[工学]第十章 常微分方程组求解.doc

求微分方程的解 相关函数（命令）及简介 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D2y表示y关于自变量的二阶导数，依次类推。 simplify(s):对表达式s使用maple的化简规则进行化简。 例如： syms x 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： syms x [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。 （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（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阶的Runge-Kutta 大部分场合的首选算法 方程；累计截断误差达 ode23 非刚性 单步算法：2，3阶的Runge-Kutta 使用于精度较低的情形 方程；累计截断误差达 ode113 非刚性 多步法：Adams算法；高低精度均 计算时间比ode45短 可到。 ode23t 适度刚性 采用梯形算法 适度刚性情形 ode15s 刚性 多步法：反向数值微分 若ode45失败时，可尝精度中等 试使用 ode23s 刚性 单步法：2阶算法； 当精度较低时， 计算 低精度 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）要特别说明的是：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。 如：Q=dblquad(inline(y*sin(x)),pi,2*pi,0,pi). 例1：求解微分方程，并加以验证。 求解本问题的Matlab程序： syms x y y=dsolve(Dy+2*x*y=x*exp(-x^2),x) simplify(diff(y,x)+2*x*y-x*exp(-x^2)) 说明： 行1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； 行2是用命令求出的微分方程的解：1/2*exp(-x^2)*x^2+exp(-x^2)*C1 行3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) 行4用simplify()函数对上式进行化简，结果为0，表明y=y(x)的确是微分方程的解。 例2：求解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： syms x y y=dsolve(x*