算法的數學描述圖解

實例

用Euler算法求解初值問題
\[ \frac{dy}{dx}=y+\frac{2x}{y^2}\]
初始條件\(y(0)=1\)，自變量的取值范圍\(x \in [0, 2]\)

算法Python3代碼求解

# 導入包 import numpy as np import matplotlib.pyplot as plt # 定義求解函數 y_dot = y + 2*x/(y*y) def fx(y, x):return y + 2*x/(y*y) # 算法定義 def ode_euler(f, y0, tf, h):"""Solve and ODE using Euler method.Solve the ODE y_dot = f(y, t)Parameters------------:param f: functionFunction describing the ODE:param y0: array_likeInitial conditions.:param tf: floatFinal time.:param h: floatTime step:return:y : array_likeSolution to the ODE.t : array_likeTime vector."""y0 = np.array(y0)ts = np.arange(0, tf + h, h)y = np.empty((ts.size, y0.size))y[0, :] = y0for t, i in zip(ts[1:], range(ts.size - 1)):y[i + 1, :] = y[i, :] + h * f(y[i, :], t)return y, ts # 實例應用案例 def newton_cooling_example():print('Solving Newton Cooling ODE...')y, ts = ode_euler(fx, 1, 2, 0.01)print('Done.')plt.figure()plt.plot(ts, y)plt.xlabel('time [s]')plt.title('Solution to the Newton cooling equation')plt.show()

代碼中的部分函數理解

numpy.array

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
參考numpy.array
output：創建一個array，返回類型為ndarray
實例

np.array([1, 2, 3.0]) # array([1., 2., 3.]) np.array([[1, 2], [3, 4]]) # array([[1, 2], [3, 4]]) np.array([1, 2, 3], dtype=complex) # array([1.+0.j, 2.+0.j, 3.+0.j])

numpy.arange

參考numpy.arange
numpy.arange([start, ]stop, [step, ]dtype=None)
作用：在給定間隔內返回均勻間隔的值。
值在半開區間[start, stop)內生成（換句話說，包括開始但不包括終止）。返回的是ndarray而不是列表。
np.arange()函數返回一個有終點和起點的固定步長的排列，如[1,2,3,4,5]，起點是1，終點是5，步長為1。
參數個數情況： np.arange()函數分為一個參數，兩個參數，三個參數三種情況 ：

1. 一個參數時，參數值為終點，起點取默認值0，步長取默認值1。 2. 兩個參數時，第一個參數為起點，第二個參數為終點，步長取默認值1。 3. 三個參數時，第一個參數為起點，第二個參數為終點，第三個參數為步長。其中步長支持小數。

案例

np.arange(3,7) # array([3, 4, 5, 6]) np.arange(3,7,2) # array([3, 5])

numpy.ma.size

numpy.ma.size(obj, axis=None)
參考
案例

a = np.array([[1,2,3],[4,5,6]]) np.size(a) # 6 np.size(a,1) # 3 np.size(a,0) # 2

numpy.empty

參考
numpy.empty(shape, dtype=float, order='C')
shape : int or tuple of int Shape of the empty array, e.g., (2, 3) or 2.
out : ndarray
案例

np.empty([2, 2]) # 結果 array([[ -9.74499359e+001, 6.69583040e-309],[ 2.13182611e-314, 3.06959433e-309]]) #random np.empty([2, 2], dtype=int) # 結果 array([[-1073741821, -1067949133],[ 496041986, 19249760]]) #random

轉載于:https://www.cnblogs.com/brightyuxl/p/9990958.html

總結

以上是生活随笔為你收集整理的数学——Euler方法求解微分方程详解（python3）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。