第四讲 一阶线性ODE换元法

最新推荐文章于 2023-06-03 21:50:49 发布
最新推荐文章于 2023-06-03 21:50:49 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： 微分方程 文章标签： 麻省理工学院 微分方程 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_23940575/article/details/82955546
版权
一，一阶线性ODE通常只有两种解法：分离变量法和积分因子法 求解其他一阶微分方程需要先用换元法，化成可用以上两种方法求解的方程二，尺度变换（拉伸或压缩坐标轴的方法）：，，a、b是常数尺度变换的好处：可以改变物理使用的单位； 可以使物理变量无量纲化； 减少或简化方程中的常数（视频例子5:20~10:40）；三，换元法可以分为两类：直接代换：新变量={含老变量的方程}，例，设新...
摘要由CSDN通过智能技术生成

一，一阶线性ODE通常只有两种解法：

  • 分离变量法和积分因子法
  • 求解其他一阶微分方程需要先用换元法，化成可用以上两种方法求解的方程

二，尺度变换（拉伸或压缩坐标轴的方法）：x_{1}=\frac{x}{a}，y_{1}=\frac{y}{b}，a、b是常数

  • 尺度变换的好处：
  1. 可以改变物理使用的单位；
  2. 可以使物理变量无量纲化；
  3. 减少或简化方程中的常数（视频例子5:20~10:40）；

三，换元法可以分为两类：

  1. 直接代换：新变量={含老变量的方程}，例\int x\sqrt{1-x^{2}}dx，设新变量u=1-x^{2}
  2. 逆代换࿱
最低0.47元/天 解锁文章
qq_53766976
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
第三讲 一阶线性ODE
小访客的博客
10-06 1801
一，一阶线性ODE的一般形式：        二，标准形式： 如果或，则方程为齐次方程 三，“温度—浓度”模型： 假设用半透膜（只能渗透盐的膜）包裹着淡水放进已加热的盐水里，淡水的温度是，盐水的温度是， 建立温度扩散的微分方程（牛顿冷却定律）：，t表示时间，k表示热导率，k>0 初始条件： 假设淡水的浓度是，盐水的浓度是 建立浓度扩散的微分方程：，表示扩散率 初始条件...
第七讲 一阶常系数线性ODE
小访客的博客
10-14 1107
一，一阶常系数线性ODE一般形式：        ，k>0        详见第三讲的温度—浓度模型。就是把一阶线性ODE标准形式中的换成常系数k，换成，其中y是t的函数，k>0。 二，输入—响应：  是输入项，参照“温度—浓度模型”中温度和浓度是从外向里输入 解是响应项 三，输入叠加原理： 如果输入，产生响应；输入，产生响应 那么输入，产生响应；输入，产生响应 必须是...
MIT_18.03_ODE _3:一阶线性微分方程（ODE）
weixin_40664094的博客
07-23 725
MIT_18.03_ODE _4:一阶换元法
weixin_40664094的博客
07-23 206
一阶方程换元法(lesson 4)
weixin_43133554的博客
09-24 982
直接换元 对于y′=p(x)y+q(x)yny'=p(x)y+q(x)y^ny′=p(x)y+q(x)yn类型的微分方程可以使用直接换元 等式两侧同时乘以1yn\frac {1} {y^n}yn1​ y′yn=p(x)y1−n+q(x)\frac {y'}{y^n}=p(x)y^{1-n}+q(x)yny′​=p(x)y1−n+q(x) v=y1−nv=y^{1...
第四章基于线性代数与差分方程方法的模型.zip
最新发布
02-25
矩阵可以用来表示一组线性方程，通过行简化或高斯消元法，我们可以解出这些方程的解。此外，特征值和特征向量的概念有助于理解系统的稳定性和响应特性。例如，在控制系统理论中，系统的稳定性可以通过分析其状态空间...
Matlab.rar_ode
09-23
4. **第四步**（k4）：在下一个时间点上，用y0加上k3求斜率k4。 5. **更新**：最后，新的y值是由y0加上k1、k2、k3和k4各自乘以特定权重（1/6、2/6、2/6、1/6）的和来计算得出的。 荣格四阶方法的优势在于其高精度，...
新建文件夹 (2)_一阶常微分方程_一阶微分方程_
10-01
这种方法通常用于解形如 \( \frac{dy}{dx} + p(x)y = q(x) \) 的一阶线性方程。 5. **欧拉方法**：这是一种数值解法，适用于无法解析求解的情况。欧拉方法通过迭代逼近来估计解，尤其在计算机科学中被广泛应用于...
第四章-2 基于MATLAB的线性控制系统的计算机辅助设计1806081
08-04
在MATLAB中，线性控制系统的计算机辅助设计是通过一系列工具和函数来实现的，特别是对于常微分方程（ODE）的求解，这是理解动态系统行为的关键。本章节主要涉及以下几个方面： 1. **常微分方程问题的MATLAB求解**：...
第7讲 Matlab微分方程.ppt 讲解
08-19
Matlab 提供了多种内置数值解器，如 `ode45`（四阶五步龙格-库塔法）、`ode23`（二阶三步龙格-库塔-芬尔格算法）和 `ode113`（适应性步长的高精度方法）。例如，使用 `ode45` 求解m-文件 `vdp1000.m` 定义的方程，...
第二十讲 拉普拉斯变换求解线性ODE
小访客的博客
12-13 3635
一，拉氏变换公式： ， 二，保证的拉氏变换存在的条件： 只有在收敛的情况下，拉氏变换才存在 增长条件：保证拉氏变换存在的前提是的增长速度不能超过的收敛速度， 指数型表达法：，，， 正例： 反例： ，因为 ，因为，， 三，导数的拉氏变换： 解微分方程： 设初始条件：， 一阶导数的拉氏变换： （分部积分） 要使，必须满足增长条件：，，，，或者说 代入初始条件： ...
第五讲 一阶自治ODE
小访客的博客
10-10 966
一，一阶自治ODE的形式： 含义：等式右边是因变量y的函数，不含自变量t（与时间无关）。 这种方程用分离变量就可以解，但有时求解非常繁琐 二，怎么在不解方程的前提下，知道解的性质？可以用几何法做””图： 三、求的解的性质（方程右边是一次方程）： 当时，点为临界点； 根据上式，做“”图和“”图：    当时，递增，箭头朝正方向；当时，递减，箭头朝负方向； 在””图上画出解曲线：...
并行化计算实例-线性方程求解-C
SUPER_HEROs的博客
12-13 1034
#include "stdio.h" #include "stdlib.h" #include "mpi.h" #include "math.h" #define E 0.000001 #define a(x, y) a[x*size+y] #define b(x) b[x] #define v(x) v[x] #define v1(x) v1[x] #define A(x,y) A[x*size+y] #define B(x) B[x] #define V(x) V[x] #define intsize
数值计算一阶常微分方程求解实现
晓风残月xj
12-19 4942
二、引言 常微分方程是在解决实际问题的过程中产生的，微分方程的研究又促进实际问题的解决，从这可以看出微分方程的重要性。关于微分方程的问题一般比较复杂，我们在这里只选取其中较为简单的一阶常微分方程进行研究与讨论。 很多情况下实际问题是能通过抽象建模转化为一阶常微分方程形式的，然而即便给出了一阶常微分方程，想通过它来求解函数在某个点的值也并不是一件容易的事。因为即使给出了一阶微分方程及初值条件，即
Opencv中几何变换
陨星落云的博客
07-13 384
几何变换 OpenCV 提供了两个变换函数，cv2.warpAffine 和 cv2.warpPerspective，使用这两个函数你可以实现所有类型的变换。cv2.warpAffine 接收的参数是2 x 3 的变换矩阵，而 cv2.warpPerspective 接收的参数是 3 x 3 的变换矩阵。 1.尺度变换 尺度变换(缩放，拉伸)是调整图像大小，使其变...
常微分方程（ODE）求解方法总结
luolei188的博客
06-03 2万+
常微分方程，数值求解方法
高斯消元法（二）：高斯消元法原理
热门推荐
cheneyshark的博客
12-08 3万+
高斯消去法是一种常用的求解线性方程组的方法，通过逐次消元后，在回代求解，实际计算中常用的一种方法。 顺序消去法 将Ax=b按照从上至下、从左至右的顺序化为上三角方程组，中间过程不对矩阵进行交换，主要步骤如下。 STEP1: 将第2行至第n行，每行分别与第一行做运算，消掉每行第一个参数。公式如： 形成如下图所示新矩阵： STEP2: 从新矩阵的a22开始
一阶线性常微分方程解法
shawn_shao的博客
04-28 2万+
一阶线性常微分方程求解 一阶线性常微分方程u构造
一阶线性多智能体系统中，其扰动的动力学方程一般为什么形式，请给出一个matlab脚本例子
04-05
一阶线性多智能体系统的扰动动力学方程一般形式为： $$\dot{\delta x_i}(t) = A_i\delta x_i(t) + \sum_{j=1, j \neq i}^{N} B_{ij}\delta x_j(t)$$ 其中，$A_i$和$B_{ij}$是常数矩阵，$\delta x_i(t)$是第$i$个智能体状态的扰动量。 下面是一个简单的matlab脚本例子，演示了如何求解一个二阶线性多智能体系统的扰动动力学方程： ```matlab % 定义系统参数 N = 2; % 智能体数量 A = [-1 0; 0 -2]; % 智能体自身动力学矩阵 B = [0 1; 1 0]; % 智能体之间的耦合矩阵 % 定义初始状态 x0 = [-1; 1]; % 智能体初始状态 dx0 = [0.2; 0.3]; % 扰动初始状态 % 定义时间序列 tspan = [0 10]; % 定义ODE函数 dxdt = @(t, x) linear_multisys(t, x, A, B); % 求解ODE [t, x] = ode45(dxdt, tspan, [x0; dx0]); % 绘制结果 figure; subplot(2,1,1); plot(t, x(:,1), 'b', t, x(:,2), 'r'); xlabel('时间'); ylabel('状态'); legend('智能体1', '智能体2'); title('系统状态'); subplot(2,1,2); plot(t, x(:,3), 'b', t, x(:,4), 'r'); xlabel('时间'); ylabel('扰动'); legend('智能体1', '智能体2'); title('系统扰动'); ``` 其中，ODE函数linear_multisys的代码如下： ```matlab function dxdt = linear_multisys(t, x, A, B) N = size(A, 1); % 智能体数量 x = reshape(x, [], 2); % 将状态和扰动拆分开来 dxdt = zeros(2*N, 1); % 初始化ODE结果向量 for i = 1:N % 计算第i个智能体的状态方程 dxdt(i) = A(i,:) * x(i,:)' + B(i,:) * x(N+(1:N),:)'; % 计算第i个智能体的扰动方程 dxdt(N+i) = A(i,:) * x(N+i,:)' + B(i,:) * x(N+(1:N),:)'; end % 将结果向量拼接成列向量 dxdt = dxdt(:); end ``` 该脚本求解了一个由两个智能体组成的系统，每个智能体的动力学矩阵$A_i$和耦合矩阵$B_{ij}$都是已知的。初始状态$x_0$和扰动状态$\delta x_0$也已经给定。脚本使用ode45函数求解系统的ODE方程，并将结果绘制成图表。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值