exp求微分方程的解.docx
《exp求微分方程的解.docx》由会员分享,可在线阅读,更多相关《exp求微分方程的解.docx(14页珍藏版)》请在冰豆网上搜索。
exp求微分方程的解
exp4求微分方程的解
————————————————————————————————作者:
————————————————————————————————日期:
实验四 求微分方程的解
一、问题背景与实验目的
实际应用问题通过数学建模所归纳而得到的方程,绝大多数都是微分方程,真正能得到代数方程的机会很少.另一方面,能够求解的微分方程也是十分有限的,特别是高阶方程和偏微分方程(组).这就要求我们必须研究微分方程(组)的解法,既要研究微分方程(组)的解析解法(精确解),更要研究微分方程(组)的数值解法(近似解).
对微分方程(组)的解析解法(精确解),Matlab有专门的函数可以用,本实验将作一定的介绍.
本实验将主要研究微分方程(组)的数值解法(近似解),重点介绍Euler折线法.
二、相关函数(命令)及简介
1.dsolve(’equ1',’equ2',…):
Matlab求微分方程的解析解.equ1、equ2、…为方程(或条件).写方程(或条件)时用Dy表示y关于自变量的一阶导数,用用D2y表示y关于自变量的二阶导数,依此类推.
2.simplify(s):
对表达式s使用maple的化简规则进行化简.
例如:
symsx
simplify(sin(x)^2+cos(x)^2)
ans=1
3.[r,how]=simple(s):
由于Matlab提供了多种化简规则,simple命令就是对表达式s用各种规则进行化简,然后用r返回最简形式,how返回形成这种形式所用的规则.
例如:
symsx
[r,how]=simple(cos(x)^2—sin(x)^2)
r=cos(2*x)
how=combine
4.[T,Y]=solver(odefun,tspan,y0)求微分方程的数值解.
说明:
(1)其中的solver为命令ode45、ode23、ode113、ode15s、ode23s、ode23t、ode23tb之一.
(2)odefun是显式常微分方程:
(3)在积分区间tspan=
上,从
到
,用初始条件
求解.
(4)要获得问题在其他指定时间点
上的解,则令tspan=
(要求是单调的).
(5)因为没有一种算法可以有效地解决所有的ODE问题,为此,Matlab提供了多种求解器Solver,对于不同的ODE问题,采用不同的Solver.
求解器
Solver
ODE类型
特点
说明
ode45
非刚性
单步算法;4、5阶Runge-Kutta方程;累计截断误差达
大部分场合的首选算法
ode23
非刚性
单步算法;2、3阶Runge-Kutta方程;累计截断误差达
使用于精度较低的情形
ode113
非刚性
多步法;Adams算法;高低精度均可到
计算时间比ode45短
ode23t
适度刚性
采用梯形算法
适度刚性情形
ode15s
刚性
多步法;Gear's反向数值微分;精度中等
若ode45失效时,可尝试使用
ode23s
刚性
单步法;2阶Rosebrock算法;低精度
当精度较低时,计算时间比ode15s短
ode23tb
刚性
梯形算法;低精度
当精度较低时,计算时间比ode15s短
(6)要特别的是:
ode23、ode45是极其常用的用来求解非刚性的标准形式的一阶常微分方程(组)的初值问题的解的Matlab的常用程序,其中:
ode23采用龙格—库塔2阶算法,用3阶公式作误差估计来调节步长,具有低等的精度.
ode45则采用龙格-库塔4阶算法,用5阶公式作误差估计来调节步长,具有中等的精度.
5.ezplot(x,y,[tmin,tmax]):
符号函数的作图命令.x,y为关于参数t的符号函数,[tmin,tmax]为t的取值范围.
6.inline():
建立一个内联函数.格式:
inline('expr’,'var1','var2',…),注意括号里的表达式要加引号.
例:
Q=dblquad(inline('y*sin(x)’),pi,2*pi,0,pi)
三、实验内容
1.几个可以直接用Matlab求微分方程精确解的例子:
例1:
求解微分方程
并加以验证.
求解本问题的Matlab程序为:
symsxy%line1
y=dsolve(’Dy+2*x*y=x*exp(—x^2)',’x’)%line2
diff(y,x)+2*x*y—x*exp(-x^2)%line3
simplify(diff(y,x)+2*x*y—x*exp(—x^2))%line4
说明:
(1)行line1是用命令定义x,y为符号变量.这里可以不写,但为确保正确性,建议写上;
(2)行line2是用命令求出的微分方程的解:
1/2*exp(—x^2)*x^2+exp(—x^2)*C1
(3)行line3使用所求得的解.这里是将解代入原微分方程,结果应该为0,但这里给出:
-x^3*exp(-x^2)-2*x*exp(—x^2)*C1+2*x*(1/2*exp(-x^2)*x^2+exp(-x^2)*C1)
(4)行line4用simplify()函数对上式进行化简,结果为0,表明
的确是微分方程的解.
例2:
求微分方程
在初始条件
下的特解,并画出解函数的图形.
求解本问题的Matlab程序为:
symsxy
y=dsolve(’x*Dy+y—exp(x)=0’,’y
(1)=2*exp
(1)’,’x’)
ezplot(y)
微分方程的特解为:
y=1/x*exp(x)+1/x*exp
(1)(Matlab格式),即
,解函数的图形如图1:
图1
例3:
求微分方程组
在初始条件
下的特解,并画出解函数的图形.
求解本问题的Matlab程序为:
symsxyt
[x,y]=dsolve('Dx+5*x+y=exp(t)','Dy—x—3*y=0’,’x(0)=1’,'y(0)=0',’t')
simple(x);
simple(y);
ezplot(x,y,[0,1.3]);axisauto
微分方程的特解(式子特别长)以及解函数的图形均略.
2。
用ode23、ode45等求解非刚性的标准形式的一阶常微分方程(组)的初值问题的数值解(近似解).
例4:
求解微分方程初值问题
的数值解,求解范围为区间[0,0.5].
fun=inline(’—2*y+2*x^2+2*x',’x’,’y');
[x,y]=ode23(fun,[0,0。
5],1);
x’;
y';
plot(x,y,’o—')
〉>x’
ans=
0.00000.04000。
14000.1900
0。
29000.34000。
39000。
44000。
49000。
5000
〉〉y’
ans=
1。
00000。
92470。
84340。
77540.7199
0。
64400。
62220.61050。
60840。
6154
图形结果为图2.
图2
例5:
求解描述振荡器的经典的VerderPol微分方程
分析:
令
则
先编写函数文件verderpol。
m:
functionxprime=verderpol(t,x)
globalmu;
xprime=[x
(2);mu*(1-x
(1)^2)*x
(2)-x
(1)];
再编写命令文件vdp1。
m:
globalmu;
mu=7;
y0=[1;0]
[t,x]=ode45('verderpol',[0,40],y0);
x1=x(:
,1);x2=x(:
2);
plot(t,x1)
图形结果为图3.
图3
3。
用Euler折线法求解
前面讲到过,能够求解的微分方程也是十分有限的.下面介绍用Euler折线法求微分方程的数值解(近似解)的方法.
Euler折线法求解的基本思想是将微分方程初值问题
化成一个代数方程,即差分方程,主要步骤是用差商
替代微商
于是:
记
,从而
则有
例6:
用Euler折线法求解微分方程初值问题
的数值解(步长h取0。
4),求解范围为区间[0,2].
解:
本问题的差分方程为
相应的Matlab程序见附录1.
数据结果为:
01。
0000
1.60004。
4593
图形结果见图4:
图4
特别说明:
本问题可进一步利用四阶Runge—Kutta法求解,读者可将两个结果在一个图中显示,并和精确值比较,看看哪个更“精确”?
(相应的Matlab程序参见附录2).
四、自己动手
1.求微分方程
的通解.
2.求微分方程
的通解.
3.求微分方程组
在初始条件
下的特解,并画出解函数
的图形.
4。
分别用ode23、ode45求上述第3题中的微分方程初值问题的数值解(近似解),求解区间为
.利用画图来比较两种求解器之间的差异.
5。
用Euler折线法求解微分方程初值问题
的数值解(步长h取0。
1),求解范围为区间[0,2].
6。
用四阶Runge-Kutta法求解微分方程初值问题
的数值解(步长h取0.1),求解范围为区间[0,3].
四阶Runge-Kutta法的迭代公式为(Euler折线法实为一阶Runge-Kutta法):
相应的Matlab程序参见附录2.试用该方法求解第5题中的初值问题.
7.用ode45方法求上述第6题的常微分方程初值问题的数值解(近似解),从而利用画图来比较两者间的差异.
五、附录
附录1:
(fulu1.m)
clear
f=sym(’y+2*x/y^2’);
a=0;
b=2;
h=0.4;
n=(b-a)/h+1;
x=0;
y=1;
szj=[x,y];
fori=1:
n—1
y=y+h*subs(f,{’x','y’},{x,y});
x=x+h;
szj=[szj;x,y];
end
szj
plot(szj(:
1),szj(:
2))
附录2:
(fulu2。
m)
clear
f=sym('y—exp(x)*cos(x)');
a=0;
b=3;
h=0.1;
n=(b-a)/h+1;
x=0;
y=1;
szj=[x,y];
fori=1:
n—1
l1=subs(f,{’x','y'},{x,y});
l2=subs(f,{'x',’y’},{x+h/2,y+l1*h/2});
l3=subs(f,{’x',’y’},{x+h/2,y+l2*h/2});
l4=subs(f,{'x’,’y’},{x+h,y+l3*h});
y=y+h*(l1+2*l2+2*l3+l4)/6;
x=x+h;
szj=[szj;x,y];
end
szj
plot(szj(:
1),szj(:
2))