微分方程概论


文章目录

  • 概念
  • 案例讲解-摆动球
  • 难以计算
  • 状态的表示
  • 向量场
【微分方程概论】
概念 微分方程概论
文章图片

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
微分方程概论
文章图片

你会发现当摆动幅度较大时候
微分方程概论
文章图片

摆动周期会比中学计算公式计算出来的更大
微分方程概论
文章图片

当距离更远就不像余弦函数了
微分方程概论
文章图片

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。
微分方程概论
文章图片

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¨=?Lg?sin(θ)
加入空气阻力,假设空气阻力大小与速度的大小成正比,。
微分方程概论
文章图片

微分方程概论
文章图片

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。
微分方程概论
文章图片

微分方程概论
文章图片

通常才用直接写程序试凑的方法得到。
微分方程概论
文章图片

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。
微分方程概论
文章图片

微分方程概论
文章图片

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 微分方程概论
文章图片

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
微分方程概论
文章图片

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)]
微分方程概论
文章图片

微分方程概论
文章图片

在这里已经把二阶微分方程,分解为两个一阶方程。
微分方程概论
文章图片

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。
微分方程概论
文章图片

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
微分方程概论
文章图片

微分方程概论
文章图片

这是常微分方程的数值解法。

    推荐阅读