刚性微分方程与非刚性的大概区分(自看,求指点)

(这里的内容是作为自己的一个粗略的总结,不确定是否正确,希望有大佬能够更明确的指出其中的错误,作出指导)

对于刚性和非刚性微分方程的区分,可以简单的转变为在将原方程转换为常微分方程组后,进行一个简单的系数判断:

例如:

y‘‘‘ - 3y‘‘ - y‘y = 0, y(0) = 0, y‘(0) = 0, y‘‘(0) = -1;

在这里可以设  y1 = y, y2 = y‘, y3 = y‘‘, 有

  y1‘ = y2,       y1(0) = 0,

  y2‘ = y3,       y2(0) = 1,

  y3‘ = 3y3 + y2y1,   y3(0) = -1,

这里可以简单判断出方程组的右侧系数矩阵值差异不大,得到的特征值差异随之也不大,可以简单判断为非刚性微分方程

MATLAB中解非刚性微分方程常用 ode45 ;

又例如:

  y‘‘ - 1000(1 - y^2)y‘ + y = 0, y(0) = 2, y‘(0) = 0;

在这里可以设y1 = y, y2 = y‘, 有

  y1‘ = y2,           y1(0) = 2,

  y2‘ = 1000(1 - y1^2)y2 - y1,  y2(0) = 0,

这里可以简单判断出方程组的右侧系数矩阵值差异较大,得到的特征值差异随之较大,可以简单判断为刚性微分方程

MATLAB中解刚性微分方程常用 ode15s , ode23s , ode23t , ode23tb ;

对于所有的初值问题解方程方法均有 solver(  ‘f( t, y )‘ , [t0 tend], y0 ) :

  --solver : 指代所有的方法调用;

  --f( t, y ) : 为M文件定义的微分方程 y‘ = f(x, y) 右端的函数, 即使用不到两个参数,也要保留两个参数,且返回的结果应是列向量;

  --[t0 tend] : 为参数中变量 x / t 的取值范围;

  --y0 : 为参数中 y 的初始值,要求为列向量

原文地址:https://www.cnblogs.com/yanmingjiang/p/9426810.html

时间: 2024-10-11 03:18:57

刚性微分方程与非刚性的大概区分(自看,求指点)的相关文章

《Master Opencv...读书笔记》非刚性人脸跟踪 III

上篇文章中,我们获得了人脸的各种表情模式,也就是一堆标注点的形变参数.这次我们需要训练一中人脸特征(团块模型),它能够对人脸的不同部位(即"标注点")分别进行描述,作为后面人脸跟踪.表情识别的区分依据.本次博文的主要内容: a.      介绍下人脸特征检测器大概有哪些类别 b.      详细介绍随机梯度法,并介绍在人脸团块特征提取时的应用 c.      为了提高训练/跟踪的健壮性,利用上一讲对输入的图像进行大小.角度的约束 人脸特征检测器综述 人脸特征检测与普通的物体检测非常相似

[精翻]DynamicFusion:非刚性场景的实时重建与追踪

DynamicFusion:非刚性场景的实时重建与追踪 网上很少看到有人对DynamicFusion进行详细解读,因此打算翻译全文,初学SLAM,错漏之处还望指出. 摘要 通过融合消费级深度摄像机扫描的RGBD图像,我们首次实现了支持非刚性形变场景的实时稠密SLAM系统.DynamicFusion能重建场景几何,同时不断估计一个密集的6维运动场,其将估计的几何结构映射到实时帧中.像KinectFusion一样,利用多种手段,我们的系统能生成不断降噪.精细化,最后完整的重建结果,同时能实时展示更新

《Master Opencv...读书笔记》非刚性人脸跟踪 IV (终)

一.我们目前为止拥有什么 为了有一个连续完整的认识,在介绍最后一节前,先梳理下至今我们训练了哪些数据特征,并且训练它们的目的是什么. 1.      ft_data:利用手工标注工具,获取最原始的样本训练数据,包括以下内容: 图像名称集合imnames:表明在哪幅图像上标注特征点: 二维坐标集合points:手工标准点,后续更高级别特征均围绕这些特征点展开: 对称坐标索引集合symmetry:标注样本图像的镜像图像上的特征点,扩大样本库: 连接索引集合connections:描述手工标注的人脸特

这只是一个非常水的人,写下的非常水的文字,不看也罢

4.16,11:25AM 期中考后4天,GDOI前13天 我像往常一样对着电脑,却再也找不到先前刷oi题的感觉 也许这种状态已经持续很长一段时间了,从进入高中,noip,gdkoi,都挂的不忍直视 再想想自己的状态和时间管理,专注度 要是不拿这样惨淡的分数,那才没有道理. 期中考也挂了,说到底还是自己挖的坑 我想到我刚刚走上oi这条路,虽然一样的菜,至少会在每天放学后一个劲往机房跑,至少享受着整天泡在机房的感觉, 至少,心中没有那么多杂念 我总是把自己推倒了又重来 有几次在hf校园,却无比想要回

解微分方程+ode求解器

该命令中可以用D表示微分符号,其中D2表示二阶微分,D3表示三阶微分,以此类推. 求精确解 1.微分方程 r=dsolve('eqn1','eqn2',...,'cond1','cond2',...,'var'). 解释如下:eqni表示第i个微分方程,condi表示第i个初始条件,var表示微分方程中的自变量,默认为t. >> dsolve('Dy=3*x^2','y(0)=2','x') ans =  x^3 + 2 2.微分方程组 >> [x,y]=dsolve('Dx=y'

【转】PHP开发经验之谈,看了受益非浅

用单引号代替双引号来包含字符串,这样做会更快一些.因为PHP会在双引号包围的字符串中搜寻变量,单引号则不会,注意:只有echo能这么做,它是一种可以把多个字符串当作参数的"函数"(译注:PHP手册中说echo是语言结构,不是真正的函数,故把函数加上了双引号). 1.如果能将类的方法定义成static,就尽量定义成static,它的速度会提升将近4倍. 2.$row['id'] 的速度是$row[id]的7倍. 3.echo 比 print 快,并且使用echo的多重参数(译注:指用逗号

Oracle报错ORA-16433非归档丢失redo无法启动的恢复过程

[案例]Oracle报错ORA-16433非归档丢失redo无法启动的恢复过程 转惜纷飞 今天ML的群中女神和travel在纠结一个恢复的问题,11.2.0.3版本,非归档,大概是rm掉current的log,然后重建controlfille后恢复导致一系列问题,并最终出现ora-600 2662错误,虽然这个错误很常见,但是你发现推进scn也是无法open,感觉有点怪,远程了女神的电脑,操作不便,最后将文件压缩传过来,我在自己的vmware进行了恢复. 由于环境的差异,所以解压后我先进行ren

C#中下限非零的数组解析

谈到数组时,当被问及数组是从什么数开始时,估计大部分程序员都会直接说出数组当然是从0开始的.这个回答当然没有错,现在我们就来了解一下C#中的下限非0的数组. 首先看一下数组的相关介绍: 1.数组:是允许将多个数据项当作一个集合来处理的机制. 2.数组的分类:在CLR中,数组可分为一维数组,多维数组,交错数组. 3.数组的类型:由于所有的数组都是继承自System.Array这个抽象类型,而这个类型又是继承自System.Object,这就说明数组是引用类型. 在创建数组时,除了有数组元素,数组对

Java千百问_02基本使用(012)_如何编写非阻塞SocketChannel程序

点击进入_更多_Java千百问 1.如何编写非阻塞SocketChannel程序 了解Socket看这里:Socket是什么 了解 SocketChannel看这里:Socket.SocketChannel有什么区别 使用SocketChannel的最大好处就是可以进行非阻塞IO,每次链接后都会直接返回,不会阻塞线程.将需要多个线程的任务通过几个线程就能完成,降低了了性能消耗. 了解阻塞.非阻塞看这里:阻塞.非阻塞有什么区别 要编写SocketChannel,需要了解java.nio包中如下几个