当前位置:   article > 正文

matlab求解常微分方程初值问题的三类方法_常微分方程初值问题matlab

常微分方程初值问题matlab

 求微分方程初值问题:y''-(1-y^2)y'+y=0,y(0)=2,y'(0)=0

我们以二阶微分方程为例来介绍这三种方法的使用,当然,第一种方法——四阶龙格-库塔法实际上就是自己手动编写程序来求解,而第二种方法——ode45就是matlab上的也是用四阶龙格-库塔法实现的更完备的方法,都是数值解法,第三种方法是微分方程的符号解法,是精确解法


讨论一阶微分方程

\frac{dy}{dt}=f(t,y)

初始条件为y(t_0)=y_0,其中y和f可以是矢量(即微分方程组)。

所谓的数值积分,是解决在初值已知的情况下,对f(t,y)进行近似积分的问题,通常称为微分方程的初值问题。

对上述一阶微分方程两边进行积分:

y(t)=y(t_0)+\int_{t_0}^t {f(\tau,y)} \,{\rm d}\tau

在离散的时间下:t=t_0,t_1,t_2,\cdots,t_m,t_{m+1}

y(t_{m+1})=y(t_0)+\int_{t_0}^{t_{m+1}} {f(\tau,y)} \,{\rm d}\tau=y(t_m)+\int_{t_m}^{t_{m+1}} {f(\tau,y)} \,{\rm d}\tau

注:如果要求解的是高阶微分方程,可降阶为一阶微分方程组。如二阶微分方程y''(t)=f(t,y)

可降阶为:

y_1'=y_2

y_2'=f(t,y_1)

也就是把原来二阶的y看成y_1y_1''(t)=f(t,y_1),将y_1一阶导数令为y_2y_2'=f(t,y_1)


 步长h=t_{m+1}-t_m

单步法:只由前一时刻的数值y(t_m)就可以求得后一时刻的数值y(t_{m+1}),是一种自启动算法。(如欧拉法、龙格-库塔法等)

多步法:计算y(t_{m+1})时要用到t_m,t_{m-1},t_{m-2},\cdotsy的数值,这种方法为多步法,不是自启动算法。(如Adams法)

截断误差:分析数值积分的精度常用泰勒级数,设y_m准确,则y_{m+1}:

y(t_{m+1})=y(t_m)+y'(t_m)h+1/2! y''(t_m)h^2+\cdots+1/r!y^{(r)}(t_m)h^r+o(h^{r+1})

若只取前几项之和来近似计算y_{m+1},这样产生的误差称为截断误差,比如取到1/k! y^{(k)}(t_m)h^k,就称具有k阶精度,即该方法是k阶的。


一、四阶龙格-库塔法

在看四阶之前,先了解一下二阶的龙格-库塔法。

二阶,即泰勒展开到二阶:

y(t_{m+1})=y(t_m)+hy'(t_m)+\frac{h^2}{2}y''(t_m)

 将

y'(t_m)=f(t_m,y_m),y''(t_m)=(\frac{\partial f}{\partial t} +f\frac{\partial f}{\partial y})|_{t=t_m}

代入上式,然后假设微分方程的解可写成如下形式:

y_{m+1}=y_m+(a_1k_1+a_2k_2)h

k_1=f(t_m,y_m)

k_2=f(t_m+b_1h,y_m+b_2k_1h)

取不同的a_1,a_2,b_1,b_2可以得到不同的二阶龙格-库塔法。


那么四阶龙格-库塔法类似:

y_{m+1}=y_m+\frac{h}{6}(k_1+2k_2+2k_3+k_4)

k_1=f(t_m,y_m)

k_2=f(t_m+h/2,y_m+k_1h/2)

k_3=f(t_m+h/2,y_m+k_2h/2)

k_4=f(t_m+h,y_m+k_3h)

具体计算时,由y_0可以求得y_1,由y_1可以求得y_2,……,直到所要求的值。

附上matlab代码框架:

首先定义一阶微分方程组 :

  1. function func=f(t,y)
  2. f1=y(2);
  3. f2=(1-y(1)^2)*y(2)-y(1);
  4. func=[f1;f2];
  5. end

然后是龙格-库塔算法:

  1. function [t,Y]=RKutta(Delta,Y0,tm)
  2. % Delta为步长,Y0为初始值,是一个列向量,tm是计算
  3. Y(:,1)=Y0;
  4. k=1;
  5. t=0:Delta:tm;
  6. t_size=length(t);
  7. for i=1:t_size
  8. z1=f(t(k),Y(:,k));
  9. z2=f(t(k)+Delta/2,Y(:,k)+z1*Delta/2);
  10. z3=f(t(k)+Delta/2,Y(:,k)+z2*Delta/2);
  11. z4=f(t(k)+Delta,Y(:,k)+z3*Delta);
  12. Y(:,k+1)=Y(:,k)+Delta*(z1+2*z2+2*z3+z4)/6;
  13. k=k+1;
  14. end
  15. Y=Y(:,1:end-1); % 其实求得的是020+Delta秒的y
  16. end

 设定初值和步长,进行计算:

  1. Delta=0.001;
  2. Y0=[2;0];
  3. tm=20;
  4. [t1,y1]=RKutta(Delta,Y0,tm)

将y随时间变化规律画出来:


二、ode45

matlab提供了好几种求解器,其中最常用的就是ode45求解器。

其最简单的使用方法是:[t,y] = ode45(odefun,tspan,y0)

同样首先定义求解的微分方程组odefun:

  1. function dydt = vdp1(t,y)
  2. dydt = [y(2); (1-y(1)^2)*y(2)-y(1)];
  3. end

 求解时间范围tspan=[0,20],初值y0=[2;0]

[t,y] = ode45(@vdp1,[0 20],[2; 0]);

 求得的是y随着t变化的序列。

同样画出图像:

此外,如果积分区间不定,但知道需要在y减小到-1.5时停止积分,就需要使用ode45的事件描述

  1. function [position,isterminal,direction] = myEventsFcn(t,y)
  2. position = y(1)+1.5; % 该式等于0即事件发生(即y(1)=-1.5
  3. isterminal = 1; % 当事件多于1个时,设置当某个事件发生时停止积分(为1
  4. direction = -1; % 值为 -1 时仅在事件函数递减的位置查找零

 ode45的事件设置:

  1. options=odeset('events',@myEventsFcn);
  2. [t2,y2] = ode45(@vdp1,[0 20],[2; 0],options);

 此时画出图像为:


三、dsolve

符号解也是精确解,然而大多数方程并不能求得解析解,比如本例中的这个二阶微分方程,用此方法求解会得到报错:

  1. syms t y(t)
  2. eqn=diff(y,t,2)-(1-y^2)*diff(y,t,1)+y==0;
  3. Dy = diff(y,t);
  4. cond=[y(0)==2,Dy(0)==0];
  5. ySol(t)= dsolve(eqn,cond)

所以还是需要用数值方法去求解。

这里举一个可以求解精确解的例子:

  1. syms t y(t)
  2. eqn=diff(y,t,2)-3*diff(y,t,1)+2*y==1;
  3. Dy = diff(y,t);
  4. cond=[y(0)==1,Dy(0)==0];
  5. ySol(t)= dsolve(eqn,cond)

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/寸_铁/article/detail/814155
推荐阅读
相关标签
  

闽ICP备14008679号