнений. Рассмотрим задачу Коши для системы двух дифференциальных уравнений:

с начальными условиями

Формулы метода Рунге-Кутта для данной системы примут вид:

Метод Рунге-Кутта обладает значительной точностью и, несмотря на свою трудоемкость, широко используется при численном решении дифференциальных уравнений и систем. Важным преимуществом этого метода является возможность применения переменного шага, что позволяет учитывать локальные особенности искомой функции.

§8.3. Метод Адамса.

Этот метод численного интегрирования разработан Адамсом в 1855 году по просьбе известного английского артиллериста Башфорта, который занимался баллистикой. В последствии этот метод был забыт и вновь открыт в начале XXвека норвежским математиком Штермером. Популяризация метода Адамса и дальнейшее его усовершенствование связано с именем А.Н. Крылова.

Пусть дано дифференциальное уравнение первого порядка

, (7.14)

с начальным условием

. (7.15)

Пусть
- система равноотстоящих значений с шагоми
. Очевидно, что

. (7.16)

Запишем вторую интерполяционную формулу Ньютона с точностью до разностей четвертого порядка:

где
.

В формуле (7.17) функцию заменим на производную, получим:

Так как
, то подставив (7.18) в (7.16), получим:

После преобразований будем иметь:

Формула (7.19) называется экстраполяционной формулой Адамса.

Для начала итерационного процесса нужно знать начальные значения
, так называемый начальный отрезок, который определяют, исходя из начального условия (7.15), каким-либо численным методом (например, методом Рунге-Кутта). Зная значения
из (7.14) находят
и составляют таблицу разностей: