Euler法解微分方程-Matlab程序
欧拉法(euler)求解常微分方程的matlab程序及案例
欧拉法(euler)求解常微分方程的matlab程序及案例欧拉方法是最初用于求解常微分方程的数值方法之一，它是一种显式的一步法，具有易于实施的优点，特别适合初学者使用。
本文将介绍欧拉法的原理和使用MATLAB求解常微分方程的具体方法，同时给出一个简单的实例进行说明。
一、欧拉法原理考虑一个一阶常微分方程y'=f(t,y)，欧拉法的基本思想是将时间步长Δt均分成n个小步长，从y(t0)开始依次计算每个时刻的值，得到一列估计值y1, y2, …, yn。
欧拉法的计算公式为：（1）y1=y(t0+Δt)=y(t0)+Δtf(t0, y0)（2）y2=y(t0+2Δt)=y(t0+Δt)+Δtf(t0+Δt, y1)（3）yn=y(t0+nΔt)=y(t0+(n-1)Δt)+Δtf(t0+(n-1)Δt, yn-1)可以看出，欧拉法的核心在于利用已知的t和y计算f(t,y)，从而获得y的逼近值。
但是需要注意的是，步长Δt越小，计算所需的时间和内存就越多，而精度却并不一定提高。
因此在实际应用中需要结合具体问题选择合适的步长。
二、MATLAB求解常微分方程的具体方法（1）定义常微分方程我们以一个简单的例子开始，考虑求解y'=1-y，y(0)=0.5在[0,1]区间内的积分。
首先定义匿名函数dydt，将其传到ode45中求解：dydt=@(t,y)1-y;[t,y]=ode45(dydt,[0 1],0.5);plot(t,y,'-o')运行以上代码可以得到结果，其中plot函数用于绘制图像。
但是，由于求解过程中计算机执行到ode45函数时可能需要很长时间，因此需要更快捷的方法。
（2）利用欧拉法求解方程欧拉法求解方程首先需要定义步长Δt，这里设Δt为0.1。
定义起始值y=[0.5]、时间向量t=0:Δt:1，然后计算列向量y的估计值：t=0:0.1:1;y=zeros(size(t));y(1)=0.5;for n=1:length(t)-1y(n+1)=y(n)+0.1*(1-y(n));endplot(t,y,'-o')以上代码的执行结果与前面的ode45方法相同，但是速度更快。
matlab中的向后euler方法
文章标题：深入理解Matlab中的向后Euler方法在数值计算中，求解常微分方程（ODE）是一个十分常见也是重要的任务。
其中，向后Euler方法是一种常用的数值求解方法之一。
在Matlab中，我们可以通过调用内置函数ode15s来使用向后Euler方法来求解ODE。
在本文中，我们将深入探讨Matlab中使用向后Euler方法求解ODE的原理和应用，并通过具体例子来展示其在实际工程中的价值。
1. 向后Euler方法的原理和特点向后Euler方法是一种隐式数值求解方法，其基本思想是将微分方程转化为差分方程，然后通过迭代的方式逼近实际解。
与前向Euler方法相比，向后Euler方法具有更好的稳定性和收敛性，特别在处理刚性ODE的时候表现更为突出。
在Matlab中，我们可以使用ode15s函数来调用向后Euler方法进行数值求解，其使用形式为[y, t] =ode15s(@(t,y)odefun,tspan,y0,options)。
2. 向后Euler方法在实际工程中的应用在实际工程中，ODE求解是一个非常重要的任务。
在控制系统设计中，经常需要求解系统的状态方程以完成系统设计和性能评估；在仿真和建模中，也需要对系统进行数值求解以获得系统的动态响应。
在这些应用中，向后Euler方法常常被用来求解刚性ODE，以获得更为准确和稳定的结果。
3. 使用Matlab进行向后Euler方法的数值求解在Matlab中，使用向后Euler方法进行数值求解非常方便。
通过调用ode15s函数，我们可以通过简单的参数设置来实现对ODE的求解。
下面通过一个简单的例子来展示如何使用Matlab中的向后Euler方法来求解ODE。
考虑一个一阶常微分方程dy/dt = -2y，初始条件为y(0) = 1。
我们可以使用Matlab中的ode15s函数来对其进行数值求解。
具体代码如下：```matlabfunction yprime = odefun(t,y)yprime = -2*y;end[t, y] = ode15s(@odefun, [0 10], 1);plot(t, y, '-')xlabel('t');ylabel('y(t)');title('Solution of dy/dt = -2y using Backward Euler method');```通过运行以上代码，我们可以得到dy/dt = -2y的数值解。
MATLAB实验四_求微分方程的解
参数说明
[T,Y] = solver(odefun,tspan,y0)
odefun 为显式常微分方程，可以用命令 inline 定义，或 在函数文件中定义，然后通过函数句柄调用。
dy 2 2 y 2 x 2x 求初值问题 的数值解，求解范 例： dx 围为 [0,0.5] y( 0 ) 1
dsolve的输出个数只能为一个 或 与方程个数相等。
只有很少一部分微分方程（组）能求出解析解。 大部分微分方程（组）只能利用数值方法求数值解。
Matlab函数数值求解
[T,Y] = solver(odefun,tspan,y0)
其中 y0 为初值条件，tspan为求解区间；Matlab在数值求解 时自动对求解区间进行分割，T (列向量) 中返回的是分割点 的值(自变量)，Y (数组) 中返回的是这些分割点上的近似解， 其列数等于因变量的个数。
数学实验
实验四
求微分方程的解
问题背景和实验目的
自牛顿发明微积分以来，微分方程在描述事物运 动规律上已发挥了重要的作用。实际应用问题通过 数学建模所得到的方程，绝大多数是微分方程。 由于实际应用的需要，人们必须求解微分方程。 然而能够求得解析解的微分方程十分有限，绝大多 数微分方程需要利用数值方法来近似求解。 本实验主要研究如何用 Matlab 来计算微分方程 （组）的数值解，并重点介绍一个求解微分方程的 基本数值解法－－Euler折线法。
Runge-Kutta 方法
Euler 法与 R-K法误差比较
Matlab 解初值问题
用 Maltab自带函数 解初值问题 求解析解：dsolve 求数值解：
ode45、ode23、 ode113、ode23t、ode15s、 ode23s、ode23tb
matlab_常微分方程数值解法
dt 2
简朴问题可以求得解析解，多数实际问题靠数值求解 。
第4页
一阶常微分方程(ODE )初值问题 ： ODE ：Ordinary Differential Equation
dy
f
(x,
y)
dx
x0 x xn
y(x0 ) y0
数值解法就是求y(x)在某些分立旳节点 xn 上旳近似值 yn，用以近似y(xn)
x0
y0
x1 f y(x), x dx
x0
x2 f y(x), x dx
x1
y(x1) f y(x1), x1 h
第17页
同样，在[x0,xn+1] ，积分采用矩形近似，得：
y(xn1) y0
f xn1
x0
y(x), x dx
y(xn ) f y(xn ), xn h
yn y(xn )
第5页
2、欧拉近似办法
2.1 简朴欧拉(L.Euler, 1707-1783)办法。
dy
dx
f
(y, x)
y(x0 ) y0
欧拉数值算法就是由初值通过递推求解，递推求解
就是从初值开始，后一种函数值由前一种函数值得到。核 心是构造递推公式。
y0 y1 y2 yn
第6页
i 1,2,...
第36页
没有一种算法可以有效地解决所有旳 ODE 问题，因此 MATLAB 提供了多种ODE函数。
函数 ODE类
特点
阐明
型
ode45
非刚性 单步法；4，5 阶 R-K 措施；合计 大部分场合旳首选措施
截断误差为 (△x)3
ode23
非刚性 单步法；2，3 阶 R-K 措施；合计 使用于精度较低旳情形
欧拉法求解一阶微分方程matlab
为了更好地理解欧拉法求解一阶微分方程在Matlab中的应用，我们首先来了解一些背景知识。
一阶微分方程是指只含有一阶导数的方程，通常表示为dy/dx=f(x,y)，其中f(x,y)是关于x和y的函数。
欧拉法是一种常见的数值解法，用于求解微分方程的近似数值解。
它是一种基本的显式数值积分方法，通过将微分方程转化为差分方程来进行逼近。
在Matlab中，我们可以利用欧拉法求解一阶微分方程。
我们需要定义微分方程的函数表达式，然后选择合适的步长和初始条件，最后使用循环计算逼近解。
下面我们来具体讨论如何在Matlab中使用欧拉法来求解一阶微分方程。
我们假设要求解的微分方程为dy/dx=-2x+y，初始条件为y(0)=1。
我们可以通过以下步骤来实现：1. 我们需要在Matlab中定义微分方程的函数表达式。
在Matlab中，我们可以使用function关键字来定义函数。
在这个例子中，我们可以定义一个名为diff_eqn的函数，表示微分方程的右侧表达式。
在Matlab中，这个函数可以定义为：```matlabfunction dydx = diff_eqn(x, y)dydx = -2*x + y;end```2. 我们需要选择合适的步长和初始条件。
在欧拉法中，步长的选择对于数值解的精度非常重要。
通常情况下，可以先尝试较小的步长，然后根据需要进行调整。
在这个例子中，我们可以选择步长h=0.1，并设置初始条件x0=0，y0=1。
3. 接下来，我们可以使用循环来逼近微分方程的数值解。
在每一步，根据欧拉法的迭代公式y(i+1) = y(i) + h * f(x(i), y(i))，我们可以按照下面的Matlab代码计算逼近解：```matlabh = 0.1; % 步长x = 0:h:2; % 定义计算区间y = zeros(1, length(x)); % 初始化y的值y(1) = 1; % 设置初始条件for i = 1:(length(x)-1) % 欧拉法迭代y(i+1) = y(i) + h * diff_eqn(x(i), y(i));end```通过上述步骤，在Matlab中就可以用欧拉法求解一阶微分方程。
欧拉方法及其改进的欧拉方法的Matlab实现
11( n n y x y ++−。为了估计它,由Taylor展开得到的精确值1( n y x +是
2'
''
31( ( ( ( ( 2
n n n n h y x y x hy x y x O h +=+++ (5
2.欧拉方法、改进的欧拉方法及Matlab实现
下面主要讨论一阶常微分方程的初值问题,其一般形式为:
' 00
(,
( y f x y y x y ⎧=⎨
=⎩ (1我们知道,只要函数(, f x y适当光滑——譬如关于y满足利普希茨(Lipschitz条件
(, (, f x y f x y L y y −≤−
改进的欧拉方法是先用欧拉公式求1( n y x +的一个近似值1n y +,称为预测值,然后用梯形公式进行矫正并求得近似值1n y +。即
1111(, [(, (, ]
2n n n n n n n n n n y y f x y h h
y y f x y f x y ++++⎧=+⎪
⎨=++⎪⎩
(8 2.2.2改进的欧拉方法的误差估计
方法是一阶方法,因此它的精度不高。
2.2改进的欧拉方法
2.2.1改进的欧拉方法
用数值积分方法离散化问题(1,两端积分可得
1
1( ( (, ( (0,1, 2, n n
x n n x y x y x f x y x dx n ++−==∫
MATLAB Euler法解常微分方程
Euler 法解常微分方程Euler 法解常微分方程算法：Step 1 分别取积分上限、积分下限、步长Step 2计算h n n +=判断b n ≤是否成立，成立转到Step 3，否则继续进行Step 4 Step 3 计算),(1n n n n y x hf y y +=+Step 4 ),(1n n n n y x hf y y +=+Euler 法解常微分方程算程序：function euler2(fun,y0,A,h)%fun--y'%y0---初值%A----x 取值范围%a----x 左区间端点值%b----x 右区间端点值%h----给定步长x=min(A);b=max(A);y=y0;while x<b-hb=y;y=y+h*feval(fun,x,b)x=x+h;end例：用Euler 法计算下列初值问题（取步长h=0.2）)6.00(1)0('2≤≤⎩⎨⎧=--=x y xy y y输入：fun=inline('-y-x*y^2')euler2(fun,1,[0 0.6],0.2)得到：y =0.8000y =0.6144y =0.4613指导教师： 年 月 日改进Euelr 法解常微分方程改进Euler 法解常微分方程算法：Step 1 分别取积分上限、积分下限、步长Step 2 取一个以h 为步长，a ，b 分别为左右端点的矩阵Step 3 （1）做显性Euler 预测),(1n n i i y x hf y y +=+（2）将1+i y 带入)],(),([2h 111+++++=i i i i i i y x f y x f y y Step 4计算h n n +=判断b n ≤是否成立，成立返回Step 3，否则继续进行Step 5 Step 5 )],(),([2h 111+++++=i i i i i i y x f y x f y y 改进Euler 法解常微分方程算程序：function gaijineuler2(fun,y0,A,h)%fun--y'%y0---初值%A----x 取值范围%a----x 左区间端点值%b----x 右区间端点值%h----给定步长a=min(A);b=max(A);x=a:h:b;y(1)=y0;for i=1:length(x)-1w1=feval(fun,x(i),y(i));y(i+1)=y(i)+h*w1;w2=feval(fun,x(i+1),y(i+1));y(i+1)=y(i)+h*(w1+w2)/2;endx=x'y=y'例：用改进Euler 法计算下列初值问题（取步长h=0.25） )50(2)0('2≤≤⎩⎨⎧=-=x y xy y 输入：fun=inline('-x*y^2')gaijineuler2(fun,2,[0 5],0.25)得到：x =0.25000.50000.75001.00001.25001.50001.75002.00002.25002.50002.75003.00003.25003.50003.75004.00004.25004.50004.75005.0000y =2.00001.87501.59391.28241.00960.79320.62820.50370.40970.33790.28240.23890.20430.17650.15380.13520.11960.10660.09550.08610.0779指导教师：年月日。
数值分析Matlab作业龙格库塔欧拉方法解二阶微分方程
% K3 and L3
K4=RK_z(i)+h*L3; L4=rightf_sys1(x(i)+h,RK_y(i)+h*K3,RK_z(i)+h*L3);% K4and L4
RK_y(i+1)=RK_y(i)+1/6*h*(K1+2*K2+2*K3+K4);
RK_z(i+1)=RK_z(i)+1/6*h*(L1+2*L2+2*L3+L4);
end
plot(x,Euler_y,'r-',x,RK_y,'b-');
[y,T]=max(RK_y);
fprintf('角度峰值等于%d',y)%角度的峰值也就是π
运行第三个程序：在一幅图中显示欧拉法和RK4法，随着截断误差的积累，欧拉法产生了较大的误差
h=0.01
h=0.0001，仍然是开始较为稳定，逐渐误差变大
总结：RK4是很好的方法，很稳定，而且四阶是很常用的方法，因为到五阶的时候精度并没有相应提升。通过这两种方法计算出角度峰值y=3.141593，周期是1.777510。
y(0)=0
z(0)=0
精度随着h的减小而更高，因为向前欧拉方法的整体截断误差与h同阶，（因为是用了泰勒公式）所以欧拉方法的稳定区域并不大。
2.RK4-四阶龙格库塔方法
使用四级四阶经典显式Rungkutta公式
稳定性很好，RK4法是四阶方法，每步的误差是h5阶，而总积累误差为h4阶。所以比欧拉稳定。
matlab实例讲解欧拉法求解微分方程
欧拉法是数值分析中常用的一种方法，用于求解常微分方程的数值解。
在MATLAB中，可以通过编写相应的代码来实现欧拉法求解微分方程。
下面我们将通过具体的实例来讲解MATLAB中如何使用欧拉法求解微分方程。
我们要了解欧拉法的基本原理。
欧拉法是一种通过迭代逼近微分方程解的方法，它基于微分方程的定义，通过离散化的方法逼近微分方程的解。
其基本思想是利用微分方程的导数定义，将微分方程以差分形式进行逼近。
具体而言，欧拉法通过将微分方程转化为差分方程的形式，然后通过迭代逼近得到微分方程的数值解。
接下来，我们通过一个具体的实例来讲解MATLAB中如何使用欧拉法求解微分方程。
假设我们要求解以下的一阶常微分方程：(1) dy/dx = x + y(2) y(0) = 1现在我们来编写MATLAB代码来实现欧拉法求解这个微分方程。
我们需要确定微分方程的迭代步长和迭代范围。
假设我们将x的范围取为0到10，步长为0.1。
接下来，我们可以编写MATLAB代码如下：```matlab欧拉法求解微分方程 dy/dx = x + y定义迭代步长和范围h = 0.1;x = 0:h:10;初始化y值y = zeros(1,length(x));y(1) = 1;使用欧拉法迭代求解for i = 1:(length(x)-1)y(i+1) = y(i) + h * (x(i) + y(i));end绘制图像plot(x,y,'-o');xlabel('x');ylabel('y');title('欧拉法求解微分方程 dy/dx = x + y');```在这段MATLAB代码中，我们首先定义了迭代的步长和范围，并初始化了微分方程的初始值y(0) = 1。
然后通过for循环使用欧拉法进行迭代求解微分方程，最后绘制出了微分方程的数值解的图像。
通过以上的实例讲解，我们可以看到，在MATLAB中使用欧拉法求解微分方程是非常简单而直观的。
matlab、lingo程序代码21-微分方程【精选】
MATLAB 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： syms xsimplify(sin(x)^2 + cos(x)^2) ans=13．[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： syms x[r,how]=simple(cos(x)^2-sin(x)^2) r = cos(2*x) how = combine4．[T,Y] = solver(odefun,tspan,y 0) 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：⎪⎩⎪⎨⎧==00)(),(y t y y t f dt dy(3) 在积分区间 tspan =],[0f t t 上，从0t 到f t ，用初始条件0y 求解．(4) 要获得问题在其他指定时间点 ,210,,t t t 上的解，则令 tspan =],,,[,210f t t t t （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 ．(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22x xe xy dxdy-=+，并加以验证．求解本问题的Matlab 程序为：syms x y %line1 y=dsolve('Dy+2*x*y=x*exp(-x^2)','x') %line2diff(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)(x y y =的确是微分方程的解．例2：求微分方程0'=-+x e y xy 在初始条件e y 2)1(=下的特解，并画出解函数的图形．求解本问题的 Matlab 程序为： syms x yy=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xe e y x+=，解函数的图形如图 1：图1例3：求微分方程组⎪⎪⎩⎪⎪⎨⎧=--=++035y x dtdy e y x dtdx t在初始条件0|,1|00====t t y x 下的特解，并画出解函数的图形．求解本问题的 Matlab 程序为： syms x y t[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]);axis auto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⎪⎩⎪⎨⎧=++-=1)0(2222y xx y dx dy 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 =0.0000 0.0400 0.0900 0.1400 0.1900 0.2400 0.2900 0.3400 0.3900 0.4400 0.4900 0.5000 >> y' ans =1.0000 0.9247 0.8434 0.7754 0.7199 0.6764 0.6440 0.6222 0.6105 0.6084 0.6154 0.6179 图形结果为图 2．图2例 5：求解描述振荡器的经典的 V er der Pol 微分方程.7,0)0(',1)0(,0)1(222====+--μμy y y dt dy y dty d 分析：令,,121dt dx x y x ==则.)1(,1221221x x x dtdx x dt dx --==μ 先编写函数文件verderpol.m ：function xprime = verderpol(t,x) global mu;xprime = [x(2);mu*(1-x(1)^2)*x(2)-x(1)]; 再编写命令文件vdp1.m ： global mu; 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33. 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⎪⎩⎪⎨⎧==00)(),,(y x y y x f dxdy化成一个代数方程，即差分方程，主要步骤是用差商h x y h x y )()(-+替代微商dxdy,于是：⎪⎩⎪⎨⎧==-+)()),(,()()(00x y y x y x f h x y h x y k k k k 记)(,1k k k k x y y h x x =+=+，从而)(1h x y y k k +=+，则有1,,2,1,0).,(,),(1100-=⎪⎩⎪⎨⎧+=+==++n k y x hf y y h x x x y y k k k k k k 例 6：用 Euler 折线法求解微分方程初值问题⎪⎩⎪⎨⎧=+=1)0(,22y y x y dxdy 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1,,2,1,0).2),( ),(,,4.0,1,021100-=⎪⎪⎪⎩⎪⎪⎪⎨⎧+=+=+====++n k y x y y x f y x hf y y h x x h y x k k k k k k （其中： 相应的Matlab 程序见附录 1． 数据结果为：0 1.0000 0.4000 1.4000 0.8000 2.1233 1.2000 3.1145 1.6000 4.4593 2.0000 6.3074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0sin 2')1(2=-+-x xy y x 的通解．2. 求微分方程x e y y y x sin 5'2''=+-的通解．3. 求微分方程组⎪⎪⎩⎪⎪⎨⎧=-+=++00y x dtdy y x dtdx在初始条件0|,1|00====t t y x 下的特解，并画出解函数()y f x =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[0,2]t ∈．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⎪⎩⎪⎨⎧=-=1)0(,12'32y y x y y 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⎩⎨⎧=-=1)0(,cos 'y x e y y x 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)：1,,2,1,0),()2,2()2,2(),()22(6,),(342312143211100-=⎪⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎪⎨⎧++=++=++==++++=+==++n k hL y h x f L L h y h x f L L h y h x f L y x f L L L L L hy y h x x x y y k k k k k k k k k k k k 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)clearf=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]; for i=1:n-1y=y+h*subs(f,{'x','y'},{x,y}); x=x+h;szj=[szj;x,y]; end szjplot(szj(:,1),szj(:,2))附录 2：(fulu2.m)clearf=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];for i=1:n-1l1=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];endszjplot(szj(:,1),szj(:,2))以下是附加文档，不需要的朋友下载后删除，谢谢顶岗实习总结专题13篇第一篇:顶岗实习总结为了进一步巩固理论知识，将理论与实践有机地结合起来，按照学校的计划要求，本人进行了为期个月的顶岗实习。
Matlab学习——求解微分方程（组）
Matlab学习——求解微分⽅程（组）介绍：1.在 Matlab 中，⽤⼤写字母 D 表⽰导数，Dy 表⽰ y 关于⾃变量的⼀阶导数，D2y 表⽰ y 关于⾃变量的⼆阶导数，依此类推.函数 dsolve ⽤来解决常微分⽅程（组）的求解问题，调⽤格式为X=dsolve(‘eqn1’,’eqn2’,…)如果没有初始条件，则求出通解，如果有初始条件，则求出特解系统缺省的⾃变量为 t。
2.函数 dsolve 求解的是常微分⽅程的精确解法，也称为常微分⽅程的符号解.但是，有⼤量的常微分⽅程虽然从理论上讲，其解是存在的，但我们却⽆法求出其解析解，此时，我们需要寻求⽅程的数值解，在求常微分⽅程数值解⽅⾯，MATLAB 具有丰富的函数，将其统称为 solver，其⼀般格式为：[T,Y]=solver(odefun,tspan,y0)说明：(1)solver 为命令 ode45、ode23、ode113、ode15s、ode23s、ode23t、ode23tb、ode15i 之⼀.(2)odefun 是显⽰微分⽅程y ' = f (t , y) 在积分区间 tspan = [t 0 , t f ] 上从t0 到t f⽤初始条件 y0求解.(3)如果要获得微分⽅程问题在其他指定时间点t 0 , t1 , t 2 , , t f上的解，则令tspan = [t 0 , t1 , t 2 , t f ](要求是单调的).(4)因为没有⼀种算法可以有效的解决所有的 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 solver3．在 matlab 命令窗⼝、程序或函数中创建局部函数时，可⽤内联函数 inline，inline 函数形式相当于编写 M 函数⽂件，但不需编写 M-⽂件就可以描述出某种数学关系.调⽤ inline 函数，只能由⼀个 matlab 表达式组成，并且只能返回⼀个变量，不允许[u,v]这种向量形式.因⽽，任何要求逻辑运算或乘法运算以求得最终结果的场合，都不能应⽤ inline 函数，inline 函数的⼀般形式为：FunctionName=inline(‘函数内容’, ‘所有⾃变量列表’)例如：（求解 F(x)=x^2*cos(a*x)-b ,a,b 是标量；x 是向量）在命令窗⼝输⼊:Fofx=inline('x.^2.*cos(a.*x)-b','x','a','b');g = Fofx([pi/3 pi/3.5],4,1)系统输出为：g=-1.5483 -1.7259注意：由于使⽤内联对象函数 inline 不需要另外建⽴ m ⽂件，所有使⽤⽐较⽅便，另外在使⽤ ode45 函数的时候，定义函数往往需要编辑⼀个 m ⽂件来单独定义，这样不便于管理⽂件，这⾥可以使⽤ inline 来定义函数。
matlab用欧拉法求常微分方程初值
Matlab中欧拉法求解常微分方程初值问题一、概念介绍在数学和工程领域，常微分方程初值问题是一个广泛应用的数学概念。
它描述了一个未知函数在给定初始条件下的行为。
而欧拉法则是一种常用的数值方法，用来解决常微分方程初值问题。
在Matlab中，我们可以利用欧拉法来求解常微分方程问题，从而得到函数在给定初始条件下的近似解。
二、欧拉法的基本原理欧拉法的基本思想是通过离散化微分方程，将其转化为递推的差分方程。
考虑一个一阶常微分方程初值问题：\[ \frac{dy}{dx} = f(x, y), \quad y(x_0) = y_0 \]在欧拉法中，我们采用递推的方式，根据已知的初始条件和微分方程的性质，通过迭代来得到逼近解的数值结果。
具体地，我们首先将自变量$x$的范围进行等间距分割，得到$x_0, x_1, x_2, ..., x_n$，并将步长记为$h$。
根据微分方程的性质，我们可以根据已知的初始条件$y(x_0) = y_0$，通过迭代计算得到近似解$y(x_1), y(x_2), ..., y(x_n)$。
三、Matlab中的欧拉法求解在Matlab中，我们可以利用欧拉法来求解常微分方程初值问题。
以求解一阶常微分方程为例，假设我们需要求解以下的常微分方程初值问题：\[ \frac{dy}{dx} = -2xy, \quad y(0) = 1 \]我们可以利用欧拉法的思想，将自变量$x$的范围进行离散化，然后根据欧拉法的递推公式，利用迭代的方式得到近似解的数值结果。
具体地，在Matlab中，我们可以编写如下代码来实现欧拉法的求解过程：```matlabfunction y = euler_method(f, x0, y0, h, n)% 初始化存储结果的数组x = zeros(1, n+1);y = zeros(1, n+1);% 将初始条件存入数组x(1) = x0;y(1) = y0;% 利用欧拉法进行迭代for i = 1:nx(i+1) = x(i) + h;y(i+1) = y(i) + h * f(x(i), y(i));end% 返回近似解的数值结果plot(x, y); % 绘制解的图像end```在上述代码中，我们定义了一个名为`euler_method`的函数，其中包含了欧拉法的计算过程。
有效独立法 matlab
有效独立法 matlab
MATLAB是一种非常强大的数学软件，广泛应用于工程、科学和
数学领域。
在MATLAB中，独立法通常指的是一种用于解决微分方程
的数值方法。
独立法也被称为Euler法或者前进欧拉法，它是一种
基本的数值积分方法，用于求解常微分方程的初值问题。
独立法的基本思想是通过离散化微分方程，将微分方程转化为
差分方程，然后通过迭代的方式逐步逼近微分方程的解。
具体来说，对于给定的微分方程dy/dx=f(x,y)，初始条件y(x0)=y0，独立法通
过以下迭代公式进行计算，y(x0+h) = y(x0) + hf(x0, y0)，其中
h是步长。
这个公式直观地表示了在点(x0, y0)处的斜率f(x0, y0)
与步长h的乘积，即为下一个点的增量，通过不断迭代可以逼近微
分方程的解。
在MATLAB中，可以使用独立法来求解常微分方程的数值解。
通
过编写MATLAB脚本或者函数，可以实现独立法的迭代计算过程。
MATLAB提供了丰富的数值计算和绘图函数，可以方便地进行独立法
的实现和结果可视化。
此外，MATLAB还提供了一些内置的数值积分
函数，如ode45等，可以更方便地求解微分方程的数值解。
总之，独立法是一种常用的数值方法，用于求解微分方程的数值解，在MATLAB中可以方便地实现并得到结果。
当然，在使用独立法时需要注意选择合适的步长以及对数值误差进行控制，以获得准确的数值解。
【免费下载】数值分析Matlab作业龙格库塔欧拉方法解二阶微分方程
ylabel('角度');
A=[x,y];
%y(find(y==max(y)))
%Num=(find(y==max(y)))
[y,T]=max(y);
fprintf('角度峰值等于%d',y) %角度的峰值也就是 π
fprintf('\n')
fprintf('周期等于%d',T*h)
legend('欧拉');
稳定性很好，RK4 法是四阶方法，每步的误差是 h5 阶，而总积累误差为 h4 阶。所以比欧 拉稳定。
运行第三个程序：在一幅图中显示欧拉法和 RK4 法，随着截断误差的积累，欧拉法产生了 较大的误差 h=0.01
对全部高中资料试卷电气设备，在安装过程中以及安装结束后进行高中资料试卷调整试验；通电检查所有设备高中资料电试力卷保相护互装作置用调与试相技互术关，系电，力根通保据过护生管高产线中工敷资艺设料高技试中术卷资，配料不置试仅技卷可术要以是求解指，决机对吊组电顶在气层进设配行备置继进不电行规保空范护载高与中带资负料荷试下卷高问总中题体资，配料而置试且时卷可，调保需控障要试各在验类最；管大对路限设习度备题内进到来行位确调。保整在机使管组其路高在敷中正设资常过料工程试况中卷下，安与要全过加，度强并工看且作护尽下关可都于能可管地以路缩正高小常中故工资障作料高；试中对卷资于连料继接试电管卷保口破护处坏进理范行高围整中，核资或对料者定试对值卷某，弯些审扁异核度常与固高校定中对盒资图位料纸置试，.卷保编工护写况层复进防杂行腐设自跨备动接与处地装理线置，弯高尤曲中其半资要径料避标试免高卷错等调误，试高要方中求案资技，料术编试交写5、卷底重电保。要气护管设设装线备备置敷4高、调动设中电试作技资气高，术料课中并3中试、件资且包卷管中料拒含试路调试绝线验敷试卷动槽方设技作、案技术，管以术来架及避等系免多统不项启必方动要式方高，案中为；资解对料决整试高套卷中启突语动然文过停电程机气中。课高因件中此中资，管料电壁试力薄卷高、电中接气资口设料不备试严进卷等行保问调护题试装，工置合作调理并试利且技用进术管行，线过要敷关求设运电技行力术高保。中护线资装缆料置敷试做设卷到原技准则术确：指灵在导活分。。线对对盒于于处调差，试动当过保不程护同中装电高置压中高回资中路料资交试料叉卷试时技卷，术调应问试采题技用，术金作是属为指隔调发板试电进人机行员一隔，变开需压处要器理在组；事在同前发一掌生线握内槽图部内 纸故，资障强料时电、，回设需路备要须制进同造行时厂外切家部断出电习具源题高高电中中源资资，料料线试试缆卷卷敷试切设验除完报从毕告而，与采要相用进关高行技中检术资查资料和料试检，卷测并主处且要理了保。解护现装场置设。备高中资料试卷布置情况与有关高中资料试卷电气系统接线等情况，然后根据规范与规程规定，制定设备调试高中资料试卷方案。
欧拉法(euler)求解常微分方程的matlab程序及案例
欧拉法(euler)求解常微分方程的matlab程序及案例欧拉法是一种常见的求解常微分方程的数值解法，在MATLAB中可以通过编写简单的程序实现。
本文将介绍欧拉法的MATLAB程序及应用案例。
首先，让我们考虑以下的常微分方程：dy/dx = f(x, y)其中y是关于x的函数，f是已知的函数。
我们可以通过欧拉法求解该方程。
欧拉法的基本思想是将区间[x0, xn]分成n等份，然后用以下式子计算y的值：y(i+1) = y(i) + h*f(x(i), y(i))其中h是步长，x(i)和y(i)分别表示当前的x和y值，y(i+1)表示下一个y值。
通过重复上述计算，欧拉法可以求出y在x=n处的值。
下面是欧拉法的MATLAB程序：% 默认参数x0 = 0; % 初始值xn = 1; % 终止值y0 = 1; % 初始y值h = 0.1; % 步长f = @(x, y) -y; % 函数n = (xn - x0) / h; % 时间步数x = x0; % 初始x值y = y0; % 初始y值for i = 1:ny = y + h * f(x, y);x = x + h;enddisp(['y在x = ', num2str(xn), '处的值为：',num2str(y)]);在上述程序中，我们定义了默认的初始值、终止值、初始y值和函数。
程序中的n表示时间步数，x和y分别表示当前的x和y值。
通过for循环，欧拉法可以重复计算y的值，并最终求出y在x=n处的值。
下面是一个用欧拉法求解dy/dx = -y的应用案例：% 默认参数x0 = 0; % 初始值xn = 5; % 终止值y0 = 1; % 初始y值h = 0.1; % 步长f = @(x, y) -y; % 函数n = (xn - x0) / h; % 时间步数x = x0; % 初始x值y = y0; % 初始y值% 初始化结果数组result = zeros(n + 1, 2);result(1,:) = [x0 y0];for i = 1:ny = y + h * f(x, y);x = x + h;% 保存结果result(i + 1,:) = [x y];end% 绘制图形plot(result(:,1), result(:,2), '-o');xlabel('x');ylabel('y');title('欧拉法求解dy/dx=-y');在上述案例中，我们使用默认的参数，求解dy/dx=-y的方程。
数值分析Matlab作业龙格库塔欧拉方法解二阶微分方程
Matlab 应用使用Euler 和Rungkutta 方法解臂状摆的能量方程背景 单摆是常见的物理模型，为了得到摆角θ的关于时间的函数，来描述单摆运动。
由角动量定理我们知道εJ M =化简得到0sin 22=+θθl g dt d 在一般的应用和计算中，只考虑摆角在5度以内的小摆动，因为可以吧简化为，这样比较容易解。
实际上这是一个解二阶常微分方程的问题。
θ在这里的单摆是一种特别的单摆，具有均匀的质量M 分布在长为2的臂状摆上，使用能量法建立方程W T =h mg ∆=2J 21ω化简得到四阶龙格库塔方法使用四级四阶经典显式Rungkutta公式稳定性很好，RK4法是四阶方法，每步的误差是h5阶，而总积累误差为h4阶。
所以比欧拉稳定。
运行第三个程序：在一幅图中显示欧拉法和RK4法，随着截断误差的积累，欧拉法产生了较大的误差h=0.01h=0.0001，仍然是开始较为稳定，逐渐误差变大总结：RK4是很好的方法，很稳定，而且四阶是很常用的方法，因为到五阶的时候精度并没有相应提升。
通过这两种方法计算出角度峰值y=3.141593，周期是1.777510。
三个程序欧拉法clear;clch=0.00001;a=0;b=25;x=a:h:b;y(1)=0;z(1)=0;for i=1:length(x)-1 % 欧拉y(i+1)=y(i)+h*z(i);z(i+1)=z(i)+h*7.35499*cos(y(i));endplot(x,y,'r*');xlabel('时间');ylabel('角度');A=[x,y];%y(find(y==max(y)))%Num=(find(y==max(y)))[y,T]=max(y);fprintf('角度峰值等于%d',y) %角度的峰值也就是πfprintf('\n')fprintf('周期等于%d',T*h)%周期legend('欧拉');龙格库塔方法先定义函数rightf_sys1.mfunction w=rightf_sys1(x,y,z)w=7.35499*cos(y);clear;clc;%set(0,'RecursionLimit',500)h=0.01;a=0;b=25;x=a:h:b;RK_y(1)=0; %初值%RK_z(1)=0;初值for i=1:length(x)-1K1=RK_z(i); L1=rightf_sys1(x(i),RK_y(i),RK_z(i));%K1 and L1K2=RK_z(i)+0.5*h*L1;L2=rightf_sys1(x(i)+0.5*h,RK_y(i)+0.5*h*K1,RK_z(i)+0.5*h*L1);K3=RK_z(i)+0.5*h*L2;L3=rightf_sys1(x(i)+0.5*h,RK_y(i)+0.5*h*K2,RK_z(i)+0.5*h*L2);K4=RK_z(i)+h*L3;% K4L4=rightf_sys1(x(i)+h,RK_y(i)+h*K3,RK_z(i)+h*L3);and L4RK_y(i+1)=RK_y(i)+1/6*h*(K1+2*K2+2*K3+K4);RK_z(i+1)=RK_z(i)+1/6*h*(L1+2*L2+2*L3+L4);endplot(x,RK_y,'b+');xlabel('Variable x');ylabel('Variable y');A=[x,RK_y];[y,T]=max(RK_y);legend('RK4方法');fprintf('角度峰值等于%d',y) %角度的峰值也就是πfprintf('\n')%周期fprintf('周期等于%d',T*h)两个方法在一起对比使用跟上一个相同的函数rightf_sys1.mclear;clc; %清屏h=0.0001;a=0;b=25;x=a:h:b;Euler_y(1)=0;%欧拉的初值Euler_z(1)=0;RK_y(1)=0;%龙格库塔初值RK_z(1)=0;for i=1:length(x)-1%先是欧拉法Euler_y(i+1)=Euler_y(i)+h*Euler_z(i);Euler_z(i+1)=Euler_z(i)+h*7.35499*cos(Euler_y(i));%龙格库塔K1=RK_z(i); L1=rightf_sys1(x(i),RK_y(i),RK_z(i)); % K1 andL1K2=RK_z(i)+0.5*h*L1;L2=rightf_sys1(x(i)+0.5*h,RK_y(i)+0.5*h*K1,RK_z(i)+0.5*h*L1);% K2 and L2K3=RK_z(i)+0.5*h*L2;L3=rightf_sys1(x(i)+0.5*h,RK_y(i)+0.5*h*K2,RK_z(i)+0.5*h*L2);% K3 and L3K4=RK_z(i)+h*L3; L4=rightf_sys1(x(i)+h,RK_y(i)+h*K3,RK_z(i)+h*L3); K4 and L4RK_y(i+1)=RK_y(i)+1/6*h*(K1+2*K2+2*K3+K4);RK_z(i+1)=RK_z(i)+1/6*h*(L1+2*L2+2*L3+L4);endplot(x,Euler_y,'r-',x,RK_y,'b-');[y,T]=max(RK_y);%角度的峰值也就是πfprintf('角度峰值等于%d',y)fprintf('\n')%周期fprintf('周期等于%d',T*h)xlabel('时间');ylabel('角度');legend('欧拉','RK4');。
欧拉法解微分方程例题matlab
欧拉法解微分方程例题matlab欧拉法（Euler Method）是一种用来解决微分方程的数值解法，其基本思想是将微分方程近似地展开为一个无穷项的级数，以根据当前已知状态推测下一步状态的方式来迭代求解。
我们以下列常微分方程为例：\frac {dy}{dx} = x + y，其中，y 是函数的值，x 是自变量。
要使用Matlab解决该问题，我们首先需要将上述常微分方程转换为数值解方程的形式，即：\frac { y_{i+1} - y_i }{h} = x_i + y_i其中，h 为步长， y_i 为迭代值， x_i 为自变量。
接下来，我们就可以使用MatLab来实现欧拉法解微分方程的算法，代码如下：% Solve dy/dx = x+yx0=0; % Initialize x start valuey0=1; % Initialize y start valuexn=5; % Define x end valueh=0.1; % Define iteration step sizex=x0:h:xn; % Generate the x-axis vectory=zeros(1,length(x)); % Pre-allocate y arrayy(1)=y0; % Set initial y valuefor i=1:length(x)-1 % Start loopingy(i+1) = y(i) + h * (x(i) + y(i)); % Calculate y valueat each pointend% Plot x versus yplot(x,y)我们可以看到，欧拉法可以用MatLab来求解上述常微分方程。
通过这个例子，我们看到欧拉法不仅可以解决微分方程，而且还可以应用于MatLab编程中。