基于MATLAB的微分方程的解析解与欧拉算法的数值解（附完整代码）

本文主要是介绍基于MATLAB的微分方程的解析解与欧拉算法的数值解（附完整代码），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一. 解析解方法

正常的求解微分方程的MATLAB格式如下：

y=dsolve(f1,f2,...,fm)

如果需要指明自变量，则如下：

y=dsolve(f1,f2,...,fm,'x')

格式中的fi既可以描述微分方程，又可以描述初始条件或边界条件。

描述微分方程 $y^{(4)}(t)=7$ 的MATLAB格式为：D4y=7；
描述条件 $y''(2)=3$ 的MATLAB格式为：D2y(2)=3；

例题1

输入信号u(t)如下：

$u(t)=e^{-5t}cos(2t+1)+5$

求解如下微分方程的通解

$y^{(4)}(t)+10y'''(t)+35y''(t)+50y'(t)+24y(t)=5u''(t)+4u'(t)+2u(t)$

$y(0)=3,y'(0)=2,y''(0)=y'''(0)=0$

解：

此题需要分两步解决。

第一步MATLAB代码如下：

clc;clear;
syms t;
u=exp(-5*t)*cos(2*t+1)+5;
uu=5*diff(u,t,2)+4*diff(u,t)+2*u %等式右边

运行结果：

uu =87*exp(-5*t)*cos(2*t + 1) + 92*exp(-5*t)*sin(2*t + 1) + 10

第二步MATLAB代码如下：

clc;clear;
syms t y;
y=dsolve(['D4y+10*D3y+35*D2y+50*Dy+24*y=87*exp(-5*t)*cos(2*t+1)+92*exp(-5*t)*sin(2*t+1)+10'],...
'y(0)=3','Dy(0)=2','D2y(0)=0','D3y(0)=0')

运行结果如下：
y =(exp(-5*t)*(37960*exp(2*t) - 53820*exp(3*t) + 29640*exp(4*t) + 650*exp(5*t) - 1029*cos(2*t + 1) - 1641*sin(2*t + 1) - 9750*exp(t) + 975*exp(2*t)*sin(1) - 6120*exp(3*t)*sin(1) + 2522*exp(4*t)*sin(1) - 14092*cos(1)*exp(t) + 4264*exp(t)*sin(1) + 34905*cos(1)*exp(2*t) - 26700*cos(1)*exp(3*t) + 6916*cos(1)*exp(4*t)))/1560

例题2

求解如下微分方程组

$\begin{cases}x''(t)+2x'(t)=x(t)+2y(t)-e^{-t}\\y'(t)=4x(t)+3y(t)+4e^{-t} \end{}$

解：

MATLAB代码如下：

clc;clear;
[x,y]=dsolve('D2x+2*Dx=x+2*y-exp(-t)','Dy=4*x+3*y+4*exp(-t)')

运行结果：

x =exp(t*(6^(1/2) + 1))*(6^(1/2)/5 - 1/5)*(C2 + exp(- 2*t - 6^(1/2)*t)*((11*6^(1/2))/3 - 37/4)) - exp(-t)*(C1 + 6*t) - exp(-t*(6^(1/2) - 1))*(6^(1/2)/5 + 1/5)*(C3 - exp(6^(1/2)*t - 2*t)*((11*6^(1/2))/3 + 37/4))

y = exp(-t)*(C1 + 6*t) + exp(t*(6^(1/2) + 1))*((2*6^(1/2))/5 + 8/5)*(C2 + exp(- 2*t - 6^(1/2)*t)*((11*6^(1/2))/3 - 37/4)) - exp(-t*(6^(1/2) - 1))*((2*6^(1/2))/5 - 8/5)*(C3 - exp(6^(1/2)*t - 2*t)*((11*6^(1/2))/3 + 37/4))

写成数学形式：

例题3

求解以下微分方程的解析解。

（1） $x'(t)=x(t)(1-x^2(t))$

（2） $x'(t)=x(t)(1-x^2(t))+1$

解：

MATLAB代码如下：

clc;clear;
syms t x X;%第一题
x=dsolve('Dx=x*(1-x^2)')%第二题
X=dsolve('DX=X*(1-X^2)+1')%实际上第二题没有解析解
%只有部分非线性方程有解析解

第一题运行结果：

x =

0
1
-1
(-1/(exp(C1 - 2*t) - 1))^(1/2)

第二题运行结果：

警告: Unable to find explicit solution. Returning implicit solution instead.

X =
root(z^3 - z - 1, z, 1)
root(z^3 - z - 1, z, 2)
root(z^3 - z - 1, z, 3)

二. 微分方程的算法分析

微分方程的通式如下：

$\dot{x}(t)=f(t,x(t))$

上式子中 $x^T(t)=[x_1(t),x_2(t),\cdots,x_n(t)]$ 为状态向量， $f^T(\cdot)=[f_1(\cdot),f_2(\cdot),\cdots,f_n(\cdot)]$ 可以是任意非线性函数。

以下以Euler算法为例子，进行分析。

2.1 数学分析

$t_0$ 时刻系统状态向量表示为如下：

$x(t_0)$

微分方程左侧的导数可近似表示为如下：

$(x(t_0+h)-x(t_0))/(t_0+h-t_0)$

$t_0+h$ 时刻微分方程的近似解可表示为如下：

$\hat x(t_0+h)=x(t_0)+hf(t_0,x(t_0))$

在 $t_0+h$ 时刻系统的状态向量可表示为如下：

$x(t_0+h)=\hat x(t_0+h)+R_0=x_0+hf(t,x_0)+R_0$

在 $t_k$ 时刻系统的状态向量表示为如下：

$x_k$

所以，在 $t_k+h$ 时Euler算法的数值解为如下：

$\begin{cases}\dot{x}(t)=f(t,x(t))\\x_{k+1}=x_k+hf(t,x_k) \end{}$

图像形式表示为如下：

理论上讲，h越小，微分效果越好。但是不能无限制地减小h的值，其中有两个原因：

减慢计算速度
增加累积误差

在对微分方程求解过程中，有以下三个技巧：

选择适当的步长
改进近似算法精度
采用变步长方法

2.2代码分析

构建函数代码算法如下：


function [outx,outy]=MyEuler(fun,x0,xt,y0,PointNum)
%fun表示f(x,y) 
%x0,xt代表自变量的初值和终值
%y0:函数在x0处的值，也可以是向量的形式
%PointNum 代表自变量在[x0,xt]上取的点数if nargin<5|PointNum<=0PointNum=100; %PointNum默认值为100
end
if nargin<4y0=0; %y0默认值为0
endh=(xt-x0)/PointNum; %计算步长h
x=x0+[0:PointNum]'*h; %自变量数组
y(1,:)=y0(:)'; %将输出存为行向量，输出为列向量形式
for k=1:PointNumf=feval(fun,x(k),y(k,:));f=f(:)'; %计算f(x,y)在每个迭代点的值y(k+1,:)=y(k,:)+h*f; %对于所取的点x，迭代计算y值
end
outy=y;
outx=x;
plot(x,y)  %画出方程解的函数图

例题4

求以下微分方程组的h=0.2和h=0.4的数值解。

$\begin{cases}y'=sinx+y\\ y(x_0)=1,x_0=0 \end{}$

解：

此MATLAB文件分成三个部分：

（1）欧拉算法文件

function [outx,outy]=MyEuler(fun,x0,xt,y0,PointNum)
%fun表示f(x,y) 
%x0,xt代表自变量的初值和终值
%y0:函数在x0处的值，也可以是向量的形式
%PointNum 代表自变量在[x0,xt]上取的点数if nargin<5|PointNum<=0PointNum=100; %PointNum默认值为100
end
if nargin<4y0=0; %y0默认值为0
endh=(xt-x0)/PointNum; %计算步长h
x=x0+[0:PointNum]'*h; %自变量数组
y(1,:)=y0(:)'; %将输出存为行向量，输出为列向量形式
for k=1:PointNumf=feval(fun,x(k),y(k,:));f=f(:)'; %计算f(x,y)在每个迭代点的值y(k+1,:)=y(k,:)+h*f; %对于所取的点x，迭代计算y值
end
outy=y;
outx=x;
plot(x,y)  %画出方程解的函数图

文件命名：MyEuler.m

（2）函数文件

function f=myfun01(x,y)
f=sin(x)+y;

文件命名：myfun01.m

（3）主运行文件

clc;clear;
[x1,y1]=MyEuler('myfun01',0,2*pi,1,16); %欧拉法所得的解
h1=2*pi/16 %计算取16的步长[x11,y11]=MyEuler('myfun01',0,2*pi,1,32); %欧拉法所得的解
h2=2*pi/32 %计算取32点的步长y=dsolve('Dy=y+sin(t)','y(0)=1');
for k=1:33t(k)=x11(k);y2(k)=subs(y,t(k)); %求其对应点的离散解
end
plot(x1,y1,'+b',x11,y11,'og',x11,y2,'*r')
legend('h=0.4的欧拉法解','h=0.2的欧拉法解','符号解');

运行结果：

h1 =0.392699081698724
h2 =0.196349540849362

观察图像可以发现，此Euler方法和解析法相比，精准度还有一定的距离。于是提出以下改进版的欧拉方法

此时此题将有四个文件：
（1）原函数文件

function f=myfun01(x,y)
f=sin(x)+y;

（2）欧拉算法文件

function [outx,outy]=MyEuler(fun,x0,xt,y0,PointNum)
%fun表示f(x,y) 
%x0,xt代表自变量的初值和终值
%y0:函数在x0处的值，也可以是向量的形式
%PointNum 代表自变量在[x0,xt]上取的点数if nargin<5|PointNum<=0PointNum=100; %PointNum默认值为100
end
if nargin<4y0=0; %y0默认值为0
endh=(xt-x0)/PointNum; %计算步长h
x=x0+[0:PointNum]'*h; %自变量数组
y(1,:)=y0(:)'; %将输出存为行向量，输出为列向量形式
for k=1:PointNumf=feval(fun,x(k),y(k,:));f=f(:)'; %计算f(x,y)在每个迭代点的值y(k+1,:)=y(k,:)+h*f; %对于所取的点x，迭代计算y值
end
outy=y;
outx=x;
plot(x,y)  %画出方程解的函数图

（3）改进版欧拉算法文件

function [Xout,Yout]=MyEulerPro(fun,x0,xt,y0,PointNumber) 
%用改进的欧拉法解微分方程if nargin<5|PointNumber<=0 %PointNumber默认值为100PointNumber=100;
end
if nargin<4  %y0默认值为0y0=0;
endh=(xt-x0)/PointNumber; %计算所取的两离散点之间的距离
x=x0+[0:PointNumber]'*h; %表示出离散的自变量x
y(1,:)=y0(:)';
for i=1:PointNumber %迭代计算过程f1=h*feval(fun,x(i),y(i,:));f1=f1(:)';f2=h*feval(fun,x(i+1),y(i,:)+f1);f2=f2(:)';y(i+1,:)=y(i,:)+1/2*(f1+f2);
end
Xout=x;
Yout=y;

（4）主运行文件

clc;clear;%此处对比改进版欧拉法，简单欧拉法以及微分方程的符号解
[x3,y3]=MyEulerPro('myfun01',0,2*pi,1,128); [x,y1]=MyEuler('myfun01',0,2*pi,1,128);%欧拉法所得的解y=dsolve('Dy=y+sin(t)','y(0)=1'); %该微分方程的符号解
for k=1:129 %点数t(k)=x(k); %代入y2(k)=subs(y,t(k)); %求其对应点的离散解，也就是计算y
end
plot(x,y1,'-b',x3,y3,'og',x,y2,'*r')
legend('简单欧拉法解','改进欧拉法解','符号解');

运行结果：