用MATLAB求解微分方程 | 您所在的位置:网站首页 › 求解下列积分方程 › 用MATLAB求解微分方程 |
第一篇为 基础概念 ,第二篇为 R-K法的具体实现方法。 (一)常微分方程的MATLAB求解 概要: 常微分方程的MATLAB求解分为解析解、数值解解析解(只有少数微分方程组有解析解):dsolve函数数值解:solver函数,MATLAB内部自带了许多求解器(各种数值求解的方法,如 R-K法)常用函数文件构造微分方程组数值求解时:高阶微分方程化成常微分方程组 一、解析解dsolve函数: y=dslove('eq1' , 'eq2' , ... , 'cond1' , 'cond2' , ... , 'v') y——输出eq1、eq2——微分方程cond1、cond2——初值条件,省略时表示求通解v——自变量,省略时默认为t微分方程中用 D 表示 自变量的导数 Dy—— y′D2y—— y″D3y—— y‴若找不到解析解,则返回其积分形式省略自变量和指定自变量的例子: >> dsolve('Dy = 2*x' , 'x') %自变量x ans = x^2 + C1 >> dsolve('Dy = 2*x') %默认自变量t ans = C2 + 2*t*x解析解例题: 例1:求微分方程 dy/dx+2xy= 例2:求下面微分方程的特解 例3:求微分方程组的通解 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 近似求解 1、solver函数: [T , Y] = solver(odefun , tspan , y0) odefun——待求解的微分方程,可用matlab函数表示(m文件名)tspan——求解区间y0——初值条件(即自变量取最小值时(不一定为0)的函数值)T——(向量)返回分割点的值,作自变量Y——(向量)返回函数在分割点上的函数值MATLAB在数值求解时 自动对求解区间进行分割solver 为MATLAB的 ODE求解器(求解器中可以调用各种数值求解法:ode45、ode23、ode113、ode15s、ode23s、ode23t、ode23tb) 求解器特点说明ode454,5阶 R-K 法首选方法ode232,3阶 R-K 法精度较低ode113Adams法,高低精度均可到 10^-3 ~10^-6计算时间比ode45短ode23t梯形算法(改进欧拉法)ode15s多步法:精度中等ode45失效时,可用ode23s单步法:低精度当精度较低时,计算时ode15s短ode23tb梯形算法:低精度当精度较低时,计算时比ode15s短—————————————————————————————————— 2、odenfun(待求解的微分方程)的构建:(1)odenfun为 显示常微分方程(类似于显函数,可分离变量) 可以用 inline函数 定义:直接将函数表达式内嵌在命令行里变量名=inline('函数表达式' , '变量名1' , '变量名2' , ...)也可以在 函数文件 中定义,然后通过函数句柄调用例1:求一阶常微分非线性方程的数值解,求解范围 [0,0.5] —————————————————————————————————————— (2)求 高阶常微分方程,需将其化为 一阶常微分方程组 ,用函数文件定义 函数文件格式 function dy = vdp1000(x , y)————其中x是向量,y是 数值解例题: 例:求解: 解: 令 则原式子化成: vdp1000.m function dy = vdp1000(t , y) %编写函数vdp1000,输入的t是自变量(不可省略),在后面的数值计算时,将自变量范围赋给t;y是一个2列的行向量,因为我们后面赋初值是有2个,且输出值也有2个 dy = zeros(2,1); %建立一个2行的列向量 dy(1) = y(2); %按照上边的式子赋值 dy(2) = 1000*(1-y(1)^2)*y(2)-y(1); %按照上边的式子赋值命令窗口 >> [T , Y]=ode15s('vdp1000' , [0 , 3000] , [2 0]); %调用方法,自变量t的范围[0 , 3000],将初值 2,0 赋给 y(1),y(2) ,T——n个元素的列向量,Y——n行2列的矩阵,Y(:1)是式子中的y1,Y(:2)是式子中的y2 >> plot(T , Y(:,1)) %显示Y(:1),即式子中的y1,即原始式子的因变量x例2:手写 欧拉法 求常微分方程,x 范围 [0,0.5] , 步长 h=0.1 解:根据欧拉公式: yn+1=yn+hf(xn,yn) -------------------(注:这里的 f(x,y)=y′ ) 代入 y′ , 可以得到 yn+1=0.9yn+0.1xn+0.1 Euler.m function y=Euler() x=[0:0.1:0.5]; %定义x y=zeros(size(x)); %创建y h=0.1; %步长h=0.1 len = length(x); %向量x的长度 y(1)=1; %y初始化 for i=2:len %从y2开始计算 y(i)=0.9*y(i-1)+h*x(i-1) + 0.1; end %画图 figure hold on grid on plot(x , y ,'r') %红色线为数值解 plot(x , x+exp(-x),'b') %蓝色线为解析解 xlabel('x') ylabel('y') title('Euler')命令窗口 %函数调用 >> y=Euler() y = 1.0000 1.0000 1.0100 1.0290 1.0561 1.0905例3:追击问题 设位于坐标原点的甲舰向位于 x 轴上 A(1,0) 处的乙舰发射导弹,导弹头始终对准乙舰。 已知:乙舰以最大的速度 v0 沿平行于 y 轴的直线行驶,导弹的速度是 5v0 。 要求:模拟导弹的运行轨迹,并求击中点的坐标 解: 建立坐标系 设 导弹的飞行曲线方程 为 y=y(x) 在时刻 t 位于 P(x,y) eql.m function dy=eql(x,y) %一阶微分方程组 dy=zeros(2,1); %构造2行的列向量 dy(1)=y(2); %dy(1) dy(2)=1/5*sqrt(1+y(2)^2)/(1-x); dy(2)命令串口 >> [x , y]=ode15s('eql',[0:0.001:1],[0 0]); %数值求解微分方程组 >> plot(x,y(:,1),'r.') %画导弹轨迹,dy(1),即原式子的y hold on >> y2=0:0.001:2; >> plot(1,y2,'b*') %画乙舰轨迹 axis( [0 , 1 , 0 , 0.25 ] ) %坐标轴范围 >> legend('导弹轨迹' , '乙舰轨迹') %图例使用MATLAB自带的 ode45函数 和 手写4阶R-K法 求解下列方程 1.ode45函数解法: 微分方程组 function dy=Fun(x,y) dy=zeros(size(y)); dy(1) = sin(x)+y(1); %dy(1)表示以y的一阶导为f(x,y)调用ode45函数 function y = MATLAB_RK() [X ,Y]=ode45('Fun' , [0 :0.1 :20] , [1]); % y的初值1 %画图 hold on grid on plot(X , Y(:,1)) %输出 Y的第一列,即原函数关于x的曲线 xlabel('x') ylabel('y')2.手写4阶R-K解法: 微分方程组 function dy=Fun(x,y) dy=zeros(size(y)); dy(1) = sin(x)+y(1); %dy(1)表示以y的一阶导为f(x,y)调用手写R-K函数 function y=PlotAll() % 准备阶段 x=[0 : 0.1 :20]; % x——行向量 h=0.1; % 步长 y=zeros(length(x) , 1); % y——矩阵,行数是x的元素个数,列数是几阶微分方程 % 后面的1表示一阶微分方程,如果是2则表示二阶微分方程,以此类推 y(1,:)=[1]; % y,第一行赋初值,几阶微分方程就要赋几个初值 % 函数调用 Y=FourRK(x,h,y); % 调用4阶R-K法,输入参数x,h,y %画图 hold on grid on plot(x , Y(:,1)) %输出 Y的第一列,即原函数关于x的曲线 xlabel('x') ylabel('y')4阶R-K函数 function y=FourRK(x,h,y) len = length(x); for i=2:len %循环:直到求完最后一个x取值 K1 = Fun(x(i-1),y(i-1,:)); % K1 K2 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K1); % K2 K3 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K2); % K3 K4 = Fun(x(i-1)+h , y(i-1,:)+h.*K3); % K4 y(i,:) = y(i-1,:)+h/6.*(K1 + 2*K2 + 2*K3 + K4); % 更新y的第i行,y(i,1)是原函数的y,y(i,2)是原函数的一阶导,以此类推 % 因为这里是1阶微分方程,所以只有y(i,1),无y(i,2) end使用MATLAB自带的 ode45函数 和 手写4阶R-K法 求解下列方程 解:将高阶微分方程 化成 一阶微分方程组 我们下面的 Fun函数 就是依据这个一阶微分方程组写的 1.ode45函数解法:微分方程组 function dy=Fun(x,y) % y(1)表示原函数y,y(2)表示原函数y的一阶导 dy=zeros(size(y)); dy(1)=y(2); % dy(1)表示以y的一阶导为f(x,y) dy(2)=-1/2*(y(1)+(y(1)*y(1)-1)*y(2)); % dy(2)表示以y的二阶导为f(x,y)调用ode45函数 function y = MATLAB_RK() [X ,Y]=ode45('Fun' , [0 :0.1 :20] , [0.25 , 0.0]); % y的初值0.25 ,y一阶导的初值 0.0 %画图 hold on grid on plot(X , Y(:,1)) %输出 Y的第一列,即原函数关于x的曲线 xlabel('x') ylabel('y')2.手写4阶R-K解法: 微分方程组 function dy=Fun(x,y) dy=zeros(size(y)); dy(1)=y(2); %dy(1)表示以y的一阶导为f(x,y) dy(2)=-1/2*(y(1)+(y(1)*y(1)-1)*y(2)); %dy(2)表示以y的二阶导为f(x,y)调用手写R-K函数 function y=PlotAll() % 准备阶段 x=[0 : 0.1 :20]; % x——行向量 h=0.1; % 步长 y=zeros(length(x) , 2); % y——矩阵,行数是x的元素个数,列数是几阶微分方程 % 后面的1表示一阶微分方程,如果是2则表示二阶微分方程,以此类推。这里是二阶微分方程,所以是2 y(1,:)=[0.25 , 0.0]; % y,第一行赋初值,几阶微分方程就要赋几个初值。 % y的初值0.25 ,y一阶导的初值 0.0 % 函数调用 Y=FourRK(x,h,y); % 调用4阶R-K法,输入参数x,h,y %画图 hold on grid on plot(x , Y(:,1)) %输出 Y的第一列,即原函数关于x的曲线 xlabel('x') ylabel('y')4阶R-K函数 function y=FourRK(x,h,y) len = length(x); for i=2:len %循环:直到求完最后一个x取值 K1 = Fun(x(i-1),y(i-1,:)); % K1 K2 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K1); % K2 K3 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K2); % K3 K4 = Fun(x(i-1)+h , y(i-1,:)+h.*K3); % K4 y(i,:) = y(i-1,:)+h/6.*(K1 + 2*K2 + 2*K3 + K4); % 更新y的第i行,y(i,1)是原函数的y,y(i,2)是原函数的一阶导,以此类推 % 因为这里是2阶微分方程,所以有y(i,1),有y(i,2) end %本质上,将高阶微分化为一阶微分方程组,然后按照各自当作f(x,y),分别进行迭代,最后更新例二 手写R-K法 答疑: 一阶微分方程可能还好,二阶微分方程可能就没那么好理解了,为此对于例二我换了种 不通用但更直观 的写法,帮助大家理解 首先得理解为什么要将 二阶微分方程 拆成 一阶微分方程组 ,因为这样我们就可以根据 设 f(x,y)=y 的一阶导数,进行迭代求解。————如此题,我们拆成了2个一阶微分方程,所以就需要就同时进行2个R-K迭代 这里我将 y 和 y' 拆开成2个行向量——————上边是 将2个合并到一个矩阵 y 中, y(1)为原函数y,y(2)为原函数y的一阶导并且我们需要分别定义函数,来迭代计算 y 和 y' ——————上边是 将2个合并到一个矩阵 y 中.一起计算了Fun1————迭代求 y function f1=Fun1(x,y,y1) f1=y1; %f2表示以y的一阶导为f(x,y)——f(x,y)=输入的y1Fun2————迭代求 y‘ function f2=Fun2(x,y,y1) f2=-1/2*(y+(y*y-1)*y1); %f2表示以y的二阶导为f(x,y)4阶R-K函数 function y=FourRK2() x=[0 : 0.1 :20]; y=zeros(size(x)); y1=zeros(size(x)); h=0.1; len = length(x); y(1)=0.25; % 原函数y初值 y1(1)=0.0; % 原函数y的一阶导初值 for i=2:len %Kmn 表示第n次迭代,以m次导数作为f(x,y) K11 = Fun1(x(i-1),y(i-1),y1(i-1)); K21 = Fun2(x(i-1),y(i-1),y1(i-1)); K12 = Fun1(x(i-1)+1/2*h , y(i-1)+1/2*h*K11 , y1(i-1)+1/2*h*K21); K22 = Fun2(x(i-1)+1/2*h , y(i-1)+1/2*h*K11 , y1(i-1)+1/2*h*K21); K13 = Fun1(x(i-1)+1/2*h , y(i-1)+1/2*h*K12 , y1(i-1)+1/2*h*K22); K23 = Fun2(x(i-1)+1/2*h , y(i-1)+1/2*h*K12 , y1(i-1)+1/2*h*K22); K14 = Fun1(x(i-1)+h , y(i-1)+h*K13 , y1(i-1)+h*K23); K24 = Fun2(x(i-1)+h , y(i-1)+h*K13 , y1(i-1)+h*K23); y(i) = y(i-1)+h/6*(K11 + 2*K12 + 2*K13 + K14); % 更新下一个原函数y y1(i) = y1(i-1)+h/6*(K21 + 2*K22 + 2*K23 + K24); % 更新下一个原函数y的一阶导 end %画图 hold on grid on plot(x , y) xlabel('x') ylabel('y') %本质上,将高阶微分化为一阶微分方程组,然后按照各自当作f(x,y),分别进行迭代,最后更新 总结:手写微分方程的 模板 和 一般步骤 一、原理讲解:1.模板: Fun函数——用于存放一阶微分方程组RK函数——用于使用几阶的R-K法求数值解,上边我只写了 4阶R-K法赋初值函数——只是单纯的写 x的范围,步长h,矩阵y的阶数,原函数的各个初值;以及调用 RK函数2.一般步骤: 其实这里 手写的R-K法 原理和步骤就是 MATLAB自带的求解R-K方法 赋初值:写 x的范围,步长h,矩阵y的阶数,原函数的各个初值将高阶微分方程 拆分成 一阶微分方程组修改 Fun 函数:注意——向量dy的长度,和高阶微分方程的阶次有关 二、具体模板:1.微分方程模板和准备函数模板 Fun函数————需要自己修改 function dy=Fun(x,y) dy=zeros(size(y)); dy(1)= ; %dy(1)表示以y的一阶导为f(x,y) dy(2)= ; %dy(2)表示以y的二阶导为f(x,y) dy(3)= ; %dy(3)表示以y的三阶导为f(x,y) ...准备初值函数————需要自己修改值,需要修改的用【】括起了 function Y=PlotAll() % 准备阶段 x=[0 : 0.1 :20]; % 【x——行向量】 h=0.1; % 【步长】 y=zeros(length(x) , 2); % 【y——矩阵,行数是x的元素个数,列数是几阶微分方程】 % 后面的1表示一阶微分方程,如果是2则表示二阶微分方程,以此类推。这里是二阶微分方程,所以是2 y(1,:)=[0.25 , 0.0]; % 【y,第一行赋初值,几阶微分方程就要赋几个初值。】 % 【y的初值0.25 ,y一阶导的初值 0.0】 % 函数调用 Y=FourRK(x,h,y); % 调用4阶R-K法,输入参数x,h,y %画图 hold on grid on plot(x , Y(:,1)) %输出 Y的第一列,即原函数关于x的曲线 xlabel('x') ylabel('y')2.欧拉法、改进欧拉法、4阶R-K法模板 1阶R-K函数(欧拉法) function y=OneRK(x,h,y) len = length(x); for i=2:len %循环:直到求完最后一个x取值 K1 = Fun(x(i-1),y(i-1,:)); y(i,:)=y(i-1,:)+h.*K1; % 更新y的第i行,y(i,1)是原函数的y,y(i,2)是原函数的一阶导,以此类推 end %本质上,将高阶微分化为一阶微分方程组,然后按照各自当作f(x,y),分别进行迭代,最后更新2阶R-K函数(改进欧拉法) function y=TwoRK(x,h,y) len = length(x); for i=2:len %循环:直到求完最后一个x取值 K1 = Fun(x(i-1) , y(i-1,:)); K2 = Fun(x(i-1)+h , y(i-1,:)+h.*K1); y(i,:)=y(i-1,:)+h/2.*(K1+K2); % 更新y的第i行,y(i,1)是原函数的y,y(i,2)是原函数的一阶导,以此类推 end %本质上,将高阶微分化为一阶微分方程组,然后按照各自当作f(x,y),分别进行迭代,最后更新4阶R-K函数 function y=FourRK(x,h,y) len = length(x); for i=2:len %循环:直到求完最后一个x取值 K1 = Fun(x(i-1),y(i-1,:)); % K1 K2 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K1); % K2 K3 = Fun(x(i-1)+1/2*h , y(i-1,:)+1/2*h.*K2); % K3 K4 = Fun(x(i-1)+h , y(i-1,:)+h.*K3); % K4 y(i,:) = y(i-1,:)+h/6.*(K1 + 2*K2 + 2*K3 + K4); % 更新y的第i行,y(i,1)是原函数的y,y(i,2)是原函数的一阶导,以此类推 end %本质上,将高阶微分化为一阶微分方程组,然后按照各自当作f(x,y),分别进行迭代,最后更新 补充:关于解为lambertw的微分方程数值解例,求解下面的微分方程 可以发现这个初值会让 y′(0) 的值有无数个。如果我们写 dy=xy/(1−y) 就会出现分母为0的情况,一开始我就是这么定义 Fun 函数的,发现结果为 NaN。 正解: 其实这个函数与 y′ 没有关系,不管 y′(0) 取多少,函数图像总是先为0,后面快速趋向正无穷因此我们就默认取 dy=0 (当然大家也可以取其他值),然后不将 dy 到一边,直接用原表达式计算Fun function dy=Fun(x,y) dy=-200; dy=(x*y)+dy*y; |
CopyRight 2018-2019 实验室设备网 版权所有 |