python 解决微分方程的操作(数值解法)
作者:Thole Lee 发布时间:2021-08-11 23:50:24
标签:python,微分方程
Python求解微分方程(数值解法)
对于一些微分方程来说,数值解法对于求解具有很好的帮助,因为难以求得其原方程。
比如方程:
但是我们知道了它的初始条件,这对于我们叠代求解很有帮助,也是必须的。
那么现在我们也用Python去解决这一些问题,一般的数值解法有欧拉法、隐式梯形法等,我们也来看看这些算法对叠代的精度有什么区别?
```python
```python
import numpy as np
from scipy.integrate import odeint
from matplotlib import pyplot as plt
import os
#先从odeint函数直接求解微分方程
#创建欧拉法的类
class Euler:
#构造方法,当创建对象的时候,自动执行的函数
def __init__(self,h,y0):
#将对象与对象的属性绑在一起
self.h = h
self.y0 = y0
self.y = y0
self.n = 1/self.h
self.x = 0
self.list = [1]
#欧拉法用list列表,其x用y叠加储存
self.list2 = [1]
self.y1 = y0
#改进欧拉法用list2列表,其x用y1叠加储存
self.list3 = [1]
self.y2 = y0
#隐式梯形法用list3列表,其x用y2叠加储存
#欧拉法的算法,算法返回t,x
def countall(self):
for i in range(int(self.n)):
y_dere = -20*self.list[i]
#欧拉法叠加量y_dere = -20 * x
y_dere2 = -20*self.list2[i] + 0.5*400*self.h*self.list2[i]
#改进欧拉法叠加量 y_dere2 = -20*x(k) + 0.5*400*delta_t*x(k)
y_dere3 = (1-10*self.h)*self.list3[i]/(1+10*self.h)
#隐式梯形法计算 y_dere3 = (1-10*delta_t)*x(k)/(1+10*delta_t)
self.y += self.h*y_dere
self.y1 += self.h*y_dere2
self.y2 =y_dere3
self.list.append(float("%.10f" %self.y))
self.list2.append(float("%.10f"%self.y1))
self.list3.append(float("%.10f"%self.y2))
return np.linspace(0,1,int(self.n+1)), self.list,self.list2,self.list3
step = input("请输入你需要求解的步长:")
step = float(step)
work1 = Euler(step,1)
ax1,ay1,ay2,ay3 = work1.countall()
#画图工具plt
plt.figure(1)
plt.subplot(1,3,1)
plt.plot(ax1,ay1,'s-.',MarkerFaceColor = 'g')
plt.xlabel('横坐标t',fontproperties = 'simHei',fontsize =20)
plt.ylabel('纵坐标x',fontproperties = 'simHei',fontsize =20)
plt.title('欧拉法求解微分线性方程步长为'+str(step),fontproperties = 'simHei',fontsize =20)
plt.subplot(1,3,2)
plt.plot(ax1,ay2,'s-.',MarkerFaceColor = 'r')
plt.xlabel('横坐标t',fontproperties = 'simHei',fontsize =20)
plt.ylabel('纵坐标x',fontproperties = 'simHei',fontsize =20)
plt.title('改进欧拉法求解微分线性方程步长为'+str(step),fontproperties = 'simHei',fontsize =20)
plt.subplot(1,3,3)
plt.plot(ax1,ay3,'s-.',MarkerFaceColor = 'b')
plt.xlabel('横坐标t',fontproperties = 'simHei',fontsize =20)
plt.ylabel('纵坐标x',fontproperties = 'simHei',fontsize =20)
plt.title('隐式梯形法求解微分线性方程步长为'+str(step),fontproperties = 'simHei',fontsize =20)
plt.figure(2)
plt.plot(ax1,ay1,ax1,ay2,ax1,ay3,'s-.',MarkerSize = 3)
plt.xlabel('横坐标t',fontproperties = 'simHei',fontsize =20)
plt.ylabel('纵坐标x',fontproperties = 'simHei',fontsize =20)
plt.title('三合一图像步长为'+str(step),fontproperties = 'simHei',fontsize =20)
ax = plt.gca()
ax.legend(('$Eular$','$fixed Eular$','$trapezoid$'),loc = 'lower right',title = 'legend')
plt.show()
os.system("pause")
对于欧拉法,它的叠代方法是:
改进欧拉法的叠代方法:
隐式梯形法:
对于不同的步长,其求解的精度也会有很大的不同,我先放一几张结果图:
补充:基于python的微分方程数值解法求解电路模型
安装环境包
安装numpy(用于调节range) 和 matplotlib(用于绘图)
在命令行输入
pip install numpy
pip install matplotlib
电路模型和微分方程
模型1
无损害,电容电压为5V,电容为0.01F,电感为0.01H的并联谐振电路
电路模型1
微分方程1
模型2
带电阻损耗的电容电压为5V,电容为0.01F,电感为0.01H的的并联谐振
电路模型2
微分方程2
python代码
模型1
import numpy as np
import matplotlib.pyplot as plt
L = 0.01 #电容的值 F
C = 0.01 #电感的值 L
u_0 = 5 #电容的初始电压
u_dot_0 = 0
def equition(u,u_dot):#二阶方程
u_double_dot = -u/(L*C)
return u_double_dot
def draw_plot(time_step,time_scale):#时间步长和范围
u = u_0
u_dot = u_dot_0 #初始电压和电压的一阶导数
time_list = [0] #时间lis
Votage = [u] #电压list
plt.figure()
for time in np.arange(0,time_scale,time_step):#使用欧拉数值计算法 一阶近似
u_double_dot = equition(u,u_dot) #二阶导数
u_dot = u_dot + u_double_dot*time_step #一阶导数
u = u + u_dot*time_step #电压
time_list.append(time) #结果添加
Votage.append(u) #结果添加
print(u)
plt.plot(time_list,Votage,"b--",linewidth=1) #画图
plt.show()
plt.savefig("easyplot.png")
if __name__ == '__main__':
draw_plot(0.0001,1)
模型2
import numpy as np
import matplotlib.pyplot as plt
L = 0.01 #电容的值 F
C = 0.01 #电感的值 L
R = 0.1 #电阻值
u_0 = 5 #电容的初始电压
u_dot_0 = 0
def equition(u,u_dot):#二阶方程
u_double_dot =(-R*C*u_dot -u)/(L*C)
return u_double_dot
def draw_plot(time_step,time_scale):#时间步长和范围
u = u_0
u_dot = u_dot_0 #初始电压和电压的一阶导数
time_list = [0] #时间lis
Votage = [u] #电压list
plt.figure()
for time in np.arange(0,time_scale,time_step):#使用欧拉数值计算法 一阶近似
u_double_dot = equition(u,u_dot) #二阶导数
u_dot = u_dot + u_double_dot*time_step #一阶导数
u = u + u_dot*time_step #电压
time_list.append(time) #结果添加
Votage.append(u) #结果添加
print(u)
plt.plot(time_list,Votage,"b-",linewidth=1) #画图
plt.show()
plt.savefig("result.png")
if __name__ == '__main__':
draw_plot(0.0001,1)
数值解结果
模型1
纵轴为电容两端电压,横轴为时间与公式计算一致
模型2结果
纵轴
为电容两端电压,横轴为时间标题
最后我们可以根据调节电阻到达不同的状态
R=0.01,欠阻尼
R=1.7,临界阻尼
R=100,过阻尼
来源:https://blog.csdn.net/weixin_42312037/article/details/111828651


猜你喜欢
- 前言:使用“宇宙最强IDE”开发项目时,都需要根据不同情况选择一个项目模板,来满足开发需求:如下VS为我们提供了基础的项目模板,但现有项目模
- 话不多说,请看代码:SQLServer Procedure Pagination_basic:ALTER PROCEDURE [qianch
- 前言最近在爬行 nosec.org 的数据,看了下需要模拟登录拿到cookie后才能访问想抓的数据,重要的是 nosec.org 的登录页面
- 首先对空格宽度的定义:空格,由于每个浏览器处理会有微小的不同,在这里我将可以选中的宽度作为空格的宽度。视觉宽度和可选中的宽度有 0~3px
- Vue Grid Layout官方文档Vue Grid Layout中文文档1. npm下载拖拽缩放库npm install vue-gri
- API的应用通常会处理json数据,刚好今天看到了json字符串和python字符串的区别,放一段代码,区别一下子就看出来,的确json 库
- 我们常常会用到PHP过滤一些标签的功能,比如过滤链接标签、过滤script标签等等,下面就介绍一下PHP过滤常用标签的正则表达式代码:$st
- 本文实例讲述了Python flask框架post接口调用。分享给大家供大家参考,具体如下:from flask import Flask,
- 1.元组的概念Python中的元组和列表很相似,元组也是Python语言提供的内置数据结构之一,可以在代码中直接使用。元组和列表就像是一个孪
- eval前言In [1]: eval("2+3")Out[1]: 5In [2]: eval('[x for x
- 前言我的JavaScript水平比较一般.好吧,是相当的一般.因此,对于最新的前端框架技术,实在是有点困难,但现实让我必须面对.因此,学习是
- openpyxl打开的文件是否需要关闭如果是只读或者只写的模式下,是需要再调用close()方法关闭workbook,正常的情况下是不需要调
- 在Jupyter Notebook上使用Python+opencv实现如下图像缺陷检测。关于opencv库的安装可以参考:Python下op
- 因AJAX接受数据时服务器默认是采用UTF-8的编码形式进行传送,所以在很多GB2312中文网页中应用AJAX回传数据经常会发生中文乱码。解
- 一、媒体管道1.1、媒体管道的特性媒体管道实现了以下特性:避免重新下载最近下载的媒体指定存储位置(文件系统目录,Amazon S3 buck
- 前言:keras默认提供了如何获取某一个层的某一个节点的输出,但是没有提供如何获取某一个层的输出的接口,所以有时候我们需要获取某一个层的输出
- 一、概述在ubuntu环境下进行嵌入式开发,我们在进行不同的项目开发时,可能会遇到python环境不统一的情况。这时,我们可以通过updat
- 我就废话不多说了,还是直接上代码吧!import osimport xml.dom.minidomimport cv2 as cvImgPa
- Selenium 是一个用于Web应用程序测试的工具。Selenium测试直接运行在浏览器中,就像真正的用户在操作一样。支持的浏览器包括IE
- 『写在前面』以CTC Beam search decoder为例,简单整理一下TensorFlow实现自定义Op的操作流程。基本的流程1.