概念
微分方程分为2类,只有一个变量的常微分方程(ODE)和有两个变量的偏微分方程(PDE)
案例讲解-摆动球
这里是一个球摆动模型,我们来建立微分方程
你会发现当摆动幅度较大时候
摆动周期会比中学计算公式计算出来的更大
当距离更远就不像余弦函数了
为了理解这个问题我们建立微分方程来解决
我们用这个振幅所对应的弧长X来表示它的位置,若
θ
\theta
θ是弧度制,则x可表示为
L
∗
θ
L*\theta
L∗θ,这里L是摆长。考虑重力受力图如下,加速度前面的负号总是与指向与位移相反的方向。
所以x的二阶导数,即加速度是
−
g
∗
sin
(
θ
)
-g^{*} \sin (\theta)
−g∗sin(θ)
a
=
x
¨
=
−
g
sin
(
θ
)
a=\ddot{x}=-g \sin (\theta)
a=x¨=−gsin(θ)
因为
x
=
L
∗
θ
x=L*\theta
x=L∗θ,所以
θ
\theta
θ的二阶导数是
−
g
∗
s
i
n
(
θ
)
/
L
-g*sin(\theta)/L
−g∗sin(θ)/L
θ
¨
=
−
g
L
sin
(
θ
)
\ddot{\theta}=-\frac{g}{L} \sin (\theta)
θ¨=−Lgsin(θ)
加入空气阻力,假设空气阻力大小与速度的大小成正比,。
一开始我们以为曲线会以正弦的波动形式摆动,但实际上单摆不会以正弦波动形式摆动的原因就是中间的
s
i
n
(
θ
(
t
)
)
sin(\theta{(t)})
sin(θ(t))
难以计算
在这里微分方程的难点就是难以计算,如果去掉阻力项,则勉强可以计算。
通常才用直接写程序试凑的方法得到。
状态的表示
单摆的状态可以用两个数字来表示,角度和角速度,你可以在不影响其中一个值得情况下改变另一个值。但加速度只关于这两个值得函数,所以这个二维平面上的点完全描述了任意给定时刻的单摆。
从开始时候,随着
θ
\theta
θ减小,
θ
′
\theta^{\prime}
θ′在y方向越来越小。是因为在最接近低点时候,单摆向左的速度越来越大,景观单摆的速度方向是向左,在我们二维空间中,速度大小由垂直分量代表,这个图描述了单摆因为空气阻力失去能量的运动。
通过这个空间,我们可以将微分方程可视化为向量场
向量场
解释如下,单摆状态是这个向量
[
θ
(
t
)
,
θ
′
(
t
)
]
[\theta(t),\theta^{\prime}(t)]
[θ(t),θ′(t)],你可以把它想成一个起点为原点的箭头或一个点
对这个向量求导就可以得到它的变化率,也就是它在图像中变化趋势的速度大小和方向。,这个导数是一个新向量
[
θ
′
(
t
)
,
θ
′
′
(
t
)
]
[\theta^{\prime}(t),\theta^{\prime\prime}(t)]
[θ′(t),θ′′(t)]
在这里已经把二阶微分方程,分解为两个一阶方程。
在向量图中如果
θ
′
\theta^\prime
θ′特别高的区域,向量引导走了很多之后才会进入一个内旋螺旋中。
有趣的是,当我们提高空气阻力系数,你会立即发现轨迹线很快进入漩涡中
在这里把python的代码显示如下
这是常微分方程的数值解法。