第三十一讲 非线性微分自治方程组及图解
一,非线性一阶微分自治方程组的一般形式:
{x′=f(x,y)y′=g(x,y)\left\{\begin{matrix}{x}'=f(x,y)\\ {y}'=g(x,y)\end{matrix}\right.{x′=f(x,y)y′=g(x,y)
等式右边不显含变量t
等式右边是非线性函数(如三角函数、二次项)
二,例题(含阻尼的非线性摆):
如图,一根木杆绕定点o来回摆动,下端有个质量为m的摆球,木杆长度为l,轨道是圆形。θ角是木杆和垂直方向的夹角。规定逆时针摆动为正方向,θ角为正,顺时针为负方向,θ角为负。
分析:
模型满足方程ma⃗=F⃗m\vec{a}=\vec{F}ma=F
因为:a⃗=θ′′l\vec{a}={\theta }''la=θ′′l,F=−mgsin(θ)F=-mgsin(\theta )F=−mgsin(θ),F的方向为负方向
所以:mθ′′l=−mgsin(θ)m{\theta }''l=-mgsin(\theta )mθ′′l=−mgsin(θ)
再减去阻尼线速度:mθ′′l=−mgsin(θ)−c1lθ′m{\theta }''l=-mgsin(\theta )-c_{1}l{\theta }'mθ′′l=−mgsin(θ)−c1lθ′,c1c_{1}c1为常数
整理为微分方程:θ′′+c1mθ′+glsin(θ)=0{\theta }''+\frac{c_{1}}{m}{\theta }'+\frac{g}{l}sin(\theta )=0θ′′+mc1θ′+lgsin(θ)=0
常数集总:令c1m=c\frac{c_{1}}{m}=cmc1=c称为阻尼常数,令gl=k\frac{g}{l}=klg=k
化简微分方程:θ′′+cθ′+ksin(θ)=0{\theta }''+c{\theta }'+ksin(\theta )=0θ′′+cθ′+ksin(θ)=0
转化为方程组:
{θ′=ωω′=−ksin(θ)−cω\left\{\begin{matrix}{\theta }'=\omega \\ {\omega }'=-ksin(\theta )-c\omega \end{matrix}\right.{θ′=ωω′=−ksin(θ)−cω
令c=1,k=2,得欠阻尼状态:
{θ′=ωω′=−2sin(θ)−ω\left\{\begin{matrix}{\theta }'=\omega \\ {\omega }'=-2sin(\theta )-\omega \end{matrix}\right.{θ′=ωω′=−2sin(θ)−ω
第一步,找到临界点(本身构成解的点):
设临界点为(x0,y0)(x_{0},y_{0})(x0,y0),意味着{x0′=f(x0,y0)=0y0′=g(x0,y0)=0\left\{\begin{matrix}{x_{0}}'=f(x_{0},y_{0})=0\\ {y_{0}}'=g(x_{0},y_{0})=0\end{matrix}\right.{x0′=f(x0,y0)=0y0′=g(x0,y0)=0
本例中{θ0′=ω0=0ω0′=−2sin(θ0)−ω0=0\left\{\begin{matrix}{\theta _{0}}'=\omega _{0}=0\\ {\omega _{0}}'=-2sin(\theta _{0})-\omega _{0}=0\end{matrix}\right.{θ0′=ω0=0ω0′=−2sin(θ0)−ω0=0,在该点角速度和角加速度都为0,处于静止状态
解方程组,得:sin(θ0)=0sin(\theta _{0})=0sin(θ0)=0,{θ0=nπω0=0\left\{\begin{matrix}\theta _{0}=n\pi \\ \omega _{0}=0\end{matrix}\right.{θ0=nπω0=0,n是整数
从物理的角度看,临界点在圆形轨迹的最低点[θ0ω0]=[00]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}0\\ 0\end{bmatrix}[θ0ω0]=[00]和最高点[θ0ω0]=[π0]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}\pi\\ 0\end{bmatrix}[θ0ω0]=[π0],最低点的临界点是稳定的(摆球从该点附近出发,时间趋于无穷时,摆球会接近该点),最高点的临界点是不稳定的(摆球从该点附近出发,时间趋于无穷时,摆球会远离该点)。
第二步,对每个临界点附近,线性化方程组,并画出轨迹:
当在最低点[θ0ω0]=[00]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}0\\ 0\end{bmatrix}[θ0ω0]=[00]时:
线性化:当θ0\theta _{0}θ0是无穷小时,sin(θ0)→θ0sin(\theta _{0})\rightarrow \theta _{0}sin(θ0)→θ0
方程组变为:{θ0′=ω0ω0′=−2θ0−ω0\left\{\begin{matrix}{\theta _{0}}'=\omega _{0}\\ {\omega _{0}}'=-2\theta _{0}-\omega _{0}\end{matrix}\right.{θ0′=ω0ω0′=−2θ0−ω0
矩阵化:[θ0′ω0′]=[01−2−1][θ0ω0]\begin{bmatrix}{\theta _{0}}'\\ {\omega _{0}}'\end{bmatrix}=\begin{bmatrix}0 & 1\\ -2 & -1\end{bmatrix}\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}[θ0′ω0′]=[0−21−1][θ0ω0]
求特征值:
二阶矩阵公式λ2+λ+2=0\lambda ^{2}+\lambda +2=0λ2+λ+2=0,得:λ=−1±−72\lambda =\frac{-1\pm \sqrt{-7}}{2}λ=2−1±−7
λ\lambdaλ是复数,说明图像是螺旋。因为实部−12-\frac{1}{2}−21是负数,所以大小会按照e−12te^{-\frac{1}{2}t}e−21t缩小。因此螺旋是汇聚,不是源。
求螺旋方向:
将点[θ0ω0]=[10]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}1\\ 0\end{bmatrix}[θ0ω0]=[10]代入方程组,得该点速度向量[θ0′ω0′]=[0−2]\begin{bmatrix}{\theta _{0}}'\\ {\omega _{0}}'\end{bmatrix}=\begin{bmatrix}0\\ -2\end{bmatrix}[θ0′ω0′]=[0−2],竖直向下
作图:
物理含义:摆球从最低点附近开始,向最低点靠近,来回摆动,由于受到阻尼影响,摆幅越来越小,最后静止。
当在最高点[θ0ω0]=[π0]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}\pi\\ 0\end{bmatrix}[θ0ω0]=[π0]时:
线性化:
临界点(x0,y0)(x_{0},y_{0})(x0,y0)处的雅克比矩阵:J0=[fxfygxgy]0J_{0}=\begin{bmatrix}f_{x} & f_{y}\\ g_{x} & g_{y}\end{bmatrix}_{0}J0=[fxgxfygy]0
本例中,临界点的方程组:{θ0′=ω0ω0′=−2sin(θ0)−ω0\left\{\begin{matrix}{\theta _{0}}'=\omega _{0}\\ {\omega _{0}}'=-2sin(\theta _{0})-\omega _{0}\end{matrix}\right.{θ0′=ω0ω0′=−2sin(θ0)−ω0
雅克比矩阵:J0=[fθfωgθgω]0=[01−2cos(θ)−1]J_{0}=\begin{bmatrix}f_{\theta } & f_{\omega }\\ g_{\theta } & g_{\omega }\end{bmatrix}_{0}=\begin{bmatrix}0 &1 \\ -2cos(\theta ) & -1\end{bmatrix}J0=[fθgθfωgω]0=[0−2cos(θ)1−1]
这个雅克比矩阵就是线性化方程中的矩阵A:比如,当在最低点[θ0ω0]=[00]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}0\\ 0\end{bmatrix}[θ0ω0]=[00]时,J0=[01−2cos(θ)−1]=[01−2−1]J_{0}=\begin{bmatrix}0 &1 \\ -2cos(\theta ) & -1\end{bmatrix}=\begin{bmatrix}0 & 1\\ -2 & -1\end{bmatrix}J0=[0−2cos(θ)1−1]=[0−21−1]
当在最高点[θ0ω0]=[π0]\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=\begin{bmatrix}\pi\\ 0\end{bmatrix}[θ0ω0]=[π0]时:J0=[01−2cos(θ)−1]=[012−1]J_{0}=\begin{bmatrix}0 &1 \\ -2cos(\theta ) & -1\end{bmatrix}=\begin{bmatrix}0 & 1\\ 2 & -1\end{bmatrix}J0=[0−2cos(θ)1−1]=[021−1]
矩阵化:[θ0′ω0′]=[012−1][θ0ω0]\begin{bmatrix}{\theta _{0}}'\\ {\omega _{0}}'\end{bmatrix}=\begin{bmatrix}0 & 1\\ 2 & -1\end{bmatrix}\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}[θ0′ω0′]=[021−1][θ0ω0]
求特征值:
二阶矩阵公式λ2+λ−2=0\lambda ^{2}+\lambda -2=0λ2+λ−2=0,得:λ1=1\lambda _{1}=1λ1=1,λ2=−2\lambda _{2}=-2λ2=−2
求特征向量:
将λ1=1\lambda _{1}=1λ1=1代入[0−λ12−1−λ][α1α2]=0\begin{bmatrix}0-\lambda & 1\\ 2 & -1-\lambda \end{bmatrix}\begin{bmatrix}\alpha _{1}\\ \alpha _{2}\end{bmatrix}=0[0−λ21−1−λ][α1α2]=0得:α1⃗=c1[11]\vec{\alpha _{1}}=c_{1}\begin{bmatrix}1\\ 1\end{bmatrix}α1=c1[11],解为c1[11]etc_{1}\begin{bmatrix}1\\ 1\end{bmatrix}e^{t}c1[11]et
将λ1=−2\lambda _{1}=-2λ1=−2代入[0−λ12−1−λ][α1α2]=0\begin{bmatrix}0-\lambda & 1\\ 2 & -1-\lambda \end{bmatrix}\begin{bmatrix}\alpha _{1}\\ \alpha _{2}\end{bmatrix}=0[0−λ21−1−λ][α1α2]=0得:α2⃗=c2[1−2]\vec{\alpha _{2}}=c_{2}\begin{bmatrix}1\\ -2\end{bmatrix}α2=c2[1−2],解为c2[1−2]e−2tc_{2}\begin{bmatrix}1\\ -2\end{bmatrix}e^{-2t}c2[1−2]e−2t
通解:[θ0ω0]=c1[11]et+c2[1−2]e−2t\begin{bmatrix}\theta _{0}\\ \omega _{0}\end{bmatrix}=c_{1}\begin{bmatrix}1\\ 1\end{bmatrix}e^{t}+c_{2}\begin{bmatrix}1\\ -2\end{bmatrix}e^{-2t}[θ0ω0]=c1[11]et+c2[1−2]e−2t
作图(按照第二十七讲的方法):
物理含义:摆球从最高点附近开始,由慢变快地向最低点下落。
第三步,将两个临界点的图结合成大图:
画出每个临界点的轨迹,并补充些轨迹。
物理含义:摆球从最高点附近开始,由慢变快地向最低点下落,如果力很大,就要转好几圈,然后在最低点附近来回摆动,由于受到阻尼影响,摆幅越来越小,最后静止。
第三十一讲 非线性微分自治方程组及图解相关推荐
- 工具教程第三十一讲:电报的使用(二)
这里是王团长区块链学院,与最优秀的区块链人一起成长!今天给大家讲讲电报Telegram的使用. 点击观看视频教程:工具教程第三十一讲:电报的使用(二) 第三步.注册使用Telegram 1.点 ...
- 名词解释第三十一讲:市值
这里是王团长区块链学院,与最优秀的区块链人一起成长!今天给大家讲讲深度. 点击观看视频教程:名词解释第三十一讲:市值 市值本意指公司资产的市场价值,是一家上市公司所发行的所有股份按照市场价格计算出来的 ...
- 多元线性模型分类变量方差_第三十一讲 R多元线性回归中的多重共线性和方差膨胀因子...
在前两讲中,我们介绍了多元线性回归的概念以及多元线性回归中的交互作用.今天学习的主要内容是多元线性回归中的多重共线性和方差膨胀因子. 1. 共线性的概念 1 共线性 在多元回归中,两个或多个预测变量可 ...
- 学习笔记-小甲鱼Python3学习第三十一讲:永久存储:腌制一缸美味的泡菜
pickle函数 打开--读/写--关闭 看个例子: >>> import pickle#导入pickle()函数 >>> my_list = [123,23.23 ...
- 硬件使用74hc138的C语言程序,【Arduino教程】第三十一讲:74HC138实验
74HC138实验 产品介绍 74HC138是一款高速CMOS器件,74HC138引脚兼容低功耗肖特基TTL(LSTTL)系列.74HC138译码器可接受3位二进制加权地址输入(A0, A1和A2), ...
- 第三十一讲:switch语句(项目三十一:定期利息计算器)
1.任务和代码: /* *文件名称:interset.c *作 者:末子灬秋风 *完成时间:2020年3月14日 *版本 号:vc++6.0 * *问题描述:输入存款金额并选择存款种类,计算出利息(不 ...
- 第三十一讲:UML类图(上)
类名 成员变量:属性 成员函数:方法 访问权限-属性名-属性的类型 访问权限-方法名-返回值,还可以传递参数列表. 继承类的类图 JAVA里面类的访问权限只有两种:package(默认的访问权限)和p ...
- PreScan快速入门到精通第三十一讲基于PreScan进行鱼眼摄像头传感器仿真
PreScan允许用户实现鱼眼相机传感器.鱼眼相机覆盖了水平和垂直方向的大视野,通常用于停车辅助等应用. 使用鱼眼相机拍摄的场景 鱼眼相机 鱼眼相机是一个带有f-theta镜头的(单声道)相机传感器. ...
- 概率论与数理统计学习笔记——第三十一讲——方差的性质
1. 方差的性质 2. 二项分布的方差 3. 正态分布的方差 4. 独立正态随机变量的线性组合仍服从正态分布 5. 方差的应用实例 6. 标准化变量的定义
最新文章
- 小孩学python有意义吗-世界冠军教练告诉你:少儿编程这些坑,能不踩就别踩!...
- 专题一:预处理数据(使用sklearn-preprocessing)
- C++统计难题hdu1251
- Android Selector的简写
- ZeptoN正在将程序放入Java
- 大公司和小公司的比较
- 登录 java_登录Java
- Qt--自定义Delegate
- 计算机二级的注册证件号码,如何在Excel中输入以0开头的证件号码
- 《HTTP权威指南》读书笔记(1)-HTTP简介与消息结构
- PCROP_RDP重新恢复为uncheck
- AOP的连接点与切点区别,连接点,切点,切面的基础概念
- 龙芯3A5000笔记本安装开源操作系统loongnix记录
- 采集用python还是火车头_我才知道爬虫也可以酱紫--火车采集器
- MAC——本机域名[localhost]配置
- html鼠标放大镜效果,CSS3实现鼠标放大镜和放小镜的效果
- 手机总是自动重启怎么处理
- sw与matlab连接_solidworks模型如何导入matlab?
- php网盘 共享 直链,PHP比较简单的百度网盘文件直链的实现方法
- yolov5---detect.py注释解析
热门文章
- 11G中自动收集统计信息
- 传真故障排除示例--编码不一致导致传真失败
- 更改计算机名引起的奇怪问题:“重新启动计算机之前控制台无法刷新”
- HTTP 共享打印机
- 成幻Online Judge 1.00 Beta 正式发布 2007.6.22
- 计算机等级考试计算机基础知识pdf,计算机基础知识与应用能力等级考试.pdf
- linux 查看ftp账户,linux的ftp服务之本地访问浏览与虚拟账户
- 【IM】关于无监督降维的理解
- Leetcode 242. 有效的字母异位词 解题思路及C++实现
- for循环的执行顺序