Euler法解微分方程-Matlab程序
欧拉法(euler)求解常微分方程的matlab程序及案例
欧拉法(euler)求解常微分方程的matlab程序及案例欧拉方法是最初用于求解常微分方程的数值方法之一，它是一种显式的一步法，具有易于实施的优点，特别适合初学者使用。
本文将介绍欧拉法的原理和使用MATLAB求解常微分方程的具体方法，同时给出一个简单的实例进行说明。
一、欧拉法原理考虑一个一阶常微分方程y'=f(t,y)，欧拉法的基本思想是将时间步长Δt均分成n个小步长，从y(t0)开始依次计算每个时刻的值，得到一列估计值y1, y2, …, yn。
欧拉法的计算公式为：（1）y1=y(t0+Δt)=y(t0)+Δtf(t0, y0)（2）y2=y(t0+2Δt)=y(t0+Δt)+Δtf(t0+Δt, y1)（3）yn=y(t0+nΔt)=y(t0+(n-1)Δt)+Δtf(t0+(n-1)Δt, yn-1)可以看出，欧拉法的核心在于利用已知的t和y计算f(t,y)，从而获得y的逼近值。
但是需要注意的是，步长Δt越小，计算所需的时间和内存就越多，而精度却并不一定提高。
因此在实际应用中需要结合具体问题选择合适的步长。
二、MATLAB求解常微分方程的具体方法（1）定义常微分方程我们以一个简单的例子开始，考虑求解y'=1-y，y(0)=0.5在[0,1]区间内的积分。
首先定义匿名函数dydt，将其传到ode45中求解：dydt=@(t,y)1-y;[t,y]=ode45(dydt,[0 1],0.5);plot(t,y,'-o')运行以上代码可以得到结果，其中plot函数用于绘制图像。
但是，由于求解过程中计算机执行到ode45函数时可能需要很长时间，因此需要更快捷的方法。
（2）利用欧拉法求解方程欧拉法求解方程首先需要定义步长Δt，这里设Δt为0.1。
定义起始值y=[0.5]、时间向量t=0:Δt:1，然后计算列向量y的估计值：t=0:0.1:1;y=zeros(size(t));y(1)=0.5;for n=1:length(t)-1y(n+1)=y(n)+0.1*(1-y(n));endplot(t,y,'-o')以上代码的执行结果与前面的ode45方法相同，但是速度更快。
matlab中的向后euler方法
文章标题：深入理解Matlab中的向后Euler方法在数值计算中，求解常微分方程（ODE）是一个十分常见也是重要的任务。
其中，向后Euler方法是一种常用的数值求解方法之一。
在Matlab中，我们可以通过调用内置函数ode15s来使用向后Euler方法来求解ODE。
在本文中，我们将深入探讨Matlab中使用向后Euler方法求解ODE的原理和应用，并通过具体例子来展示其在实际工程中的价值。
1. 向后Euler方法的原理和特点向后Euler方法是一种隐式数值求解方法，其基本思想是将微分方程转化为差分方程，然后通过迭代的方式逼近实际解。
与前向Euler方法相比，向后Euler方法具有更好的稳定性和收敛性，特别在处理刚性ODE的时候表现更为突出。
在Matlab中，我们可以使用ode15s函数来调用向后Euler方法进行数值求解，其使用形式为[y, t] =ode15s(@(t,y)odefun,tspan,y0,options)。
2. 向后Euler方法在实际工程中的应用在实际工程中，ODE求解是一个非常重要的任务。
在控制系统设计中，经常需要求解系统的状态方程以完成系统设计和性能评估；在仿真和建模中，也需要对系统进行数值求解以获得系统的动态响应。
在这些应用中，向后Euler方法常常被用来求解刚性ODE，以获得更为准确和稳定的结果。
3. 使用Matlab进行向后Euler方法的数值求解在Matlab中，使用向后Euler方法进行数值求解非常方便。
通过调用ode15s函数，我们可以通过简单的参数设置来实现对ODE的求解。
下面通过一个简单的例子来展示如何使用Matlab中的向后Euler方法来求解ODE。
考虑一个一阶常微分方程dy/dt = -2y，初始条件为y(0) = 1。
我们可以使用Matlab中的ode15s函数来对其进行数值求解。
具体代码如下：```matlabfunction yprime = odefun(t,y)yprime = -2*y;end[t, y] = ode15s(@odefun, [0 10], 1);plot(t, y, '-')xlabel('t');ylabel('y(t)');title('Solution of dy/dt = -2y using Backward Euler method');```通过运行以上代码，我们可以得到dy/dt = -2y的数值解。
MATLAB实验四_求微分方程的解
参数说明
[T,Y] = solver(odefun,tspan,y0)
odefun 为显式常微分方程，可以用命令 inline 定义，或 在函数文件中定义，然后通过函数句柄调用。
dy 2 2 y 2 x 2x 求初值问题 的数值解，求解范 例： dx 围为 [0,0.5] y( 0 ) 1
dsolve的输出个数只能为一个 或 与方程个数相等。
只有很少一部分微分方程（组）能求出解析解。 大部分微分方程（组）只能利用数值方法求数值解。
Matlab函数数值求解
[T,Y] = solver(odefun,tspan,y0)
其中 y0 为初值条件，tspan为求解区间；Matlab在数值求解 时自动对求解区间进行分割，T (列向量) 中返回的是分割点 的值(自变量)，Y (数组) 中返回的是这些分割点上的近似解， 其列数等于因变量的个数。
数学实验
实验四
求微分方程的解
问题背景和实验目的
自牛顿发明微积分以来，微分方程在描述事物运 动规律上已发挥了重要的作用。实际应用问题通过 数学建模所得到的方程，绝大多数是微分方程。 由于实际应用的需要，人们必须求解微分方程。 然而能够求得解析解的微分方程十分有限，绝大多 数微分方程需要利用数值方法来近似求解。 本实验主要研究如何用 Matlab 来计算微分方程 （组）的数值解，并重点介绍一个求解微分方程的 基本数值解法－－Euler折线法。
Runge-Kutta 方法
Euler 法与 R-K法误差比较
Matlab 解初值问题
用 Maltab自带函数 解初值问题 求解析解：dsolve 求数值解：
ode45、ode23、 ode113、ode23t、ode15s、 ode23s、ode23tb
matlab_常微分方程数值解法
dt 2
简朴问题可以求得解析解，多数实际问题靠数值求解 。
第4页
一阶常微分方程(ODE )初值问题 ： ODE ：Ordinary Differential Equation
dy
f
(x,
y)
dx
x0 x xn
y(x0 ) y0
数值解法就是求y(x)在某些分立旳节点 xn 上旳近似值 yn，用以近似y(xn)
x0
y0
x1 f y(x), x dx
x0
x2 f y(x), x dx
x1
y(x1) f y(x1), x1 h
第17页
同样，在[x0,xn+1] ，积分采用矩形近似，得：
y(xn1) y0
f xn1
x0
y(x), x dx
y(xn ) f y(xn ), xn h
yn y(xn )
第5页
2、欧拉近似办法
2.1 简朴欧拉(L.Euler, 1707-1783)办法。
dy
dx
f
(y, x)
y(x0 ) y0
欧拉数值算法就是由初值通过递推求解，递推求解
就是从初值开始，后一种函数值由前一种函数值得到。核 心是构造递推公式。
y0 y1 y2 yn
第6页
i 1,2,...
第36页
没有一种算法可以有效地解决所有旳 ODE 问题，因此 MATLAB 提供了多种ODE函数。
函数 ODE类
特点
阐明
型
ode45
非刚性 单步法；4，5 阶 R-K 措施；合计 大部分场合旳首选措施
截断误差为 (△x)3
ode23
非刚性 单步法；2，3 阶 R-K 措施；合计 使用于精度较低旳情形
欧拉法求解一阶微分方程matlab
为了更好地理解欧拉法求解一阶微分方程在Matlab中的应用，我们首先来了解一些背景知识。
一阶微分方程是指只含有一阶导数的方程，通常表示为dy/dx=f(x,y)，其中f(x,y)是关于x和y的函数。
欧拉法是一种常见的数值解法，用于求解微分方程的近似数值解。
它是一种基本的显式数值积分方法，通过将微分方程转化为差分方程来进行逼近。
在Matlab中，我们可以利用欧拉法求解一阶微分方程。
我们需要定义微分方程的函数表达式，然后选择合适的步长和初始条件，最后使用循环计算逼近解。
下面我们来具体讨论如何在Matlab中使用欧拉法来求解一阶微分方程。
我们假设要求解的微分方程为dy/dx=-2x+y，初始条件为y(0)=1。
我们可以通过以下步骤来实现：1. 我们需要在Matlab中定义微分方程的函数表达式。
在Matlab中，我们可以使用function关键字来定义函数。
在这个例子中，我们可以定义一个名为diff_eqn的函数，表示微分方程的右侧表达式。
在Matlab中，这个函数可以定义为：```matlabfunction dydx = diff_eqn(x, y)dydx = -2*x + y;end```2. 我们需要选择合适的步长和初始条件。
在欧拉法中，步长的选择对于数值解的精度非常重要。
通常情况下，可以先尝试较小的步长，然后根据需要进行调整。
在这个例子中，我们可以选择步长h=0.1，并设置初始条件x0=0，y0=1。
3. 接下来，我们可以使用循环来逼近微分方程的数值解。
在每一步，根据欧拉法的迭代公式y(i+1) = y(i) + h * f(x(i), y(i))，我们可以按照下面的Matlab代码计算逼近解：```matlabh = 0.1; % 步长x = 0:h:2; % 定义计算区间y = zeros(1, length(x)); % 初始化y的值y(1) = 1; % 设置初始条件for i = 1:(length(x)-1) % 欧拉法迭代y(i+1) = y(i) + h * diff_eqn(x(i), y(i));end```通过上述步骤，在Matlab中就可以用欧拉法求解一阶微分方程。
欧拉方法及其改进的欧拉方法的Matlab实现
11( n n y x y ++−。为了估计它,由Taylor展开得到的精确值1( n y x +是
2'
''
31( ( ( ( ( 2
n n n n h y x y x hy x y x O h +=+++ (5
2.欧拉方法、改进的欧拉方法及Matlab实现
下面主要讨论一阶常微分方程的初值问题,其一般形式为:
' 00
(,
( y f x y y x y ⎧=⎨
=⎩ (1我们知道,只要函数(, f x y适当光滑——譬如关于y满足利普希茨(Lipschitz条件
(, (, f x y f x y L y y −≤−
改进的欧拉方法是先用欧拉公式求1( n y x +的一个近似值1n y +,称为预测值,然后用梯形公式进行矫正并求得近似值1n y +。即
1111(, [(, (, ]
2n n n n n n n n n n y y f x y h h
y y f x y f x y ++++⎧=+⎪
⎨=++⎪⎩
(8 2.2.2改进的欧拉方法的误差估计
方法是一阶方法,因此它的精度不高。
2.2改进的欧拉方法
2.2.1改进的欧拉方法
用数值积分方法离散化问题(1,两端积分可得
1
1( ( (, ( (0,1, 2, n n
x n n x y x y x f x y x dx n ++−==∫
MATLAB Euler法解常微分方程
Euler 法解常微分方程Euler 法解常微分方程算法：Step 1 分别取积分上限、积分下限、步长Step 2计算h n n +=判断b n ≤是否成立，成立转到Step 3，否则继续进行Step 4 Step 3 计算),(1n n n n y x hf y y +=+Step 4 ),(1n n n n y x hf y y +=+Euler 法解常微分方程算程序：function euler2(fun,y0,A,h)%fun--y'%y0---初值%A----x 取值范围%a----x 左区间端点值%b----x 右区间端点值%h----给定步长x=min(A);b=max(A);y=y0;while x<b-hb=y;y=y+h*feval(fun,x,b)x=x+h;end例：用Euler 法计算下列初值问题（取步长h=0.2）)6.00(1)0('2≤≤⎩⎨⎧=--=x y xy y y输入：fun=inline('-y-x*y^2')euler2(fun,1,[0 0.6],0.2)得到：y =0.8000y =0.6144y =0.4613指导教师： 年 月 日改进Euelr 法解常微分方程改进Euler 法解常微分方程算法：Step 1 分别取积分上限、积分下限、步长Step 2 取一个以h 为步长，a ，b 分别为左右端点的矩阵Step 3 （1）做显性Euler 预测),(1n n i i y x hf y y +=+（2）将1+i y 带入)],(),([2h 111+++++=i i i i i i y x f y x f y y Step 4计算h n n +=判断b n ≤是否成立，成立返回Step 3，否则继续进行Step 5 Step 5 )],(),([2h 111+++++=i i i i i i y x f y x f y y 改进Euler 法解常微分方程算程序：function gaijineuler2(fun,y0,A,h)%fun--y'%y0---初值%A----x 取值范围%a----x 左区间端点值%b----x 右区间端点值%h----给定步长a=min(A);b=max(A);x=a:h:b;y(1)=y0;for i=1:length(x)-1w1=feval(fun,x(i),y(i));y(i+1)=y(i)+h*w1;w2=feval(fun,x(i+1),y(i+1));y(i+1)=y(i)+h*(w1+w2)/2;endx=x'y=y'例：用改进Euler 法计算下列初值问题（取步长h=0.25） )50(2)0('2≤≤⎩⎨⎧=-=x y xy y 输入：fun=inline('-x*y^2')gaijineuler2(fun,2,[0 5],0.25)得到：x =0.25000.50000.75001.00001.25001.50001.75002.00002.25002.50002.75003.00003.25003.50003.75004.00004.25004.50004.75005.0000y =2.00001.87501.59391.28241.00960.79320.62820.50370.40970.33790.28240.23890.20430.17650.15380.13520.11960.10660.09550.08610.0779指导教师：年月日。
数值分析Matlab作业龙格库塔欧拉方法解二阶微分方程
% K3 and L3
K4=RK_z(i)+h*L3; L4=rightf_sys1(x(i)+h,RK_y(i)+h*K3,RK_z(i)+h*L3);% K4and L4
RK_y(i+1)=RK_y(i)+1/6*h*(K1+2*K2+2*K3+K4);
RK_z(i+1)=RK_z(i)+1/6*h*(L1+2*L2+2*L3+L4);
end
plot(x,Euler_y,'r-',x,RK_y,'b-');
[y,T]=max(RK_y);
fprintf('角度峰值等于%d',y)%角度的峰值也就是π
运行第三个程序：在一幅图中显示欧拉法和RK4法，随着截断误差的积累，欧拉法产生了较大的误差
h=0.01
h=0.0001，仍然是开始较为稳定，逐渐误差变大
总结：RK4是很好的方法，很稳定，而且四阶是很常用的方法，因为到五阶的时候精度并没有相应提升。通过这两种方法计算出角度峰值y=3.141593，周期是1.777510。
y(0)=0
z(0)=0
精度随着h的减小而更高，因为向前欧拉方法的整体截断误差与h同阶，（因为是用了泰勒公式）所以欧拉方法的稳定区域并不大。
2.RK4-四阶龙格库塔方法
使用四级四阶经典显式Rungkutta公式
稳定性很好，RK4法是四阶方法，每步的误差是h5阶，而总积累误差为h4阶。所以比欧拉稳定。