常微分方程初值问题的数值方法 Python实现

Picard迭代:从理论到实践的常微分方程求解指南 本文详细介绍了Picard迭代法在常微分方程求解中的应用,从理论到实践全面解析其原理、优势及Python实现。通过具体代码示例和误差分析,展示如何利用Picard迭代解决初值问题,特别适合理论分析和特殊非线性问题的求解。文章还提供了收敛性判断、性能优化及非线性问题处理等实用技巧,帮助读者掌握这一经典数值方法。 阅读详情
原理:

(1)利用Euler方法和改进的Euler方法求解初值问题
(2)利用Runge-Kutta方法求解初值问题

步骤:
这里写图片描述

import math

def f1(x, y):
    if x == 0:
        return 0
    else:
        return ((4 * x) / y) - (x * y)
def f2(x, y):
    return x ** 2 - y ** 2


def Euler(a, b, alpha, N):
    h = (b - a) / N
    x = a
    y = alpha
    out = [(x, y, y, y-y)]
    print ("%-10s %-10s %-10s %-10s"%("Xn","Yn","Y(Xn)","Y(Xn)-Yn"))
    print ("%-10.6f %-10.6f %-10.6f %-10.6f"%(x,y,y,y-y))
    for n in range(1, N + 1):
        y = y + h * f1(x,y)
        x = x + h
        Y = (4 + 5 * (math.e ** -(x ** 2))) ** 0.5
        out.append((x, y, Y, y-Y))
        print ("%-10.6f %-10.6f %-10.6f %-10.6f"%(x,y,Y,y-Y))
    return out

def EulerPlus(a, b, alpha, N):
    h = (b - a) / N
    x = a
    y = alpha
    print ("%-10s %-10s %-10s %-10s"%("Xn","Yn","Y(Xn)","Y(Xn)-Yn"))
    print ("%-10.6f %-10.6f %-10.6f %-10.6f"%(x,y,y,y-y))
    out = [(x, y, y, y-y)]
    for n in range(1, N + 1):
        K1 = f1(x, y)
        K2 = f1((x + h), (y + h * K1))
        y = y + h * (K1 + K2) / 2
        x = x + h
        Y = (4 + 5 * (math.e ** -(x ** 2))) ** 0.5
        out.append((x, y, Y, y-Y))
        print ("%-10.6f %-10.6f %-10.6f %-10.6f"%(x,y,Y,y-Y))
    return out


def RungeKutta(a, b, alpha, N):
    h = (b - a) / N
    x = a
    y = alpha
    out = [(x,y)]
    print ("%-10s %-10s"%("Xn","Yn"))
    print ("%-10.6f %-10.6f"%(x,y))
    for n in range(1, N + 1):
        K1 = f2(x, y)
        K2 = f2((x + h / 2),(y + (h * K1) / 2))
        K3 = f2((x + h / 2),(y + (h * K2) / 2))
        K4 = f2((x + h),(y + h * K3))
        y = y + h * (K1 + 2 * K2 + 2 * K3 + K4) / 6
        x = x + h
        out.append((x,y))
        print ("%-10.6f %-10.6f"%(x,y))
    return out



Euler(0,2,3,20)
Euler(0,2,3,10)
Euler(0,2,3,5)
EulerPlus(0,2,3,20)
EulerPlus(0,2,3,10)
EulerPlus(0,2,3,5)
RungeKutta(-1,0,0,10)
RungeKutta(-1,0,0,5)

四阶龙格-库塔(Runge-Kutta)算法详解 四阶龙格-库塔(RK4)方法是一种数值积分方法,用于求解常微分方程(ODE)。由龙格和库塔提出,RK4 通过计算四个中间斜率并加权平均,提高精度,误差为 \( O(h^4) \),比欧拉法和二阶 RK 方法更稳定。其计算量适中,在工程、物理、金融等领域广泛应用。尽管存在更高阶 RK 方法(如 RK5),但 RK4 因精度与计算效率的良好平衡,仍是最常用的 ODE 求解方法之一。 阅读详情

相关推荐

【微分方程数值解】常\偏微分方程及其常用数值解法概述

博主在这段时间将不断更新有限差分法在偏微分方程中的应用,并以python为工具讲解三类偏微分方程的有限差分法实现。 直通链接: ... 未完待续 有限差分法的引入与介绍 ========== 微分方程(model)是描述现实问题的重要模型,很多重要的现象都是用微分方程描述刻画的,例如记忆棉受力分析、声波传播、弦振动问题等等。将一个问题转化为微分方程后,如何得到尽可能逼近真解的数值解,是我们...

qq_39482771的博客 1万+

常微分方程初值问题数值解法[完整公式](Python)

目录 1、概述 (1)常微分方程初值问题数值解法 (2)解题步骤 (3)数值微分解法 (4)数值积分解法 2、所有知识点代码 3、结果---以三阶Runge-Kutta公式为例(其他的类示) 1、概述 (1)常微分方程初值问题数值解法 (2)解题步骤 (3)数值微分解法 (4)数值积分解法 2、所有知识点代码 import numpy as np import matplotlib.pyplot as ...

weixin_46039719的博客 3222

12、非线性常微分方程组的求解方法与实践

本文详细介绍了非线性常微分方程组的数值求解方法,包括高斯中点法、Lobatto IIIA方法(隐式梯形法和Hermite-Simpson方法)的原理及代码实现。同时,对比了MATLAB和Python中常用的求解器,如ode45、ode23s和scipy.integrate.odeint,涵盖了非刚性和刚性问题的求解策略及应用示例。文中提供了多种实际问题的建模与求解案例,如种群竞争模型、HIV病毒动力学模型以及Vanderpool振荡器等,帮助读者理解不同方法的适用场景和实现细节。

m3n5b7v8c9x的博客 67

python——求解微分方程

1.用预报-校正法解下面常微分方程的初值问题。 2.用r-k方法求解初值问题: import math as mh import matplotlib.pyplot as plt def g(x): ni=1/((x**2)+1) return ni def no(jk1,h2):#question one with prediction correction method global y def f(x,y): xv=-2*x*(y**..

Thattear的博客 3561

DIY必备:如何用N-MOS管搭建低成本DC有刷电机驱动电路(附原理图+避坑指南)

本文详细介绍了如何使用N-MOS管搭建低成本、高可靠性的DC有刷电机驱动电路。针对DIY爱好者,从核心原理、电路设计、元件选型到焊接调试,提供了完整的实战指南,并重点解析了续流二极管选型、栅极驱动设计等关键避坑要点,帮助读者成功驱动电机并确保电路稳定运行。

delta的博客 777

NACA0012的O型网格求解

本篇文章采用偏微分方程数值解法生成NACA0012翼型O型网格,并采用速度势方程求解绕NACA0012翼型迎角为0度时的低速不可压无粘流场。 文章目录一、求解网格1.翼型2.远场3.网格4.迭代5.求解二、求解流场1.偏微分方程2.迭代求解流场三、求解参数1.偏微分方程2.迭代求解四、导出数据 一、求解网格 1.翼型 本次求解网格和流场等采用的是NACA0012(修形)对称翼型,在NACA四位翼型中,第一位数字代表的是弯度,第二位数字代表的是弯度位置,后两位数字代表的是厚度,由于本次翼型的前两位数字都为0,

m0_50746433的博客 6677

偏微分方程数值解法python_微分方程 | 常微分

微分方程的定于与分类 微分方程:含有未知函数的导数或微分的方程 1)微分的阶数:微分方程中出现的未知函数的最高阶导数的阶数 2)常微分方程:未知函数是一元函数的(自变量只有一个) 偏微分方程:未知函数是多元函数的(自变量为多个偏导数) 3)线性:微分项均为一次 4)常系数:微分方程的系数均为常数 5)特解:微分方程的解中含有一个或多个独立的任意常数 通解:微分...

weixin_33154775的博客 787

5nm制程的CV5芯片实测:用它给无人机做8K拍摄和实时避障,功耗和性能到底怎么样?

本文深度评测了5nm制程的CV5芯片在无人机8K拍摄和实时避障中的表现。通过实测数据展示了CV5的异构计算架构、8K视频编码性能和CVflow®AI引擎的加速效果,同时提供了开发中的优化技巧和散热建议,为无人机开发者提供了实用的参考。

weixin_30861797的博客 359

第二单元 用python学习微积分(十五)微分方程和分离变量法

本文内容来自于学习麻省理工学院公开课:单变量微积分-微分方程和分离变量-网易公开课 正态分布_百度百科 彻底理解正态分布--强大的数学分析工具 标准差公式_百度百科 一、微分方程: 1、第一类 2、第二类 湮没算符 (当y=0时, 可以看到等式成立 ( ) 这里老师说这个是正态分布的公式 检查: 正态分布曲线公式: (μ是遵从正态分布的随机变量的均值,第二个参数σ2是此随机变量的方差) 正态分布标准差的意义在于,它遵循一个经验法.

牛眼观世界 865

手把手教你配置MAX96712解串器:从I2C地址分配到PWM帧同步

本文详细解析了MAX96712解串器在自动驾驶视觉链路中的核心配置流程。从I2C地址分配、GMSL2数据流映射到实现多摄像头精准同步的PWM帧同步触发,手把手指导工程师构建高可靠性的图像传输系统,并提供了实用的Linux调试技巧与问题排查思路。

weixin_29297127的博客 929

CRaxsRat v7.6 安装与使用教程(附工具下载)

摘要:本文介绍远程管理工具CRaxsRat v7.6的合法应用与基本操作,强调仅限授权环境使用。该工具支持多客户端管理、TLS加密及文件/进程控制等功能,适用于内网维护与安全测试。安装需Windows 10/11系统及.NET 4.8,步骤包括解压运行、配置监听端口及生成客户端。文中提醒防火墙设置与杀软误报问题,并重申禁止非法用途,建议在虚拟机或隔离环境学习使用。

lzj781210的博客 3797

python解zuobiaoxi方程_Python数值计算----------二维波动方程有限差分解

波动现象在生活中非常常见,比如你随便扔一颗石子到平静的湖面上,一圈圈的波纹图案就会出现。波动现象的控制方程为波动方程,下面不要眨眼,请欣赏美丽的波纹:正方形域内波反射图案矩形区域波反射图案三角形区域(一条边为无反射边界)波反射图案只要我们求解出波动方程我们就可以得到上面美丽的图案,那么什么是波动方程呢,二维的波动方程它大概长这个样子:这个方程可以描述薄膜的振动,可以理解为波在一个绷紧的弹性膜中的传...

weixin_39815600的博客 633

使用R语言中的NbClust包确定最佳聚类簇数

聚类分析是一种常用的数据分析技术,它将相似的数据点分组成不同的簇。NbClust包是R语言中一个强大的工具,它提供了多种方法来帮助我们确定最佳的聚类簇数。综上所述,使用R语言中的NbClust包可以帮助我们确定最佳的聚类簇数。通过选择适当的聚类算法和评估指标,我们可以更好地理解数据集的结构和模式,并根据需要进行进一步的分析和解释。此外,NbClust包还提供了其他函数和参数,用于执行不同的聚类算法、选择不同的评估指标等。安装完毕后,我们需要加载NbClust包,以便使用其中的函数。函数来确定最佳聚类簇数。

2301_79326559的博客 2281

【数学知识】常微分方程的数值求解及python实现1

常微分方程的数值求解及python实现,包括欧拉公式的理论推导以及相应的python实现代码

陈艺荣 5087

【PCIe EP 设备入门学习专栏 -- 8 PCIe EP 架构详细介绍】

Synopsys PCIe 5.0 EP 架构由多个功能模块组成,整体遵循分层 + 模块化设计CXPL(事务层 + 链路层 + 物理层 MAC)XADM(仲裁/生成)、XAIM(应用接口)RADM(过滤/路由/Completion)CDM(配置空间)、PMC(电源管理)、LBC/DBI(寄存器访问)MSG_GEN(消息)、CXS(多芯片一致性)

CodingCos的博客 384

R语言做一个 GM (1,1)灰色预测模型

累加生成是GM(1,1)模型的另一个重要步骤,它通过构造累加生成序列,把非线性非平稳时间序列转化为线性平稳时间序列。GM(1,1)是一种基于灰色系统理论的预测模型,通常用于中小样本的非线性、非平稳时间序列数据分析。灰色预测模型的核心是灰度处理,将原始时间序列转化为灰色时间序列。这里使用R语言中的diff函数对时间序列进行一次差分,然后对结果取累加和得到灰度序列。以上是GM(1,1)灰色预测模型在R语言中的实现步骤。需要注意的是,GM(1,1)模型适用于中小样本的时间序列预测,对于长期预测效果可能较差。

Mrrunsen的博客 3842

常微分方程初值问题的数值解法—数值分析实验

一、目的与要求 (一)目的通过设计、编制、调试1~2个求常微分方程初值问题的数值解解的程序,加深对其数值计算方法及有关的基础理论知识的理解。 (二)要求 用编程语言实现用改进的欧拉(Euler)公式求解常微分方程初值问题、用四阶龙格-库塔(Runge-Kutta)方法求解常微分方程初值问题的程序。 二、示例 1、问题用改进的欧拉(Euler)公式求解常微分方程初值问题。 2、算法描述(略) ...

Road 3348

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

常微分方程数值解法——python实现

研究生课程《应用数值分析》结课了,使用python简单记录了下常微分方程数值解法。 向前欧拉法 {yi+1=yi+hif(xi,yi)y0=y(a) \left \{ \begin{array}{lr} y_{i+1}=y_i+h_i f(x_i,y_i) \\ y_0=y(a) \end{array} \right . {yi+1​=yi​+hi​f(xi​,yi​)y0​=y(a)​ fro...

ouening的博客 1万+

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

【数值计算方法(黄明游)】常微分方程初值问题的数值积分法:欧拉方法(向后Euler)【理论到程序】

本文介绍了常微分方程初值问题的数值积分法之向后Euler方法,包括基本理论及python实现等

天地玄黄 魑魅魍魉 风花雪月 商角徵羽 4362

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

计算物理与程序设计——常微分方程的初值问题

本文介绍了常微分方程(ODE)的数值解法,重点讨论了欧拉法和四阶龙格-库塔法。对于一维运动粒子的动力学方程,通过牛顿第二定律转换为耦合一阶方程,当解析解难以求得时可采用数值方法求解。欧拉法通过向前差分近似微分,具有一阶精度,并给出了Python实现示例。四阶龙格-库塔法在精度和效率上具有优势,文中详细推导了其计算步骤并提供了Python代码实现。两种方法均适用于多阶微分方程,通过简谐振动方程示例展示了实际应用。数值解法的误差分析表明,欧拉法的全局误差与步长成正比,而龙格-库塔法通过多步加权平均提高了精度。

swing_cat的博客 641

【数值分析实验】常微分方程初值问题:显示欧拉法、隐式欧拉法、欧拉改进法、四阶龙格库塔(python)

常微分方程初值问题的数值解法 调包 import math import numpy as np import matplotlib.pyplot as plt 显示欧拉法 fStr为函数str名 #显式欧拉法 def EulerExplicit(x0,y0,h,fStr): xn = x0 yn = y0 n = 0 ns = [n] xs = [xn] ys = ['%.8f'%yn] while n < 50: n +=

weixin_46144494的博客 3065

东南大学研究生-数值分析上机题(2023)Python 6 常微分方程数值解法

根据数值分析理论推导的结果,RK4、AB4、AB4-AM4预测校正具有4阶精度,而改进的AB4-AM4预测校正具有5阶精度,但是对于该问题来说,比较四种常微分方程数值解法在0.11.5[0.1,1.5]0.11.5上的整体截断误差,则是RK4<改进的AB4-AM4预测校正<AB4-AM4预测校正<AB4,RK4(单步法)的精度要比多步法(AB4、AB4-AM4预测校正、改进的AB4-AM4预测校正)的精度更高;要根据不同的问题选择合适的数值解法,公式的精度越高不代表实际的求解精度越高;

Linkon的博客 1290

有限差分法求解綫性常微分方程及python實現

有限差分法是一種數值方法,用於近似求解微分方程的解。基於將導數替換為差分商的概念,即用函數值的有限差分來近似導數。這種方法在求解偏微分方程(PDES)和常微分方程(ODES)的數值解時非常有用。基本原理 有限差分法的核心思想是將連續的數學問題離散化。對於一個微分方程,我們不是在連續的點上求解,而是在一個網格上的離散點上求解。這些網格點之間的間隔成爲步長。(對於時間是時間步長,對於空間是空間步長)有限差分的類型1.向前差分 其中h是步長2.向後差分 3.中心差分應用

m0_58570031的博客 1761

前向欧拉法、后向欧拉法简介

这里简单介绍一下前向欧拉法和后向欧拉法。 (在百度上没有找到满意的结果,所以在此补充)

the Blog of 等不到天亮丶等时光 6万+
上一篇: 数值积分 Python实现
下一篇: KMP模式匹配算法 Java实现
Yonghua Li
博客等级 码龄10年 38粉丝 61原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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