matlab中ode指令,[转载]MATLAB中ODE的使用

ode23 解非刚性微分方程,低精度,使用Runge-Kutta法的二三阶算法。ode45 解非刚性微分方程,中等精度,使用Runge-Kutta法的四五阶算法。ode113 解非刚性微分方程,变精度变阶次Adams-Bashforth-Moulton PECE算法。ode23t 解中等刚性微分方程,使用自由内插法的梯形法则。ode15s 解刚性微分方程,使用可变阶次的数值微分(NDFs)算法。ode23s 解刚性微分方程,低阶方法,使用修正的Rosenbrock公式。ode23tb 解刚性微分方程,低阶方法,使用TR-BDF2方法,即Runger-Kutta公式的第一级采用梯形法则,第二级采用Gear法。[t,YY]=solver('F',tspan,Yo)解算ODE初值问题的最简调用格式。solver指上面的指令。

tspan=[0,30]; %时域t的范围y0=[1;0]; %y(1)y(2)的初始值[tt,yy]=ode45(@DyDt,tspan,y0);plot(tt,yy(:,1)),title('x(t)')function ydot=DyDt(t,y)ydot=[y(2); 2*(1-y(1)^2)*y(2)-y(1)]

刚性方程:刚性是指其Jacobian矩阵的特征值相差十分悬殊。在解的性态上表现为,其中一些解变化缓慢,另一些变化快,且相差较悬殊,这类方程常常称为刚性方程,又称为Stiff方程。刚性方程和非刚性方程对解法中步长选择的要求不同。刚性方程一般不适合由ode45这类函数求解,而应该采用ode15s等。如果不能分辨是否是刚性方程,先试用ode45,再用ode15s。

[t,YY,Te,Ye,Ie] = solver('F',tspan,Yo,options,p1,p2,…)解算ODE初值问题的最完整调用格式。为了能够解出方程,要用指令odeset确定求解的条件和要求。在MATLAB中,求解方程组的指令都有默认的求解的条件和要求(由结构数组options表示),但可以用odeset修改或重新建立,也可以用odeget去获取已有的“优化选项”的信息。指令odeset和odeget用法介绍如下:语句格式如下:options=odeset(‘name1’,value1,’name2’,value2,…)options=odeset(oldopts,‘name1’,value1,’name2’,value2,…)options=odeset(oldopts,newopts)odeset第一种调用格式是指定各个参数的取值,对不指定取值的参数,取默认值。在不引起混淆的情况下,参数名可以只键入前面的几个字母,也不必区分大小写,如用“abst”表示AbsTol.但数值的输入必须格式正确,否则仍采用默认值。第二种格式使用了原来的优化选项,但对其中的参数1等指定了新值。第三种格式合并了两个优化选项oldopts newopts,重复部分取newopts的指定值):第四种格式可在屏幕上显示如下全部可设置的参数及其默认值。

键入help odeset可查看全部参数的说明,下面对其中几个参数举例说明。RelTol 相对误差,默认值为1e-3AbsTol 绝对误差,默认值为1e-6OutputFcn 输出方式,默认值为‘odeplot’,其它选项有:odeplot 按时间顺序画出全部变量的解odephase2 二维相空间中两个变量的图形odephase2三维相空间中三个变量的图形odeprint 打印输出语句格式:val=odeget(options,’name’)这里options是由odeset设定的优化选项。该语句从优化选项中提取指定的参数的取值。如果该参数没有指定值,则返回空阵[]。optionsodeget(options,'Reltol')options=odeset(options,'Reltol',1e-6)odeget(options,'Reltol')

function ydot=lorenfcn(t,y)ydot=[-8/3*y(1)+y(2)*y(3);-10*y(2)+10*y(3);-y(2)*y(1)+35*y(2)-y(3)];

axis([10 50 -50 50 -50 50])view(3)hold ontitle('Lorenz Attractor')options=odeset('OutputFcn','odephas3');[t,y]=ode23(@lorenfcn,[0 20],[0,0,eps],options);

% EPS 

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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