数学实验第三版(主编:李继成 赵小艳)课后练习答案(十二)(3)

实验十二:微分方程模型

练习三

1.分别用数值解命令ode23t和ode45 计算示例3中微分方程的数值解,同用命令ode23 算得的数值解以及解析解比较,哪种方法精度较高?你用什么方法比较它们之间的精度?

clc;clear;
f=@(x,y)2*y+x+2;
figure(1)
[x,y]=ode23t(f,[1,2],1);
plot(x,y,'r');
[x,yy]=ode45(f,[1,2],1);
hold on
plot(x,yy,'b');
legend('ode23t','ode45');
[x,yyy]=ode23(f,[1,2],1);
figure(2)
plot(x,yyy);
syms y(x)
h=diff(y)==2*y+x+2;
hh=dsolve(h,y(0)==1);
hold on
ezplot(hh,[0,1]);
legend('数值解ode23','解析解');

由上图我们可以发现,ode23所得到的数值解和解析解相差还是比较大的,而ode23t和ode45得到的数值解相差较小。

2.分别用命令ode23,ode23t和ode45求贝塞尔方程的数值解,并作出数值解曲线.

我们首先要将此微分方程改写为一阶方程(因为ode类函数只能解一阶可分离函数):

y'=z ,则原方程化为:

初值条件为:

clc;clear;
f=@(x,m)[m(2);-m(2)/x-(1-(0.025/x^2)*m(1))];
[x,y]=ode23(f,[pi/2,2*pi],[2,2/pi]);
[xx,yy]=ode23t(f,[pi/2,2*pi],[2,2/pi]);
[xxx,yyy]=ode45(f,[pi/2,2*pi],[2,2/pi]);
figure(1)
plot(x,y);
figure(2)
plot(xx,yy);
figure(3)
plot(xxx,yyy);

x =

    1.5708

    1.6076

    1.7914

    2.0028

    2.2100

    2.3759

    2.6091

    2.9289

    3.3577

    3.8289

    4.3001

    4.7714

    5.2426

    5.7139

    6.1851

    6.2832

y =

    2.0000    0.6366

    2.0225    0.5864

    2.1086    0.3549

    2.1583    0.1202

    2.1615   -0.0861

    2.1345   -0.2387

    2.0552   -0.4382

    1.8743   -0.6907

    1.5104   -1.0022

    0.9625   -1.3201

    0.2691   -1.6204

   -0.5627   -1.9084

   -1.5280   -2.1874

   -2.6232   -2.4596

   -3.8453   -2.7265

   -4.1155   -2.7815

xx =

    1.5708

    1.5944

    1.6415

    1.6887

    1.7479

    1.8522

    1.9564

    2.0607

    2.1280

    2.1953

    2.2626

    2.3602

    2.4785

    2.6247

    2.7709

    2.9705

    3.1701

    3.4413

    3.7126

    4.0812

    4.4497

    4.8183

    5.1869

    5.6581

    6.1294

    6.2832

yy =

    2.0000    0.6366

    2.0143    0.6046

    2.0413    0.5416

    2.0654    0.4809

    2.0917    0.4073

    2.1278    0.2846

    2.1514    0.1694

    2.1634    0.0605

    2.1652   -0.0069

    2.1625   -0.0722

    2.1556   -0.1356

    2.1380   -0.2247

    2.1052   -0.3284

    2.0483   -0.4512

    1.9737   -0.5688

    1.8448   -0.7225

    1.6859   -0.8695

    1.4242   -1.0608

    1.1116   -1.2441

    0.6089   -1.4833

    0.0198   -1.7138

   -0.6531   -1.9374

   -1.4074   -2.1556

   -2.4875   -2.4285

   -3.6949   -2.6960

   -4.1163   -2.7823

xxx =

    1.5708

    1.5939

    1.6170

    1.6401

    1.6632

    1.7786

    1.8941

    2.0095

    2.1250

    2.2428

    2.3606

    2.4784

    2.5962

    2.7140

    2.8319

    2.9497

    3.0675

    3.1853

    3.3031

    3.4209

    3.5387

    3.6565

    3.7743

    3.8921

    4.0100

    4.1278

    4.2456

    4.3634

    4.4812

    4.5990

    4.7168

    4.8346

    4.9524

    5.0702

    5.1880

    5.3059

    5.4237

    5.5415

    5.6593

    5.7771

    5.8949

    5.9920

    6.0890

    6.1861

    6.2832

yyy =

    2.0000    0.6366

    2.0143    0.6049

    2.0279    0.5738

    2.0408    0.5432

    2.0530    0.5132

    2.1039    0.3701

    2.1389    0.2374

    2.1591    0.1132

    2.1653   -0.0038

    2.1581   -0.1171

    2.1379   -0.2249

    2.1053   -0.3282

    2.0608   -0.4275

    2.0047   -0.5234

    1.9376   -0.6162

    1.8596   -0.7064

    1.7712   -0.7942

    1.6726   -0.8800

    1.5640   -0.9639

    1.4455   -1.0461

    1.3175   -1.1268

    1.1801   -1.2061

    1.0334   -1.2842

    0.8776   -1.3612

    0.7127   -1.4371

    0.5390   -1.5121

    0.3565   -1.5862

    0.1653   -1.6596

   -0.0345   -1.7322

   -0.2428   -1.8042

   -0.4596   -1.8755

   -0.6847   -1.9462

   -0.9181   -2.0164

   -1.1598   -2.0861

   -1.4097   -2.1554

   -1.6676   -2.2242

   -1.9337   -2.2926

   -2.2078   -2.3606

   -2.4899   -2.4283

   -2.7799   -2.4956

   -3.0779   -2.5626

   -3.3293   -2.6176

   -3.5861   -2.6724

   -3.8481   -2.7270

   -4.1155   -2.7814

此题要学会微分方程组该如何去解决。

3.17世纪末至18世纪初,牛顿发现在较小的温度范围内,物体冷却速率正比于该物体与环境温度的差值,因而得冷却模型

式中T(t)为物体t时刻的温度,C是环境温度,为正的常数,T0为物体在=0时刻的温度,其解为

根据该冷却模型,完成下面的实验任务:

(1)某天晚上23:00时,在一住宅内发现一受害者的尸体,法医于23:35 赶到现场,立即测量死者体温是30.8℃,一小时后再次测量体温为29.1℃,法医还注意到当时室温是28℃,试估计受害者的死亡时间.

clc;clear;
format long
syms k m
f=@(t)9*exp(-k*t)+28;
f(m+35),f(m+95)
% 9*exp(-k*(m + 35)) + 28
% 9*exp(-k*(m + 95)) + 28
fsolve('fun',[1,5])
function f=fun(x)
f(1)=9*exp(-x(1)*(x(2) + 35)) + 28;
f(2)=9*exp(-x(1)*(x(2) + 95)) + 28;
end

ans =

     4     3

由此可知,尸体的死亡时间为11:57.

(2)一个煮熟的鸡蛋在温度为98 ℃时放人温度为18℃的水中,5 min后鸡蛋的温度是 38℃,假设水的温度几乎没有升高,需要多长时间鸡蛋的温度可以达到20℃?

clc;clear;
format long
syms k m t
f=@(t)(98-18)*exp(-k*t)+18;
k=double(solve(f(5)==38));
k0=0.277258872223978;
f=@(t)(98-18)*exp(-k0*t)+18;
double(solve(f(t)==20))

ans =13.304820237218411;

4.承接此次实验中练习1的第2题,如图12.7所示.图中,两个容器完全相同,容器1排水孔的半径为0.02m,容器2排水孔的半径为0.01m,假如容器1装满水,容器2内水面的高度是1m,同时开启排水孔,完成下面的实验任务:

(1)经多长时间两个容器水面高度相同?

(2)求出容器2水面的高度与时间的函数关系,并求经多长时间容器2可以排空?

(3)在同一坐标系上画出两个容器内水面高度与时间的函数曲线进行比较.

(4)自己设定排水孔的半径与各容器的初始水位,将该容器排供水问题推广到n个容器的一般情况,建立一个简单的数学模型并求相关解.

我们假设水桶底面半径为1m,桶高4m;

clc;clear; 
format short
m=4;r=1;
syms h(t) k
m1=-r^2*pi*diff(h)==k*sqrt(h)*pi*0.02^2;
h1=dsolve(m1,h(0)==m);
k=4.43;
h1=eval(h1(2))
%h1=((443*t)/500000 - 2)^2;
m2=-r^2*diff(h)==0.02^2*k*(2-(443*t)/500000)-0.01^2*k*sqrt(h);
h2=dsolve(m2)
f=@(t)(t - 1000000/443)^2/((500*67823512885646425253349271511524613553^(1/2))/3620155077721425633 + 62500/443)^2;

此题未写完,感觉不是很清楚,还请高人指点。

推荐下一篇文章:

数学实验第三版(主编:李继成 赵小艳)课后练习答案(十二)(4)icon-default.png?t=N7T8https://blog.csdn.net/2301_80199493/article/details/136136025?spm=1001.2014.3001.5501本文由作者自创,由于时间原因,难免出现些许错误,还请大家多多指正。创作不易,请大家多多支持。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/390946.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

三、Maven项目搭建及Destination(队列、主题)

Maven项目搭建及Destination(队列、主题) 一、Idea中Maven项目准备1.创建Module2.创建java包3.配置pom.xml 二、队列(Queue)1.JMS编程架构2.代码实现生产者3.代码实现消费者4.队列消费者三大情况 三、消费者类型1.同步式消费者1.1…

【MATLAB】鲸鱼算法优化混合核极限学习机(WOA-HKELM)回归预测算法

有意向获取代码,请转文末观看代码获取方式~也可转原文链接获取~ 1 基本定义 鲸鱼算法优化混合核极限学习机(WOA-HKELM)回归预测算法是一种结合鲸鱼优化算法和混合核极限学习机的混合算法。其原理主要包含以下几个步骤: 初始化&am…

VMware Tools安装教程(适用windows虚拟机)

一、资源 VMware-tools安装包已绑定在资源中 二、步骤 1、点击已经开启的虚拟机中的此图标,点击设置 2、将镜像文件选中,点击确定 3、之后会自动进入安装过程,点击下一步 4、选择典型安装,下一步直到完成,完成后重启…

Swift Combine 合并多个管道以更新 UI 元素 从入门到精通十七

Combine 系列 Swift Combine 从入门到精通一Swift Combine 发布者订阅者操作者 从入门到精通二Swift Combine 管道 从入门到精通三Swift Combine 发布者publisher的生命周期 从入门到精通四Swift Combine 操作符operations和Subjects发布者的生命周期 从入门到精通五Swift Com…

【Deep Learning 3】CNN卷积神经网络

🌞欢迎来到机器学习的世界 🌈博客主页:卿云阁 💌欢迎关注🎉点赞👍收藏⭐️留言📝 🌟本文由卿云阁原创! 📆首发时间:🌹2024年2月17日&…

Netty中的内置通信模式、Bootstrap和ChannelInitializer

内置通信传输模式 NIO:io.netty.channel.socket.nio 使用java.nio.channels包作为基础–基于选择器的方式Epoll:io.netty.channel.epoll由JNI驱动的epoll()和非阻塞IO.这个传输支持只有在Linux上可用的多种特性,如果SO_REUSEPORT,比NIO传输更快&#xf…

【深度学习】Pytorch 系列教程(三):PyTorch数据结构:2、张量的数学运算(1):向量运算(加减乘除、数乘、内积、外积、范数、广播机制)

文章目录 一、前言二、实验环境三、PyTorch数据结构0、分类1、Tensor(张量)1. 维度(Dimensions)2. 数据类型(Data Types)3. GPU加速(GPU Acceleration) 2、张量的数学运算1. 向量运算…

数字孪生与智慧城市:共筑未来城市的科技基石

一、引言 随着科技的飞速发展,数字孪生与智慧城市已成为未来城市建设的两大关键技术。数字孪生为城市提供了一个虚拟的数字镜像,使我们能全面、深入地了解城市的运行状态。而智慧城市则借助先进的信息通信技术,提升城市的智能化水平&#xf…

算法刷题:复写零

复写零 .习题链接题目描述算法原理初始值步骤1步骤2我的答案: . 习题链接 复写零 题目描述 给你一个长度固定的整数数组 arr ,请你将该数组中出现的每个零都复写一遍,并将其余的元素向右平移。 注意:请不要在超过该数组长度的位置写入元素…

【OpenAI Sora】开启未来:视频生成模型作为终极世界模拟器的突破之旅

这份技术报告主要关注两个方面:(1)我们的方法将各种类型的视觉数据转化为统一的表示形式,从而实现了大规模生成模型的训练;(2)对Sora的能力和局限性进行了定性评估。报告中不包含模型和实现细节…

CCF编程能力等级认证GESP—C++6级—20231209

CCF编程能力等级认证GESP—C6级—20231209 单选题(每题 2 分,共 30 分)判断题(每题 2 分,共 20 分)编程题 (每题 25 分,共 50 分)闯关游戏工作沟通 答案及解析单选题判断题编程题1编程题2 单选题…

二叉树入门算法题详解

二叉树入门题目详解 首先知道二叉树是什么: 代码随想录 (programmercarl.com) 了解后知道其实二叉树就是特殊的链表,只是每个根节点节点都与两个子节点相连而其实图也是特殊的链表,是很多节点互相连接;这样说只是便于理解和定义…

安卓TextView 拖动命名

需求:该布局文件使用线性布局来排列三个文本视图和一个按钮,分别用于显示两个动物名称以及占位文本视图。在占位文本视图中,我们为其设置了背景和居中显示样式,并用其作为接收拖放操作的目标 效果图; 实现代码 第一布…

大数据02-数据仓库

零、文章目录 大数据02-数据仓库 1、数据仓库介绍 (1)基本概念 数据仓库,英文名称为Data Warehouse,可简写为DW或DWH。数据仓库的目的是构建面向分析的集成化数据环境,为企业提供决策支持(Decision Sup…

牛客网SQL进阶123:高难度试卷的得分的截断平均值

官网链接: SQL类别高难度试卷得分的截断平均值_牛客题霸_牛客网牛客的运营同学想要查看大家在SQL类别中高难度试卷的得分情况。 请你帮她从exam_。题目来自【牛客题霸】https://www.nowcoder.com/practice/a690f76a718242fd80757115d305be45?tpId240&tqId2180…

[Android]Frida-hook环境配置

准备阶段 反编译工具:Jadx能够理解Java语言能编写小型的JavaScript代码连接工具:adb设备:Root的安卓机器,或者模拟器 Frida(https://frida.re/) 就像是你计算机或移动设备的妙妙工具。它帮助你查看其他程序或应用内部发生的事情&#xff0…

OpenAI发布文生视频大模型Sora

关注卢松松,会经常给你分享一些我的经验和观点。 一觉醒来发现自己快失业了,Open AI又放大招了。没有任何消息,没有任何预热,直接王炸。 OpenAI突然发布文生视频大模型Sora,生成一段长达1分钟的高清流畅视频。它能模…

机器学习8-决策树

决策树(Decision Tree)是一种强大且灵活的机器学习算法,可用于分类和回归问题。它通过从数据中学习一系列规则来建立模型,这些规则对输入数据进行递归的分割,直到达到某个终止条件。 决策树的构建过程: 1.…

selenium定位元素报错:‘WebDriver‘ object has no attribute ‘find_element_by_id‘

Selenium更新到 4.x版本后,以前的一些常用的代码的语法发生了改变 from selenium import webdriver browser webdriver.Chrome() browser.get(https://www.baidu.com) input browser.find_element_by_id(By.ID,kw) input.send_keys(Python)目标:希望通…

Python静态方法和类方法的区别和应用

实际上,Python 完全支持定义类方法,甚至支持定义静态方法。Python 的类方法和静态方法很相似,它们都推荐使用类来调用(其实也可使用对象来调用)。 类方法和静态方法的区别在于,Python会自动绑定类方法的第…
最新文章