静态局部变量定义时赋初值问题和定义后赋初值问题
如

1 .    static int  a=1；

2 .    static int a；     a=1；
函数中静态局部变量a赋初值，采用上述两种方式时不一样，采用方式1时a是上次结束时的值，采用2方式时a=1还是每次都运行，为什么？
初始化和赋值是不同的概念。
只初始化一次，不是只赋值一次。

初值问题：即满足初值条件的常微分方程的解
首先，常微分方程得有解---有解条件----利普希茨条件---
定理1  （利普希茨条件）若存在正数L，使得对任意 
 ，有 
定理2  （解存在性） ①若函数 
 在方区域 
连续，②函数 
 关于y满足利普希茨条件，
则对任意 
 ，
常微分方程存在唯一的连续可微数值解.
由于原函数是无法精确求解出来的，我们只需要求解在某点的值就好
两类问题：
①单步法 ---计算下一个点的值 
只需要用到前面一个点的值 
②多步法---计算下一个点的值 
 需要用到前面 
 个点的值 
1、欧拉法---下一个点的计算值等于前一个点的计算值加上步长乘以前一个点的函数值
①初值条件：给出因变量在某个点上的值
具体过程
第一步：将初值条件带入微分方程，得到在该点的导数值
第二步：在该点，用taylor进行展开，舍去二次项，将一次函数近似函数y
第三：计算第二个点在直线上的值，用这个值近似函数 
 的在第二个点的值,依此类推，直到迭代完成
一些批注：显式欧拉方程指下一步要计算的值，不在迭代方程中；隐式欧拉方程指下一步要计算的值，在迭代方程中。
怎么计算隐式欧拉方程----要借助显示欧拉迭代计算---一般用迭代法
-----迭代---将微分方程在区间 
 进行积分，然后函数f进行近似，即可得到迭代方程-----迭代方程收敛性？由函数关于y满足利普希茨条件，可以推出迭代公式收敛。
局部截断误差：假设前n步误差为0，我们计算第n+1步的误差，将次误差称为局部截断误差，且局部误差为 
p阶精度：由理论证明：若局部误差阶的时间复杂度为 
 ，则整体误差阶为 
 我们称公式精度为p。
显示欧拉法与隐式欧拉法
评价： ① 精度为1（整体）  ②误差阶为2（局部）
梯形方法----将显式欧拉迭代方程与隐式欧拉迭代方程做一下加权平均，构造的计算公式.
改进的欧拉方法---
思想：因为梯形公式是隐式公式，将显式欧拉公式对下一步的计算值进行预估，用梯形公式对下一步的计算值进行校正.
评价： ① 精度为2(整体)  ②误差阶为3（局部）
2、龙格-库塔方法
思想：根据Lagrange中值定理，下一次的计算值可以用前一次的计算值加上h乘以前一个点的斜率；而这个斜率用该区间上的多个点的斜率的算数平均来逼近。
注意：怎么计算任意斜率 
 ？第 
 个点的斜率 
 有微分方程可以算出 
所以要算的 
 值，由欧拉法即可算出, 
2阶-龙格-库塔方法----类似改进的欧拉法
      根据Lagrange中值定理，下一次的计算值可以用前一次的计算值加上h乘以斜率；而这个斜率用区间上的端点和中点的斜率的算数平均来逼近。
其中， 
2阶龙格-库塔方法--局部误差为 
 （误差阶为3）；整体误差 
 （精度为2）
4阶-龙格-库塔方法
k1为区间左端点的斜率；
k2为区间中点的斜率，通过欧拉法，用斜率k1确定函数f在中点上的斜率k2
k3也是区间中点的斜率，通过欧拉法，用斜率k2确定函数f在中点上的斜率k3
k4是区间右端点的斜率，通过欧拉法，用斜率k3确定函数f在端点上的斜率k4
4阶-龙格-库塔方法----局部误差 
 ; 
整体误差为 
2.1 单步法收敛性与稳定性
收敛性：  对任意固定的点，函数y在该点的真实值，随着迭代步数增加，所用公式的计算值都会趋于所产生的近似值都趋于真实值，称该方法收敛
公式收敛性判别：函数 f 对y满足利普希茨条件（充分条件），则数值微分求解公式是收敛的、
相容：欧拉法的增量函数与函数 f 相等，则称 欧拉法与初值问题是相容的
稳定性：微分方程数值法在某点的计算值发生细微的扰动 
 ，之后的计算值所
产生的误差不超过 
 ,
则称该方法稳定。
绝对稳定：在稳定的微分数值解法中，当某一步计算值有误差时，以后计算值的误差不会扩大，则称这种稳定是绝对稳定。绝对稳定域：就是小区间的步长，使得微分数值公式是绝对稳定，而这些步长构成的区间称为绝对稳定域.
3、线性多步法
思想：下一次的计算值等于前 
 个的计算值
的算法平均加上步长乘以多个斜率的算数平均
阿当姆斯外插法
思想：下一次的计算值等于前一次的计算值加上过前 
 个的计算值的
插值函数在区间 
 上的积分
阿当姆斯内插法
思想：下一次的计算值等于前一次的计算值加上过前 
个的计算值的插值函数在区间上的积分
两者区别：下一次计算值在不在迭代公式中....

信号在未赋值时候的初值与信号类型有关：如果是可以比较大小的整型或者实型，则赋给最小值；如果是不能比较大小的枚举类型，则赋给最左值。
声明信号的时候给信号赋了初值，仿真器就会按照这个初值开始仿真，而有些综合器却是不理睬的，实际电路上电后是个随机值，然而有些综合器是敏感的，将会产生相应的锁存器来保证上电后的初值为你设定的值。

常微分方程初值问题数值解法
问题
一、一阶常微分方程初值问题的有限差分方法与误差分析
二、向前Euler法及误差分析
1.向前Euler法
2.误差分析
3.后退Euler法
三、改进欧拉公式
四、单步法局部截断误差与阶
五、龙格—库塔方法
1.定义
2.常用的龙格库塔方法
六、单步法的收敛性与稳定性
1.收敛性与相容性
2.绝对稳定性与绝对稳定域

问题
一阶常微分方程的初值问题:

$y^{'}=f(x,y)$

$y(x_0)=y_0$

定理一

设f在区域$D={(x,y)|a\leq x\leq b,y\in R}$上连续，关于y满足$|f(x,y_1)-f(x,y_2)|\leq L|y_1-y_2|,\forall x_0\in[a,b],y_0\in R$（这条件叫做Lipschitz条件）常微分方程的初值问题存在唯一的连续可微解$y(x)$
一、一阶常微分方程初值问题的有限差分方法与误差分析
只有一些特殊的常微分方程能求解析解，实际问题中主要靠数值解，所谓数值解法，就是寻求解y(x)在一系列离散节点$x_0<x_1<x_2......$上的近似值$y_0,y_1,y_2......$

整体截断误差

$g_i=|y_i-y(x_i)|$

其中$y(x_i)$就是我们的精确解，$y_i$就是给定计算格式（迭代公式，初值是精确值）之后所计算出来的数值解。

局部截断误差

$e_i=|y(x_{i+1})-w_{i+1}|$

其中$w_{i+1}$是 初值为$y(x_i)$ 时迭代出的数值解

对于某种方法，局部截断误差满足$e_i=O(h^{p+1})$，则称该方法具有p阶精度。
二、向前Euler法及误差分析
1.向前Euler法
先设步长相等，大小为h,对常微分方程$y^{'}=f(x,y)$中的倒数用均差近似，即

$\frac{y(x_{i+1})-y(x_i)}{h}\approx y^{'}=f(x_i,y(x_i))$

若初值已知，利用迭代格式

$\begin{cases}
y_0=y(x_0)\\
y_{i+1}=y_i+hf(x_i,y_i)
\end{cases}$

可逐次算出$y_1,y_2.....$
2.误差分析
对于精确值做泰勒展开式

$y(x_{i+1})=y(x_i)+hy^{'}(x_i)+\frac{h^2}{2}y^{''}(c)$其中$c \in(x_i,x_{i+1})$，其中$y^{'}(x_i)=f(x_i,y(x_i))$

对于欧拉法的迭代格式，由局部截断误差定义可得

$y_{i+1}=y(x_i)+hy^{'}(x_i)$

局部截断误差$e_i=\frac{h^2}{2}y^{''}(c)$
3.后退Euler法
通过利用均差近似倒数$y^{'}(x_{i+1})$即
$\frac{y(x_{i+1})-y(x_i)}{h}\approx y^{'}(x_{i+1})=f(x_{i+1},y(x_{i+1}))$

因此后退欧拉法的递推公式为

$y_{i+1}=y_i+hf(x_{i+1},y_{i+1})$（1式）
相比欧拉法，后退欧拉法的递推公式并不能直接进行计算，而需要解方程，即此公式是隐式的，而欧拉法的递推公式是可以直接计算的，即为显式的。隐式方程通常用迭代法求解，而迭代过程的实质是逐步隐式化。

$\begin{cases}
y_{i+1}^{0}=y_i+hf(x_i,y_i)\\
y_{i+1}^{1}=y_i+hf(x_i,y_{i+1}^{0}) \\
......\\
y_{i+1}^{k+1}=y_i+hf(x_i,y_{i+1}^{k}) （2式）
\end{cases}$

由于f(x,y)满足Lipschitz条件，利用（1）式减去（2）式得到

$|y_{i+1}^{k+1}-y_{i+1}|=h(f(x_i,y_{i+1}^{k})-hf(x_{i+1},y_{i+1}))\leq hL|y_{i+1}^{k}-y_{i+1}|$

若$hL<1$则迭代法收敛到解$y_{i+1}$。
三、改进欧拉公式
补充：梯形方法

$y_{i+1}=y_i+\frac{h}{2}(f(x_{i+1},y_{i+1})+f(x_{i},y_{i}))$
先用欧拉法求得一个初步的近似值$\overline{y}_{i+1}$，称为预报值，然后用它替代梯形法右端的$y_{i+1}$，得到左端校正值${y}_{i+1}$,可以校正n次，但是改进欧拉法中，我们只校正一次，这样建立的预报-校正系统称为改进的欧拉格式:

$\begin{cases}
\overline{y}_{i+1}=y_i+hf(x_i,y_i)\\
y_{i+1}=y_i+\frac{h}{2}(f(x_{i+1},\overline{y}_{i+1})+f(x_{i},y_{i}))
\end{cases}$

也可以写成下面一个形式：

$\begin{cases}
{y}_{p}=y_n+hf(x_n,y_n)\\
{y}_{c}=y_n+hf(x_n,y_p)\\
y_{n+1}=\frac{1}{2}(y_p+y_c)
\end{cases}$
四、单步法局部截断误差与阶
初值问题$y^{'}=f(x,y)$，$y(x_0)=y_0$的单步法可用一般形式表示为

$y_{n+1}=y_{n}+h\varphi(x_n，y_n，y_{n+1}，h)$

其中$\varphi(x_n，y_n，y_{n+1}，h)$称为增量函数

显式单步法的表示形式

$y_{n+1}=y_{n}+h\varphi(x_n，y_n，h)$

例如：对欧拉法$\varphi(x_n，y_n，h)=f(x,y)$

对于显式单步法的局部截断误差

$T_{n+1}=y(x_{n+1})-y(x_{n})-h\varphi(x_n，y(x_n)，h)$
五、龙格—库塔方法
1.定义
对于方程$y^{'}=f(x,y)$的等价积分形式
$y(x_{n+1})-y(x_{n})=\int_{x_{n}}^{x_{n+1}} {f(x,y(x))} \ dx$
方程右端可用求积公式表示为

$\int_{x_{n}}^{x_{n+1}} {f(x,y(x))} \ dx \approx h\sum_{i=1}^rc_if(x_n+\lambda_ih,y(x_n+\lambda_ih))$

一般来说点数r越多精度越高，上式右端相当于增量函数$\varphi(x_n，y_n，h)$，为了得到便于计算的显示方法，将公式表示为

$y_{n+1}=y_n+h\varphi(x_n,y_n,h)$

其中

$\varphi(x_n,y_n,h)=\sum_{i=1}^n c_iK_i$

$K_1=f(x_n,y_n)$

$K_2=f(x_n+\lambda_2h,y_n+hu_{21}K_1)，\lambda_2=h$

…

$K_i=f(x_n+\lambda_ih,y_n+h\times \sum_{j=1}^{i-1} u_{ij}K_j)，\lambda_i=\sum_{j=1}^{i-1} u_{ij}$

将此方法称为龙格库r级塔显示方法
2.常用的龙格库塔方法
常用二阶显式龙格库塔方法

$y_{n+1}=y_n+hK_2$

$K_1=f(x_n,y_n)$

$K_2=f(x_n+\frac{h}{2},y_n+\frac{h}{2}K_1)$

常用三阶

$y_{n+1}=y_n+\frac{h}{6}(K_1+c2K_2)$

$K_1=f(x_n,y_n)$

$K_2=f(x_n+\frac{h}{2},y_n+\frac{h}{2}K_1)$

$K_3=f(x_n+h,y_n-hK_1+2hK_2)$

常用四阶（记下来，要考，哈哈哈,matlab计算内核所在）

$y_{n+1}=y_n+\frac{h}{6}(K_1+2K_2+2K_3+K_4)$

$K_1=f(x_n,y_n)$

$K_2=f(x_n+\frac{h}{2},y_n+\frac{h}{2}K_1)$

$K_3=f(x_n+\frac{h}{2},y_n+\frac{h}{2}K_2)$

$K_4=f(x_n+h,y_n+hK_3)$
六、单步法的收敛性与稳定性
1.收敛性与相容性
定义：若一种数值方法（如单步法）对于固定的$x_n=x_0+nh$,当$h\rightarrow 0$ ，有$y_n=y(x_n)$,则称该方法收敛。

定理：假设单步法具有p阶精度，且增量函数$\varphi(x，y，h)$满足利普希茨条件

$|\varphi(x，y，h)-\varphi(x，\overline{y}，h)|\leq L_{\varphi}|y-\overline{y}|$

又设初值准确，则其整体截断误差

$y(x_n)-y_n=O(h^p)$

定义：若单步法$y_{n+1}=y_n+h{\varphi(x_n,y_n,h)}$的增量函数满足$\varphi(x,y,0)=f(x,y)$，则称单步法与初值问题相容（前述的单步法是用了泰勒展开式略去高阶项近似，有用求积公式离散得到的数值方法，相容性指数值方法逼近微分方程，在$h\rightarrow0$时，可得到$y^{'}(x)=f(x,y)$）
2.绝对稳定性与绝对稳定域
定义：若一种数值方法在节点值$y_n$上大小扰动为$\delta$，于以后的节点值$y_m(m>n)$上产生的偏差均不超过$\delta$，则称该方法是稳定的

定义：对于模型方程$y^{'}=\lambda y$,使用单步法解模型方程$y_{n+1}=E(\lambda h)y_n$，若得到$|E(h\lambda )|<1$，则称该方法是绝对稳定的（以此可以来确定步长）。

常用：对于四阶龙格库塔方法:$-2.78<h\lambda<0$,即$0<h<-2.78/\lambda$