时间:2021-05-22
问题1:
程序,如下
from sympy import *f = symbols('f', cls=Function)x = symbols('x')eq = Eq(f(x).diff(x, x) - 2*f(x).diff(x) + f(x), sin(x))print(dsolve(eq, f(x)))结果
Eq(f(x), (C1 + C2*x)*exp(x) + cos(x)/2)
附:布置考试中两题
1.利用python的Sympy库求解微分方程的解 y=f(x),并尝试利用matplotlib绘制函数图像
程序,如下
from sympy import *f = symbols('f', cls=Function)x = symbols('x')eq = Eq(f(x).diff(x,1)+f(x)+f(x)**2, 0)print(dsolve(eq, f(x)))C1 = symbols('C1')eqr = -C1/(C1 - exp(x))eqr1 = eqr.subs(x, 0)print(solveset(eqr1 - 1, C1))eqr2 = eqr.subs(C1, 1/2)# 画图import matplotlib.pyplot as pltimport numpy as npx_1 = np.arange(-5, 5, 0.1)y_1 = [-0.5/(0.5 - exp(x)) for x in x_1]plt.plot(x_1, y_1)plt.axis([-6,6,-10,10])plt.grid()plt.show()结果
Eq(f(x), -C1/(C1 - exp(x)))
FiniteSet(1/2)
2.利用python的Sympy库求解微分方程的解 y=y(x),并尝试利用matplotlib绘制函数图像
程序,如下
from sympy import *y = symbols('y', cls=Function)x = symbols('x')eq = Eq(y(x).diff(x,1), y(x))print(dsolve(eq, y(x)))C1 = symbols('C1')eqr = C1*exp(x)eqr1 = eqr.subs(x, 0)print(solveset(eqr1 - 1, C1))eqr2 = eqr.subs(C1, 1)# 画图import matplotlib.pyplot as pltimport numpy as npx_1 = np.arange(-5, 5, 0.01)y_1 = [exp(x) for x in x_1]plt.plot(x_1, y_1, color='orange')plt.grid()plt.show()结果
Eq(y(x), C1*exp(x))
FiniteSet(1)
到此这篇关于python中sympy库求常微分方程的用法的文章就介绍到这了,更多相关python sympy常微分方程内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
matlab解微分方程组方法是: 1、首先,在matlab中解常微分方程有两种方法,一种是符号解法,另一种是数值解法。在本科阶段的微分数学题,基本上可以通过符
自由响应和强迫响应定义如下: 1、自由响应是动态电路的完全响应中,已由初条确定待定系数k的微分方程通解部分,称为电路系统的自由响应。 2、强迫响应是动态电路
热传导方程是一个重要的偏微分方程,它描述一个区域内的温度如何随时间变化。热方程的解具有将初始温度平滑化的特质,这代表热从高温处向低温处传播。一般而言,许多不同的
前言简单介绍下python的几个自动求导工具,tangent、autograd、sympy;在各种机器学习、深度学习框架中都包含了自动微分,微分主要有这么四种:
环境说明:Python3.7.2+JupyterNotebook示例1(求解一元三次方程):importsympyassp#导入sympy包x=sp.Symbo