2019年差分方程及微分方程数值解.doc

合集下载

微分方程和差分方程解的区别与联系

微分方程和差分方程解的区别与联系

微分方程和差分方程解的区别与联系哎,说起这微分方程和差分方程啊,简直就是数学里的双胞胎,长得有点像,性格却又大相径庭。

我呢,学数学那会儿,可没少被它们俩搞得头昏脑涨。

不过呢,经过一番苦战,我总算是摸出点门道来,今天就跟大家聊聊这俩家伙的区别与联系,希望能帮到同样被它们困扰的同学们。

首先啊,咱们说说微分方程。

这家伙就像是数学里的“连续剧”,讲的是变量随着时间或者其他什么因素连续变化的故事。

比如说,你扔个石头到水里,水面上的波纹就会随着时间一圈圈地扩散开去,这个过程就可以用微分方程来描述。

微分方程里头的那个“微分”,就像是连续剧里的每一帧,细腻地刻画了变化的每一个瞬间。

而差分方程呢,它更像是数学里的“动画片”,走的是离散化的路子。

它不看重那些连续的、细腻的变化,而是关注变量在每个时间节点上的跳跃式变化。

比如说,你养了一盆花,每天记录一下它的高度,这些离散的数据点之间,就可以通过差分方程来找出规律。

差分方程里的“差分”,就像是动画片里的每一帧,虽然不如连续剧那样细腻,但也能把变化的轮廓勾勒出来。

那么,这俩家伙到底有啥区别呢?简单来说,微分方程擅长处理连续变化的问题,就像是在画一幅流畅的线条画;而差分方程呢,它更擅长处理离散变化的问题,像是在用一块块拼图拼凑出一幅完整的画面。

不过,别看它们性格迥异,其实还是有不少共同点的。

比如说,它们都是用来描述变量之间关系的工具,都能帮助我们找出隐藏在数据背后的规律。

而且啊,在某些情况下,它们还能互相转化呢。

就像是你看一部动画片,虽然它是离散的,但当你把它放慢无数倍,每个画面都连接起来,就变成了一部连续的“电影”。

差分方程在某些条件下,也可以转化为微分方程,让我们从另一个角度去看待问题。

记得有一次,我在解一道复杂的微分方程时,卡壳了半天。

后来,我突然灵光一闪,试着把它转化成了差分方程,嘿,你还别说,这一转化,思路立马就清晰了起来,问题也迎刃而解了。

那一刻,我简直觉得自己就像是个数学界的魔术师,把难题变得无影无踪。

微分方程差分方程

微分方程差分方程

微分方程差分方程摘要:一、引言二、微分方程的定义与基本概念1.微分方程的定义2.常见微分方程类型三、差分方程的定义与基本概念1.差分方程的定义2.常见差分方程类型四、微分方程与差分方程的关系1.微分方程与差分方程的相似性2.微分方程与差分方程的转换五、微分方程与差分方程的应用领域1.物理、工程领域的应用2.生物、经济领域的应用六、结论正文:一、引言微分方程和差分方程是数学领域中两个重要的概念,它们广泛应用于各个学科领域。

本文将首先介绍微分方程和差分方程的定义及基本概念,然后探讨它们之间的关系以及应用领域。

二、微分方程的定义与基本概念1.微分方程的定义微分方程是一种数学方程,其中包含未知函数及其导数。

它可以表示为:f(x, y") = 0,其中x 是自变量,y 是未知函数,y"表示y 关于x 的导数。

2.常见微分方程类型常见的微分方程类型包括:一阶微分方程、二阶微分方程、线性微分方程、非线性微分方程等。

三、差分方程的定义与基本概念1.差分方程的定义差分方程是一种数学方程,其中包含未知函数及其差分。

它可以表示为:f(x, y[n]) = 0,其中x 是自变量,y 是未知函数,y[n] 表示y 关于x 的n 阶差分。

2.常见差分方程类型常见的差分方程类型包括:一阶差分方程、二阶差分方程、线性差分方程、非线性差分方程等。

四、微分方程与差分方程的关系1.微分方程与差分方程的相似性微分方程和差分方程在形式上具有相似性,它们都包含未知函数及其导数(差分)。

这使得它们之间可以相互转换。

2.微分方程与差分方程的转换通过合适的差分方法,可以将微分方程转换为差分方程;反之,通过合适的积分方法,可以将差分方程转换为微分方程。

五、微分方程与差分方程的应用领域1.物理、工程领域的应用微分方程和差分方程在物理、工程领域具有广泛应用,如电路理论、力学、热力学、波动理论等。

2.生物、经济领域的应用微分方程和差分方程在生物、经济领域也具有重要应用,如生物种群模型、经济波动模型等。

微分方程的数值解法

微分方程的数值解法

微分方程的数值解法微分方程是描述自然界中众多现象和规律的重要数学工具。

然而,许多微分方程是很难或者无法直接求解的,因此需要使用数值解法来近似求解。

本文将介绍几种常见的微分方程数值解法。

1. 欧拉方法欧拉方法是最简单的数值解法之一。

它将微分方程转化为差分方程,通过计算离散点上的导数来逼近原方程的解。

欧拉方法的基本思想是利用当前点的导数值来估计下一个点的函数值。

具体步骤如下:首先,将自变量区间等分为一系列的小区间。

然后,根据微分方程的初始条件,在起始点确定初始函数值。

接下来,根据导数的定义,计算每个小区间上函数值的斜率。

最后,根据初始函数值和斜率,递推计算得到每个小区间上的函数值。

2. 龙格-库塔方法龙格-库塔方法是一种常用的高阶精度数值解法。

它通过进行多次逼近和修正来提高近似解的准确性。

相比于欧拉方法,龙格-库塔方法在同样的步长下可以获得更精确的解。

具体步骤如下:首先,确定在每个小区间上的步长。

然后,根据微分方程的初始条件,在起始点确定初始函数值。

接下来,根据当前点的导数值,使用权重系数计算多个中间点的函数值。

最后,根据所有中间点的函数值,计算出当前点的函数值。

3. 改进欧拉方法(改进的欧拉-克罗默法)改进欧拉方法是一种中阶精度数值解法,介于欧拉方法和龙格-库塔方法之间。

它通过使用两公式递推来提高精度,并减少计算量。

改进欧拉方法相对于欧拉方法而言,增加了一个估计项,从而减小了局部截断误差。

具体步骤如下:首先,确定在每个小区间上的步长。

然后,根据微分方程的初始条件,在起始点确定初始函数值。

接下来,利用欧拉方法计算出中间点的函数值。

最后,利用中间点的函数值和斜率,计算出当前点的函数值。

总结:微分方程的数值解法为我们研究和解决实际问题提供了有力的工具。

本文介绍了欧拉方法、龙格-库塔方法和改进欧拉方法这几种常见的数值解法。

选择合适的数值解法取决于微分方程的性质以及对解的精确性要求。

在实际应用中,我们应该根据具体情况选择最合适的数值解法,并注意控制步长以尽可能减小误差。

微分方程差分方程

微分方程差分方程

微分方程差分方程摘要:1.微分方程与差分方程的定义及区别2.微分方程的应用领域3.差分方程的应用领域4.求解微分方程和差分方程的方法5.两者在实际问题中的结合与转化正文:微分方程与差分方程是数学中的两种重要方程类型,它们在许多实际问题中有广泛的应用。

尽管它们具有一定的相似性,但它们之间仍然存在着明显的区别。

本文将对微分方程和差分方程进行简要介绍,并探讨它们在实际问题中的求解方法及应用领域。

一、微分方程与差分方程的定义及区别1.微分方程微分方程是一种描述变量随时间变化的数学方程。

它包含一个或多个未知函数及其导数,要求求解该未知函数在某一区间内的解。

微分方程可以分为线性和非线性两类。

2.差分方程差分方程是一种离散时间模型,它描述了变量在离散时间点上的关系。

差分方程包含一个或多个未知数,并要求求解这些未知数在离散时间点上的取值。

与微分方程类似,差分方程也可以分为线性和非线性两类。

二、微分方程的应用领域1.物理:微分方程在物理学中被广泛应用于描述力学、电磁学、热力学等领域中的现象。

2.生物学:微分方程在生物学中可以用于描述生物种群的数量变化、生长速率等。

3.经济学:微分方程在经济学中可以用于描述物价、产量等经济指标的变化。

4.工程:微分方程在工程领域中可以用于分析结构的动态特性、控制系统的稳定性等。

三、差分方程的应用领域1.计算机科学:差分方程在计算机科学中可以用于数值计算、图像处理等领域。

2.生物学:差分方程在生物学中可以用于模拟生物种群的动态行为。

3.社会科学:差分方程在社会科学中可以用于研究人口统计、经济学模型等。

4.工程:差分方程在工程领域中可以用于分析系统的稳定性、预测发展趋势等。

四、求解微分方程和差分方程的方法1.数值方法:对于微分方程和差分方程,可以采用数值方法求解,如欧拉法、龙格-库塔法等。

2.解析方法:对于一些简单的微分方程和差分方程,可以尝试通过解析方法求解,如分离变量法、常数变易法等。

微分方程的数值解法

微分方程的数值解法

微分方程的数值解法微分方程(Differential Equation)是描述自然界中变化的现象的重要工具,具有广泛的应用范围。

对于一般的微分方程,往往很难找到解析解,这时候就需要使用数值解法来近似求解微分方程。

本文将介绍几种常见的微分方程数值解法及其原理。

一、欧拉方法(Euler's Method)欧拉方法是最基本也是最容易理解的数值解法之一。

它的基本思想是将微分方程转化为差分方程,通过给定的初始条件,在离散的点上逐步计算出函数的近似值。

对于一阶常微分方程dy/dx = f(x, y),利用欧拉方法可以得到近似解:y_n+1 = y_n + h * f(x_n, y_n)其中,h是步长,x_n和y_n是已知点的坐标。

欧拉方法的优点在于简单易懂,但是由于是一阶方法,误差较大,对于复杂的微分方程可能不够准确。

二、改进的欧拉方法(Improved Euler's Method)改进的欧拉方法又称为改进的欧拉-柯西方法,是对欧拉方法的一种改进。

它通过在每一步计算中利用两个不同点的斜率来更准确地逼近函数的值。

对于一阶常微分方程dy/dx = f(x, y),改进的欧拉方法的迭代公式为:y_n+1 = y_n + (h/2) * [f(x_n, y_n) + f(x_n+1, y_n + h * f(x_n, y_n))]相较于欧拉方法,改进的欧拉方法具有更高的精度,在同样的步长下得到的结果更接近真实解。

三、四阶龙格-库塔方法(Fourth-Order Runge-Kutta Method)四阶龙格-库塔方法是一种更高阶的数值解法,通过计算多个点的斜率进行加权平均,得到更为准确的解。

对于一阶常微分方程dy/dx = f(x, y),四阶龙格-库塔方法的迭代公式为:k1 = h * f(x_n, y_n)k2 = h * f(x_n + h/2, y_n + k1/2)k3 = h * f(x_n + h/2, y_n + k2/2)k4 = h * f(x_n + h, y_n + k3)y_n+1 = y_n + (k1 + 2k2 + 2k3 + k4)/6四阶龙格-库塔方法是数值解法中精度最高的方法之一,它的计算复杂度较高,但是能够提供更为准确的结果。

差分方程与微分方程的求解

差分方程与微分方程的求解

求解 1. 求差分方程满足初值问题之解:11232133123123(1)3()()()(1)2()()(1)()()2()(1)(1)1,(1)0x n x n x n x n x n x n x n x n x n x n x n x x x +=-+⎧⎪+=+⎪⎨+=-+⎪⎪===⎩ 解:原差分方程组可化为:112233(1)311()(1)201()(1)112()x n x n x n x n x n x n +-⎛⎫⎛⎫⎛⎫⎪ ⎪⎪+= ⎪ ⎪⎪ ⎪ ⎪⎪+-⎝⎭⎝⎭⎝⎭则令311201112-⎛⎫⎪= ⎪ ⎪-⎝⎭A ,求矩阵A 的特征值及特征向量 设特征值分别为123,,λλλ,对应的特征向量分别为123β,β,β.则231121(2)(1)0112λλλλλλ---=-=--=--A E可解得1232,2,1λλλ===设1λ对应的特征向量1111a b c ⎛⎫ ⎪= ⎪ ⎪⎝⎭β,则满足111111022101100a b c -⎛⎫⎛⎫⎛⎫⎪⎪ ⎪-= ⎪⎪ ⎪ ⎪⎪ ⎪-⎝⎭⎝⎭⎝⎭可化简为11100a b c -=⎧⎨=⎩,令111a b ==可以得到特征向量1110⎛⎫⎪= ⎪ ⎪⎝⎭β同理可得到特征向量2110-⎛⎫ ⎪=- ⎪ ⎪⎝⎭β,3011⎛⎫ ⎪= ⎪ ⎪⎝⎭β设方程组的通解为:111222333()nnnx n c c c λλλ=++βββ代入特征值、特征向量,可得到方程组的通解为:123110()21211001n n x n c c c -⎛⎫⎛⎫⎛⎫⎪ ⎪ ⎪=+-+ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭代入初值条件:123(1)(1)1,(1)0x x x ===得到12123322122110n n n n n c c c c c c ⎛⎫-⎛⎫ ⎪ ⎪--= ⎪ ⎪⎪ ⎪⎝⎭⎝⎭可得123120c c c ⎧-=⎪⎨⎪=⎩,可以令11c =,所以212c =;综上所述,满足方程初值方程组的解为:11()210n x n -⎛⎫⎪= ⎪ ⎪⎝⎭2. 求差分方程之通解:2(4)2(2)()32nx n x n x n n n+-++=-+ 解:原方程的特征方程为:42210λλ-+= 即22(1)0λ-=从而求得特征根为11λ=-(二重),21λ=(二重) 因此原方程所对应的齐次方程的通解为:()(1)()1()n n xn A Bn C Dn =-+++ 即 ()(1)()nxn A Bn C Dn =-+++ 而原方程的特解为2(4)2(2)()3x n x n x n n +-++=-的特解1()x n与(4)2(2)()2n x n x n x n n +-++=的特解2()x n 之和.从而原方程具有如下的特解形式:221201201()()()()2()n x n x n x n n A n A n A B n B =+=++++将特解形式代入原方程,可得0010120014811922402244883914890A A A A A AB B B =⎧⎪+=⎪⎪++=-⎨⎪=⎪⎪+=⎩,从而0120114816124194881A A A B B ⎧=⎪⎪⎪=-⎪⎪⎪=⎨⎪⎪=⎪⎪⎪=-⎪⎩综上,原方程的通解为22111148()()()(1)()()2()48624981n n x n xn x n A Bn C Dn n n n n =+=-++++-++- 3. 求微分方程满足初值问题之解:211212212121120d d d 320d d d d d 20d d d (0)1,-1,(0)0d t x x x x x tt t xx x x t t x x x t =⎧++++=⎪⎪⎪++-=⎨⎪⎪===⎪⎩解:方法一:降阶法令13d d x x t =,则原方程组可表示为:13323122312d d d d 320d d d 20d x x t xx x x x tt x x x x t ⎧=⎪⎪⎪++++=⎨⎪⎪++-=⎪⎩化简得:132123323d d d 2d d 22d x x t xx x x t x x x t ⎧=⎪⎪⎪=-+-⎨⎪⎪=--⎪⎩它的系数矩阵为001211022⎛⎫ ⎪=-- ⎪ ⎪--⎝⎭A ,特征方程是01211(2)(2)(1)0022λλλλλλλ--=---=+-++=---A E特征根为1232,2,1λλλ=-==-求得特征根所对应的特征向量分别为1102⎛⎫ ⎪= ⎪ ⎪-⎝⎭T ,21221⎛⎫⎪ ⎪=- ⎪ ⎪⎪⎝⎭T ,31121⎛⎫ ⎪ ⎪= ⎪ ⎪-⎝⎭T .故方程组的通解为1222123311()121()e 0e 2e 221()1t t t x t x t C C C x t --⎛⎫⎛⎫ ⎪⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪=+-+ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪- ⎪⎝⎭⎝⎭- ⎪⎝⎭⎝⎭根据初值1120d (0)1,-1,(0)0d t x x x t====得12312323112211202C C C C C C C C ⎧++=⎪⎪-+-=-⎨⎪⎪-+=⎩解得123112,,463C C C === 则原方程组的解为:22122112()e e e 412311()e e 33t t t t tx t x t ---⎧=++⎪⎪⎨⎪=-+⎪⎩方法二:消元法设dd t λ=,则原方程组可化为21212(32)(1)0(1)(2)(1)0(2)x x x x λλλλλ⎧++++=⎨++-=⎩(1)(2)λ-得21(2)(21)0(3)x λλλ++--= (2)(3)-得22(2)0x λλ--=解得两个特征根为122,1λλ==- 则2x 可表示为:2212e e ttx C C -=+ 根据初值2(0)0x =得22e e ttx C C -=- 将2x 代入(2)得212e 2e ttx C C λ-+=+ 即211d 2e 2e (4)d t t x x C C t-+=+ 下面用常数变易法求解(4) 先解对应齐次方程11d 20d x x t+=得齐次通解211e t x C -= 由常数变易法,令211(t)etx C -=为非齐次方程(4)的解,代入后得221()e e 2e t t t C t C C --'=+积分得41()e 2e 4tt C C t C =+ 则(4)的通解为2211e e 2e 4t tt C x C C --=++ 根据初值110d (0)0,-1d t x x t===得112142212C C C C C C ⎧++=⎪⎪⎨⎪-+-=-⎪⎩解得11314C C ⎧=⎪⎪⎨⎪=⎪⎩ 则221112()e e e 4123t t tx t --=++ 将13C =代入22e e t tx C C -=-得方程组的解为 22122112()e e e 412311()e e 33t t t t tx t x t ---⎧=++⎪⎪⎨⎪=-+⎪⎩4. 利用待定系数法求解下列初值问题之解:Td (),(0)(0,1)d xA x f t x t=+= 其中TT 1235(,),,()(e ,0)53t x x x A f t -⎛⎫===⎪-⎝⎭解:方法一:待定系数法原方程组所对应的齐次方程组为112212d 35d d 53d x x x tx x xt⎧=+⎪⎪⎨⎪=-+⎪⎩特征方程235(3)25053λλλλ--==-+=--A E求得特征根为1,235i λ=±下求135i λ=+所对应的特征向量,设112αα⎛⎫=⎪⎝⎭ξ 则111225i 50()55i 0ααλαα-⎛⎫⎛⎫⎛⎫⎛⎫-==⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎝⎭⎝⎭A E 从而可取11α=,则2i α= 于是由132()1e (cos5isin 5)()i t x t t t x t ⎛⎫⎛⎫=+⎪ ⎪⎝⎭⎝⎭得到齐次方程的通解为:11322()cos5sin 5e ()sin 5cos5t xt C t t x t C t t ⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭下求非齐次方程的特解利用待定系数法,可设特解为12()e ()e t t x t A x t B --⎛⎫⎛⎫= ⎪ ⎪⎝⎭⎝⎭将其代入原方程组,可得e 3e 5e ee 5e 3et t t tt t tA AB B A B -------⎧-=++⎪⎨-=-+⎪⎩ 即451540A B A B +=-⎧⎨-=⎩,从而求得441541A B ⎧=-⎪⎪⎨⎪=-⎪⎩ 因此原方程的通解为113224()cos5sin 541e e ()sin 5cos5541t t x t C t t x t C t t -⎛⎫-⎪⎛⎫⎛⎫⎛⎫=+ ⎪ ⎪ ⎪ ⎪-⎝⎭ ⎪⎝⎭⎝⎭- ⎪⎝⎭ 代入初值条件T(0)(0,1)x =得到1240415141C C ⎧-=⎪⎪⎨⎪-=⎪⎩,从而124414641C C ⎧=⎪⎪⎨⎪=⎪⎩.综上,原方程组满足初值条件的解为:13244()cos5sin 54141e e ()sin 5cos54654141t t x t t t x t t t -⎛⎫⎛⎫-⎪ ⎪⎛⎫⎛⎫=+ ⎪ ⎪ ⎪ ⎪-⎝⎭⎪ ⎪⎝⎭- ⎪ ⎪⎝⎭⎝⎭方法二:常数变易法利用常数变易法,可设特解为11322()()cos5sin 5e ()()sin 5cos5t x t C t t t x t C t t t ⎛⎫⎛⎫⎛⎫=⎪ ⎪ ⎪-⎝⎭⎝⎭⎝⎭ 带回到原方程,可得到132()cos5sin 5e e ()sin 5cos50t tC t t t C t t t -'⎛⎫⎛⎫⎛⎫= ⎪ ⎪ ⎪'-⎝⎭⎝⎭⎝⎭从而1132()cos5sin 5e e cos5e ()sin 5cos50e sin 5t t t t C t t t t C t t t t ----'⎛⎫⎛⎫⎛⎫⎛⎫== ⎪⎪ ⎪ ⎪'-⎝⎭⎝⎭⎝⎭⎝⎭进而4142()e cos5()e sin 5t tC t t C t t --'⎛⎫⎛⎫= ⎪ ⎪'⎝⎭⎝⎭两边积分可得414254()e (sin 5cos5)414145()e (sin 5cos5)4141t t C t t t C t t t --⎧=-⎪⎪⎨⎪=--⎪⎩因此原方程组的通解为111222()()()()()()x t xt x t x t x t x t ⎛⎫⎛⎫⎛⎫=+ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭13254sin 5cos5cos5sin 5cos5sin 54141e e sin 5cos5sin 5cos545sin 5cos54141t t t t C t t t t C t t t t t t -⎛⎫- ⎪⎛⎫⎛⎫⎛⎫=+⎪ ⎪ ⎪ ⎪--⎝⎭⎝⎭⎪⎝⎭-- ⎪⎝⎭344cos5sin 54141e e sin 5cos54654141t t t t t t -⎛⎫⎛⎫-⎪ ⎪⎛⎫=+ ⎪⎪ ⎪-⎝⎭⎪ ⎪- ⎪ ⎪⎝⎭⎝⎭代入初值条件T(0)(0,1)x =得到1240415141C C ⎧-=⎪⎪⎨⎪-=⎪⎩,从而124414641C C ⎧=⎪⎪⎨⎪=⎪⎩.综上,原方程组满足初值条件的解为13244()cos5sin 54141e e ()sin 5cos54654141t t x t t t x t t t -⎛⎫⎛⎫-⎪ ⎪⎛⎫⎛⎫=+ ⎪ ⎪ ⎪ ⎪-⎝⎭⎪ ⎪⎝⎭- ⎪ ⎪⎝⎭⎝⎭.。

微分方程与差分方程方法

微分方程与差分方程方法

第四章 微分方程与差分方程方法第一节 微分方程模型我们在数学分析中所研究地函数,是反映客观现实世界运动过程中量与量之间地一种关系,但我们在构造数学模型时,遇到地大量实际问题往往不能直接写出量与量之间地关系,却能比较容易地建立这些变量和它们地导数(或微分>间地关系式,这种联系着自变量、未知函数及其导数(或微分>地关系式称为微分方程.§4.1.1微分方程简介这一节,我们将介绍关于微分方程地一些基本概念. 一、微分方程地阶数首先我们具体地来看一个微分方程地例子.例4-1 物体冷却过程地数学模型将某物体放置于空气中,在时刻0=t ,测量得它地温度为C u 00150=,10分钟后测量得温度为C u 01100=.我们要求决定此物体地温度u 和时间t 地关系,并计算20分钟后物体地温度.这里我们假定空气地温度保持为C u 024=α.解:根据物理学中地牛顿冷却定律可知,热量总是从温度高地物体向温度低地物体传导。

一个物体地温度变化速度与这一物体地温度与其所在介质温度地差值成正比.设物体在时刻t 地温度为)(t u u =,则温度地变化速度可以用dtdu来表示.我们得到描述物体温度变化地微分方程)(αu u k dtdu--=(4.1.1> 其中0>k 是比例常数.方程(4.1.1>中含有未知函数u 及它地一阶导数dtdu,这样地方程,我们称为一阶微分方程.微分方程中出现地未知函数最高阶导数地阶数称为微分方程地阶数.方程)(33t f cy dt dyb dty d =++(4.1.2> 中未知函数最高阶导数地阶数是三阶,则方程(4.1.2>称为三阶微分方程. 二、常微分方程与偏微分方程如果在微分方程中,自变量地个数只有一个,我们称这种微分方程为常微分方程。

自变量地个数为两个或两个以上地微分方程称为偏微分方程.方程0222222=∂∂+∂∂+∂∂zTy T x T (4.1.3> 就是偏微分方程地例子,其中T 是未知函数,x 、y 、z 都是自变量.而方程(4.1.1>(4.1.2>都是常微分方程地例子.三、线性与非线性微分方程如果n 阶常微分方程0),,,,(=n n dxyd dx dy y x F (4.1.4>地左端为关于未知函数y 及其各阶导数地线性组合,则称该方程为线性微分方程,否则称为非线性方程.一般地n 阶线性微分方程具有形式)()()()(1111x f y x a dx dyx a dx y d x a dx y d n n n n n n =++++--- (4.1.5> 其中)1( )(),(n i x f x a i =是关于x 地已知函数.当()0f x =时,称(4.1.5>为n 阶齐次线性微分方程。

微分方程差分方程

微分方程差分方程

微分方程差分方程
(原创版)
目录
1.微分方程和差分方程的定义与特点
2.微分方程和差分方程的解法及其应用
3.微分方程和差分方程的关系与区别
正文
微分方程和差分方程是数学领域中两种重要的方程式,它们各自具有独特的定义和特点,并在实际应用中发挥着重要的作用。

首先,我们来了解微分方程。

微分方程是一种涉及函数及其导数的方程,它描述了函数在某一点的变化率与该函数在某一点的取值之间的关系。

微分方程广泛应用于物理、工程、生物和经济等多个领域,其解法主要包括分离变量法、常数变易法、参数方程法等。

通过求解微分方程,我们可以了解许多自然现象和社会现象的变化规律。

接下来,我们来了解差分方程。

差分方程是一种涉及离散函数及其差分(即函数值之差)的方程,它描述了离散函数在某一点的变化与该函数在其他点的取值之间的关系。

差分方程主要应用于计算机科学、信息处理、自动控制等领域,其解法主要包括常数差分法、线性差分法等。

通过求解差分方程,我们可以设计和实现许多高效的算法和控制系统。

微分方程和差分方程虽然各自有独特的定义和特点,但它们之间也存在一定的关系和联系。

差分方程实际上是微分方程在离散情况下的一种特殊形式。

在解决实际问题时,我们可以根据问题的具体性质,选择合适的方程类型进行求解。

总之,微分方程和差分方程在理论研究和实际应用中都具有重要意义。

第1页共1页。

微分方程数值解法

微分方程数值解法

微分方程数值解法微分方程是数学中的重要概念,它描述了物理系统中变量之间的关系。

解微分方程是许多科学领域中常见的问题,其中又可以分为解析解和数值解两种方法。

本文将重点介绍微分方程的数值解法,并详细讨论其中的常用方法和应用。

一、微分方程的数值解法概述微分方程的解析解往往较为复杂,难以直接求解。

在实际问题中,我们通常利用计算机进行数值计算,以获得方程的数值解。

数值解法的基本思想是将微分方程转化为一组离散的数值问题,通过逼近连续函数来获得数值解。

二、常见的数值解法1. 欧拉法欧拉法是最基础的数值解法之一,其核心思想是将微分方程转化为差分方程,通过逼近连续函数来获得数值解。

欧拉法的基本形式为:yn+1 = yn + h·f(xn, yn)其中,yn表示第n个时间步的数值解,h为时间步长,f为微分方程右端的函数。

欧拉法的精度较低,但计算简单,适用于初步估计或简单系统的求解。

2. 改进的欧拉法(Heun法)改进的欧拉法(Heun法)是对欧拉法的改进,其关键在于求解下一个时间步的近似值时,利用了两个斜率的平均值。

Heun法的基本形式为:yn+1 = yn + (h/2)·(k1 + k2)k1 = f(xn, yn),k2 = f(xn+h, yn+h·k1)Heun法较欧拉法的精度更高,但计算量较大。

3. 龙格-库塔法(RK方法)龙格-库塔法是一类常用的数值解法,包含了多个不同阶数的方法。

其中,最常用的是经典四阶龙格-库塔法(RK4法),其基本形式为:k1 = f(xn, yn)k2 = f(xn + h/2, yn + (h/2)·k1)k3 = f(xn + h/2, yn + (h/2)·k2)k4 = f(xn + h, yn + h·k3)yn+1 = yn + (h/6)·(k1 + 2k2 + 2k3 + k4)RK4法实现较为复杂,但精度较高,适用于解决大多数常微分方程问题。

求微分方程数值解

求微分方程数值解

求微分方程数值解
微分方程数值解是一种数学方法,用于解决一些复杂的微分方程,特别是那些无法通过解析方法求解的微分方程。

通过数值解法,我们可以得到微分方程的近似解,并且可以在计算机上进行实现,以便更好地理解和分析问题。

我们需要将微分方程转化为差分方程,这样就可以利用数值方法进行求解。

差分方程是一种以离散形式表示微分方程的方法,通过近似替代微分表达式,将连续问题转化为离散问题,从而实现计算机求解。

常见的数值方法包括欧拉方法、龙格-库塔方法等,它们通过不断迭代求解差分方程,逼近微分方程的解。

在应用数值解法求解微分方程时,需要注意选择合适的步长和迭代次数,以确保数值解的准确性和稳定性。

步长过大会导致数值误差增大,步长过小则会增加计算量,影响计算效率。

因此,需要在准确性和效率之间寻找平衡点,选择合适的参数进行计算。

在使用数值解法时,还需要考虑边界条件和初值条件的设定。

这些条件对于微分方程的求解至关重要,不同的条件设定可能会导致不同的数值解,甚至无法得到有效的解。

因此,在进行数值计算之前,需要对问题进行充分的分析和理解,确定合适的条件,以确保数值解的准确性和可靠性。

总的来说,微分方程数值解是一种强大的工具,可以帮助我们解决
复杂的微分方程,探索未知的领域。

通过合理的数值方法和参数选择,我们可以得到准确的数值解,从而更好地理解和应用微分方程的理论。

希望通过不断的探索和实践,我们可以更深入地理解微分方程数值解的原理和方法,为科学研究和工程实践提供更多有益的帮助。

微分方程数值解差分法

微分方程数值解差分法

微分方程数值解差分法微分方程是自然科学和工程技术中广泛使用的工具,它们描述了许多物理过程的动力学行为。

对于复杂的微分方程,解析解往往很难或者不可能得到。

此时我们需要数值解差分法来解决问题。

一、微分方程数值解的方法1.分裂法分裂法是将一个复杂的微分方程分解为多个简单的方程。

例如,将一个偏微分方程分解成几个常微分方程,从而可以方便地使用数值方法计算解。

2.有限差分法有限差分法是一种常见的微分方程数值计算方法。

它将一维或多维的连续函数离散为一系列离散点,然后使用差分方程近似微分方程,最后用迭代法计算数值解。

3.有限元法有限元法是一种广泛使用的数值计算方法,它可以用于求解各种类型的微分方程。

该方法将求解区域分割成多个小区域,然后对每个小区域进行离散化和近似处理。

二、数值解差分法数值解差分法是微分方程数值解的基本方法之一。

它是一种基于差分方程的离散化方法,可以对微分方程进行近似,并将微分方程转化为一个差分方程。

数值解的差分法可以分为前向差分、后向差分和中心差分三种方法。

1.前向差分法前向差分法使用前一时间步的值,计算当前时间步的值。

它的近似误差随着时间步长的增大而增大。

前向差分的公式如下:y_i+1 = y_i + hf_i(x_i,y_i)其中,h是时间步长,f_i是微分方程的左侧。

2.后向差分法后向差分法使用后一时间步的值,计算当前时间步的值。

它的近似误差随着时间步长的增大而减小。

后向差分的公式如下:y_i+1=y_i + hf_i(x_i+1,y_i+1)3.中心差分法中心差分法使用前一时间步和后一时间步的值,计算当前时间步的值。

它的近似误差随着时间步长的增大而增大。

中心差分的公式如下:y_i+1=y_i + 1/2hf_i(x_i,y_i) + 1/2hf_i(x_i+1,y_i+1)三、差分法的优缺点差分法作为微分方程数值解的一种基本方法,具有以下优缺点:1.优点(1)简单易实现:差分法的实现很简单,只需要计算微分方程的离散值和靠近值即可。

微分方程差分方程

微分方程差分方程

微分方程与差分方程1. 引言微分方程和差分方程是数学中两个重要的概念,它们在许多领域有着广泛的应用。

微分方程主要研究连续变量的变化规律,而差分方程则研究离散变量的变化规律。

本文将对微分方程和差分方程进行详细介绍,并比较它们之间的异同。

2. 微分方程2.1 定义微分方程是描述函数导数与自变量之间关系的方程。

一般形式为:F(x,y,y′,y″,…,y(n))=0其中y是未知函数,y′表示y的一阶导数,y″表示y的二阶导数,以此类推,y(n)表示y的 n 阶导数。

2.2 分类微分方程可以根据未知函数、自变量、导数之间的关系进行分类。

常见的分类包括:•常微分方程:只涉及一元函数及其有限个阶导数。

•偏微分方程:涉及多元函数及其偏导数。

•线性微分方程:未知函数及其导数之间的关系是线性的。

•非线性微分方程:未知函数及其导数之间的关系是非线性的。

2.3 解法求解微分方程是找到满足方程的函数y的过程。

常见的解法包括:•分离变量法:将微分方程转化为两个变量的乘积形式,然后进行积分得到解。

•齐次方程法:通过变量代换将非齐次方程转化为齐次方程,再通过求解齐次方程得到解。

•常数变易法:对于一阶线性非齐次微分方程,可以通过假设待定系数为常数来求解。

•变量替换法:通过适当的变量替换将微分方程转化为更简单的形式,然后进行求解。

3. 差分方程3.1 定义差分方程是描述离散变量之间关系的方程。

一般形式为:F(n,y(n),y(n+1),…,y(n+k))=0其中n表示自变量取值的序列,y(n)表示对应自变量取值时的函数值。

3.2 分类差分方程可以根据自变量、因变量之间的关系进行分类。

常见的分类包括:•一阶差分方程:差分方程中只包含一阶差分项。

•二阶差分方程:差分方程中包含二阶差分项。

•线性差分方程:未知函数及其差分项之间的关系是线性的。

•非线性差分方程:未知函数及其差分项之间的关系是非线性的。

3.3 解法求解差分方程是找到满足方程的函数y(n)的过程。

第章微分方程和差分方程

第章微分方程和差分方程

第一章 线性微分方程在讲这部分之前,我们先来看一个非常熟悉的物理问题。

一个一维粒子,初始时刻处于点0x x =,初始速度为0v ,受到阻尼作用,求该粒子的运动轨迹。

解:用()x t 表示粒子在任意时刻t 的位置,根据牛顿第二定律F ma =,有mx F =对于阻尼作用F kx =-,于是,粒子的运动方程mx kx =- 这是关于时间t 的常微分方程,非常简单。

求解得12()ek t mx t c c -=+结合初始条件0(0)x x =,0(0)x v =,则010mv c x k =+,02mvc k=- 代入得粒子的运动轨迹0()(1e )kt m mv x t x k-=+-这就是这门课程的第二部分——数学物理方程所要讨论的内容:将物理问题表述成数学方程,然后用各种方法来求解方程。

1.1 常系数齐次线性微分方程方程的阶:微分方程中未知函数导数的最高阶数。

线性方程:微分方程中对于未知函数及其所有导数都是一次的,就称为线性方程,高于一次以上就称为非线性方程。

齐次方程:微分方程不含有不包含未知函数的项。

例如 u = 4 u xx ; 二阶线性,x 2u = u xx ; 二阶线性,(u x )2 + u 2 = 1; 一阶非线性。

一、二阶常系数齐次线性微分方程求解 二阶线性微分方程()()()y P x y Q x y f x '''++=若()0f x ≡为齐次,()0f x ≠为非齐次。

方程y ''+py '+qy =0称为二阶常系数齐次线性微分方程, 其中p 、q 均为常数。

能否适当选取r , 使y =e rx 满足二阶常系数齐次线性微分方程, 为此将y =e rx 代入方程y ''+py '+qy =0得(r 2+pr +q )e rx =0由此可见, 只要r 满足代数方程r 2+pr +q =0, 函数y =e rx 就是微分方程的解。

微分方程与差分方程详解与例题

微分方程与差分方程详解与例题

第七章 常微分方程与差分方程常微分方程是高等数学中理论性和应用性都较强的一部分,是描述客观规律的一种重要方法,是处理物理、力学、几何等应用问题的一个重要工具,微分和积分的知识是研究微分方程的基础。

微分方程作为考试的重点内容,每年研究生考试均会考到。

特别是微分方程的应用问题,既是重点,也是难点,在复习时必须有所突破。

【数学一大纲内容】常微分方程的基本概念;变量可分离的方程;齐次方程;一阶线性方程;伯努利(Bernoulli )方程;全微分方程;可用简单的变量代换求解的某些微分方程;可降阶的高阶微分方程;线性微分方程解的性质及解的结构定理;二阶常系数齐次线性微分方程;高于二阶的某些常系数齐次线性微分方程;简单的二阶常系数非齐次线性微分方程;欧拉(Euler )方程;微分方程的简单应用。

【数学二大纲内容】常微分方程的基本概念;变量可分离的方程;齐次方程;一阶线性微分方程;可降阶的高阶微分方程;线性微分方程解的性质及解的结构定理;二阶常数齐次线性微分方程;高于二阶的某些常系数齐次线性微分方程;简单的二阶常系数非齐次线性微分方程;微分方程的一些简单应用。

【大纲要求】要理解微分方程的有关概念,如阶、解、通解、特解、定解条件等,掌握几类方程的解法:如变量可分离方程,齐次方程,一阶线性微分方程,伯努利方程,可降阶方程等。

理解线性微分方程解的性质和解的结构,掌握求解常系数齐次线性方程的方法,掌握求解某些自由项的常系数非齐次线性方程的待定系数法。

了解欧拉方程的概念,会求简单的欧拉方程。

会用微分方程处理物理、力学、几何中的简单问题。

【考点分析】本章包括三个重点内容:1.常见的一阶、二阶微分方程求通解或特解。

求解常微分方程重要的是判断方程为哪种类型,并记住解法的推导过程。

2.微分方程的应用问题,这是一个难点,也是重点。

利用微分方程解决实际问题时,若是几何问题,要根据问题的几何特性建立微分方程。

若是物理问题,要根据某些物理定律建立微分方程,也有些问题要利用微元法建立微分方程。

微分方程的数值解法

微分方程的数值解法

微分方程的数值解法微分方程是数学中的一种重要的基础理论,广泛用于科学技术的研究中。

微分方程的解析解往往比较难求得,而数值解法则成为了解决微分方程的重要手段之一。

本文将阐述微分方程的数值解法,探讨一些经典的数值方法及其应用。

一、数值解法的基本思想微分方程的数值解法的基本思想是建立微分方程的差分方程,然后通过数值计算的方法求得差分方程的近似解,最终得到微分方程的数值解。

其中,差分方程是微分方程的离散化,将微分方程转化为差分方程的过程称为离散化或网格化。

离散化的目的是将连续问题转化为离散问题,使问题求解更为方便。

差分方程的计算通常需要将区间分成若干份,每一份都对应着一个节点,节点的个数与区间长度有关。

在每个节点处采集函数值,根据这些函数值计算出差分方程的值,再根据差分方程的迭代公式计算出每个节点的函数值。

因此差分方程的求解问题就转化成了求解节点函数值的问题。

二、欧拉法欧拉法是微分方程数值解法中最简单的一种方法,广泛应用于各种领域。

欧拉法的基本思想是运用泰勒公式,将函数在某一点展开成一次多项式,用两个相邻节点之间的差分来逼近导数的值,从而得到连续问题的离散解。

具体实现过程如下:1. 将微分方程的初始值问题区间[a,a]分成若干个小区间,每个小区间长度为a,共有a个节点,其中节点序列为a0,a1,a2,⋯,aa,节点之间的间隔为a。

2. 根据微分方程的迭代公式得到差分方程,即令aa+1=aa+aa(aa,aa)3. 按照差分方程的迭代公式,从初始值a0开始,逐一计算得到函数值,a1,a2,⋯,aa。

欧拉法的精度比较低,误差常常会较大,但是它运算速度快,实现简单,计算量小,因此在计算简单模型时常常使用。

三、龙格-库塔法龙格-库塔法是微分方程数值解法中精度最高的一种方法,具有比欧拉法更精确、更稳定的特点,广泛应用于各种实际问题中。

龙格-库塔法的主要思想是用多阶段逼近法估算每一步的函数值,从而提高时间的精度。

具体实现过程如下:1. 将微分方程的初始值问题区间[a,a]分成若干个小区间,每个小区间长度为a,共有a个节点,其中节点序列为a0,a1,a2,⋯,aa,节点之间的间隔为a。

微分方程数值解第一章答案

微分方程数值解第一章答案
参考书:
微分方程数值解法 李荣华等编, 高教出版社
• 课堂授课+计算实验 • 考核方式: 平时作业+课堂+期末考试 • 任课教师 •
1
教学内容
• 第一章、常微分方程的数值解法 • 第二章、椭圆型方程的差分方法 • 第七章、椭圆型方程的有限元方法 • 第四章、抛物型方程的差分方法 • 第五章、双曲型方程的差分格式
x (a bx)t x ' ax bx2 x
Logistic方程
14
常微分方程举例3
问题1.3 并不是所有的方程可以用初等积分法求出其 解, 例如形式上很简单的里卡蒂(Riccati)方程
x' t2 x2
不能用初等函数表示通解. 寻求方程非解析函数的其它形式解, 显得非常必要。 而数值求解就是其重要的一个方法
问题得真解;即收敛性问题 ② 误差估计 ③ 产生得舍入误差,在以后得各步计算中,是否会
无限制扩大;稳定性问题
32
数值求解微分方程过程示意
区域剖分
微分方程离散

初始和边界条件处理

解的存在性、唯一性

离散系统的 性态研究
解的收敛性和收敛速度

解的稳定性
递推计算或解线 性代数方程组
得到数值解
33
作业
18
举例2
• P55 习题1 利用Euler方法求数值解 初值问题u' 1 u, u(0) 1 2 步长h=0.1, 解区间[0,1]
• 绘制折线,与真解比较
19
Matlab实现 u=null(1);h=0.1;u0=1; u(1)=u0+h*0.5*u0; for n=1:9
u(n+1)=u(n)+h*0.5*u(n); end t=0:0.1:1;un=[u0,u]; plot(t,un,'ro','Linewidth',2) ut=exp(0.5*t); hold on plot(t,ut,'Linewidth',2)

微分方程的数值解法与误差估计

微分方程的数值解法与误差估计

微分方程的数值解法与误差估计微分方程是数学中的重要分支,广泛应用于物理、工程、经济等领域。

解微分方程的数值方法是研究微分方程的一个重要方面,它通过数值计算来近似求解微分方程,为实际问题提供了有效的数值解。

本文将介绍微分方程的数值解法以及误差估计的相关内容。

一、欧拉方法欧拉方法是一种常见的数值解微分方程的方法。

它基于微分方程的定义,将微分方程转化为差分方程。

具体而言,对于一阶常微分方程dy/dx=f(x,y),我们可以将其转化为差分方程(y_(i+1)-y_i)/(x_(i+1)-x_i)=f(x_i,y_i),其中x_i和y_i分别表示第i个点的x坐标和y坐标。

然后,通过给定的初始条件y_0,可以使用迭代公式y_(i+1)=y_i+(x_(i+1)-x_i)f(x_i,y_i)来逐步计算出近似解。

然而,欧拉方法存在一定的误差。

首先,它是基于线性逼近的,因此在非线性问题上可能会产生较大的误差。

其次,由于每次迭代的误差会累积,欧拉方法的误差随着步长的增加而增加。

因此,在使用欧拉方法时需要注意选择合适的步长,以保证结果的准确性。

二、改进的欧拉方法为了克服欧拉方法的缺点,人们提出了改进的欧拉方法,如改进的欧拉法和改进的欧拉-克罗默法。

这些方法通过引入更高阶的近似公式来减小误差,并提高数值解的精度。

改进的欧拉法是通过使用中点来近似解的方法,即在每个小区间上使用中点的斜率来计算近似解。

这样做可以减小误差,并提高数值解的精度。

改进的欧拉-克罗默法是通过使用梯形法则来近似解的方法,即在每个小区间上使用梯形的斜率来计算近似解。

这种方法比改进的欧拉法更精确,但计算量也更大。

三、龙格-库塔方法龙格-库塔方法是一种常用的数值解微分方程的方法,它通过使用不同阶数的近似公式来计算近似解,并通过比较不同阶数的结果来估计误差。

其中最常用的是四阶龙格-库塔方法,也称为RK4方法。

RK4方法通过计算不同阶数的斜率来逐步逼近真实解。

差分方程和微分方程

差分方程和微分方程

差分方程和微分方程都是用来描述变量之间的关系的数学方程,但它们在描述的对象和求解方法上有所不同。

1.差分方程(Difference Equation)描述的是离散变量之间的关系。

它使用差分算子(如Δ)表示变量之间的差异,而不是使用导数。

差分方程中的变量只在离散的时间或空间点上取值,而非连续的。

差分方程常用于描述递归关系,例如在离散时间序列分析、差分方程模型中的动态系统等。

差分方程的解是离散的数列或数列的生成规则。

2.微分方程(Differential Equation)描述的是连续变量之间的关系。

它使用导数和函数本身来表示变量之间的变化率。

微分方程中的变量是连续的,可以取任意实数值。

微分方程广泛应用于自然科学领域,如物理学、生物学和工程学等。

微分方程的解是一个连续函数或一组连续函数。

对于求解差分方程和微分方程,方法也有所不同:
-差分方程的求解通常采用迭代法、递推公式或差分运算等离散计算的方法。

-微分方程的求解可以有多种方法,如分离变量法、变量代换法、常系数线性微分方程的特征方程法、级数展开法等,具体方法取决于方程的类型和性质。

需要注意的是,差分方程和微分方程之间并不是完全独立的。

在一些情况下,差分方程可以通过逼近连续变量的导数来近似描述微分方程,而微分方程也可以通过离散化(如欧拉方法)来近似描述差分方程。

求微分方程的数值解

求微分方程的数值解

求微分方程的数值解微分方程是描述物理、生物、经济等自然现象中的变化规律的重要工具,也是数学中的一个重要分支。

在很多实际问题中,解析解往往很难获得,因此需要采用数值方法求解微分方程的数值解。

数值解是通过将微分方程转化为差分方程,再通过计算机等工具进行数值计算,得到近似解的方法。

常见的数值解法有欧拉法、改进的欧拉法、四阶龙格-库塔法等。

我们来介绍欧拉法。

欧拉法是一种迭代法,通过将微分方程离散化为差分方程,然后利用差分方程进行逼近。

假设我们有一个一阶常微分方程dy/dx = f(x, y),我们可以将其离散化为dy = f(x, y)dx。

则欧拉法的迭代公式为:y_{i+1} = y_i + f(x_i, y_i) * dx其中,y_{i+1}为第i+1步的近似解,y_i为第i步的近似解,f(x_i, y_i)为函数在点(x_i, y_i)的导数值,dx为步长。

欧拉法的步长越小,近似解越准确。

但是步长过小也会导致计算量增加,计算速度变慢。

因此,选择适当的步长是非常重要的。

接下来,我们介绍改进的欧拉法。

改进的欧拉法是在欧拉法的基础上对步长进行中点修正,得到更加准确的近似解。

改进的欧拉法的迭代公式为:y_{i+1} = y_i + (f(x_i, y_i) +f(x_{i+1}, y_i + f(x_i, y_i) * dx/2)) * dx/2四阶龙格-库塔法是一种更加精确的数值解法,利用了函数在步长内多个点的导数值来逼近。

四阶龙格-库塔法的迭代公式为:k_1 = f(x_i, y_i)k_2 = f(x_i + dx/2, y_i + k_1 * dx/2)k_3 = f(x_i + dx/2, y_i + k_2 * dx/2)k_4 = f(x_i + dx, y_i + k_3 * dx)y_{i+1} = y_i + (k_1 + 2 * k_2 + 2 * k_3 + k_4) * dx/6其中,k_1、k_2、k_3、k_4分别为函数f在不同点的导数值。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

东南大学《数学实验》报告
实验内容:差分方程及微分方程数值解 一 实验目的
熟悉迭代法及微分方程数值方法 二 预备知识
(1)了解差分方程稳定性、周期分解、混沌等相关知识 (2)了解欧拉方法、龙格-库特方法。

三 实验内容与要求
(一)V olterra 方程数值解
方程
0,,,,,>⎪⎪⎩⎪⎪⎨
⎧+-=-=d c b a dxy cx dt
dy bxy ax dt
dx
其中
a=1,b=0.1,c=0.5,d=0.04
.2)0(,25)0(==y x
命令与结果
在函数编辑器中输入:
function dxdt = euler( t,x ) dxdt=[ x(1)*(1-0.1*x(2)) x(2)*(-0.5+0.02*x(1))]; end
四阶龙格-库塔公式:
在命令窗口中输入: tspan=[0 15]; x0=[25;2];
[t,x]=ode45(@euler,tspan,x0); plot(t,x(:,1),'r-','LineWidth',0.5); hold on;
plot(t,x(:,2),'g-','LineWidth',0.5); hold on;
(1) 相图
四阶龙格-库塔公式:
axis([0 15 0 125])
legend('x(1)','x(2)')
grid on
title('The Numerical Solution Of
Calculable way of fourth rank
Rounge-kutt')
plot(x(:,1),x(:,2))
欧拉公式:
欧拉方法:
在命令窗口中输入:
tspan=[0 15];
x0=[25;2];
[t,x]=ode23(@euler,tspan,x0);
plot(t,x(:,1),'r-','LineWidth',0.5);
hold on;
plot(t,x(:,2),'g-','LineWidth',0.5);
hold on;
axis([0 15 0 125])
legend('x(1)','x(2)')
grid on
title('The Numerical Solution Of
Euler Equation')
>> plot(x(:,1),x(:,2))
(2)轨线图
四/五阶龙格-库塔公式:
欧拉公式:
(二)差分阻滞增长模型
在t 时刻单位时间内的人口数量的变化量仅仅与此时的人口数量x 有关(等于右边的值),
)
1()(N
x
rx t x -=
其中的r 表示人口的固有增长率,N 表示能容纳的最大人口数.
经过 单位时间,即一个繁殖周期的种群数量的增长量仅仅与前一个时期的种群数量有关。

于是模型为

这是一个一阶非线性差分方程.对于给定的初值,我们可以从这个递推公式运用计算机很容易
地计算出一些xk.这是在计算机出现以后的一个新的特点.但是我们更关心的是当时间趋于
无穷时,即k 趋于无穷时, xk 的极限如何,即差分方程平衡点的稳定性问题。

求得差分方程(2)的平衡点为0和(b-1)/b.
它们分别对应于差分方程(1)的平衡点0和N. 我们将这个差分方程(2)在平衡点附近展开,有 k
k bx x x ==+1:0处
注意到b=1+r>1,平衡点0是不稳定的.
*)
)(2(*)(*:1
1*21x x b x x b x x b x k k k --+--=--=+
略去高阶项得
*)
)(2(*1x x b x x k k --=-+
因此当|2-b|<1时,平衡点x*= (b-1)/b 是稳定的. |2-b|>1即 b>3时,平衡点x*是不稳定的.
(1)稳定情况(b=1.6,2.2)
b=1.6 b=2.2
(1) ,2,1,0),1(1 =-=-+k N y ry y y k
k k k )(1 '=+-+=+ ,2,1,0),)1(1()1(1k N r ry y r y k
k k 为两边乘以则上式记令))1((,1.)1(N r r
r b N r ry x k
k ++=+=
(2)
)1(1k k k x bx x -=+
b=1.6,在1到3范围之间 稳定
命令与结果(~()n x n 图)
function x=block(b,x0) b=1.6;
if nargin<2 x0=0.5; end x=x0;
n=1:10000; for i=2:10000
x(i)=b*x(i-1)*(1-x(i-1)); end
plot(n,x,'.'); end
结果~()n x n 图:
b=2.2,在1到3范围之间 稳定
命令与结果(~()n x n 图)
function x=block(b,x0) b=2.2;
if nargin<2 x0=0.5; end x=x0;
n=1:10000; for i=2:10000
x(i)=b*x(i-1)*(1-x(i-1)); end
plot(n,x,'.'); end
结果~()n x n 图:
(2)不稳定情况
b=3.3 b=3.63
b=3.3在1到3范围之间
不稳定
命令与结果(~()
n x n图)b=3.63在1到3范围之间
不稳定
命令与结果(~()
n x n图)
(3)倍周期分解
b=3.3b=3.5
(1)求稳定平衡点
可得两个平衡点:0.4794 0.8236 程序:
function x=block(b,x0)
b=3.3;
if nargin<2
x0=0.5;
end
x=x0;
n=1:100;
for i=2:100
x(i)=b*x(i-1)*(1-x(i-1));
end
(2)数值结果
ans =
Columns 1 through 16
0.5000 0.8250 0.4764 0.8232 0.4804 0.8237 0.4792 0.8236 0.4795 0.8236 0.4794 0.8236
(1)求稳定平衡点
四个平衡点:0.5009 0.8750 0.3828 0.8269
程序:
function x=block(b,x0)
b=3.5;
if nargin<2
x0=0.5;
end
x=x0;
n=1:100;
for i=2:100
x(i)=b*x(i-1)*(1-x(i-1));
end
(2)数值结果
ans =
Columns 1 through 16
0.5000 0.8750 0.3828 0.8269 0.5009 0.8750 0.3828 0.8269
0.4794 0.8236 0.4794 0.8236 Columns 17 through 32
0.4794 0.8236 0.4794 0.8236 0.4794 0.8236 0.4794 0.8236 0.4794 0.8236 0.4794 0.8236 0.4794 0.8236 0.4794 0.8236
……0.5009 0.8750 0.3828 0.8269 0.5009 0.8750 0.3828 0.8269
Columns 17 through 32
0.5009 0.8750 0.3828 0.8269 0.5009 0.8750 0.3828 0.8269 0.5009 0.8750 0.3828 0.8269 0.5009 0.8750 0.3828 0.8269
……。

相关文档
最新文档