### 使用 Python 实现二级欧拉法近似求解二阶常微分方程 为了使用二级欧拉法（改进型欧拉法）求解二阶常微分方程，可以先将其转换为两个一阶常微分方程组成的系统。假设给定的二阶常微分方程形式如下： \[ y'' = f(t, y, y') \] 可以通过引入辅助变量 \( v = y' \)，将上述二阶方程分解成两个一阶方程： \[ v' = f(t, y, v), \quad y' = v. \] 接着应用改进型欧拉法（也称为梯形法则），其更新公式为： \[ y_{n+1} = y_n + h \cdot (f_1(t_n, y_n, v_n) + f_1(t_{n+1}, y_{n+1}^{*}, v_{n+1}^{*})) / 2, \] \[ v_{n+1} = v_n + h \cdot (f_2(t_n, y_n, v_n) + f_2(t_{n+1}, y_{n+1}^{*}, v_{n+1}^{*})) / 2, \] 其中 \( f_1(t, y, v) = v \)，\( f_2(t, y, v) = f(t, y, v) \)，而 \( y_{n+1}^{*} \) 和 \( v_{n+1}^{*} \) 是基于显式欧拉法初步估计的结果。 以下是具体的 Python 示例代码实现[^1][^2]: ```python import numpy as np import matplotlib.pyplot as plt def improved_euler_second_order(f, t_span, y0, v0, num_steps): """ 使用改进型欧拉法求解二阶常微分方程。 参数: f: 函数定义 dydt = f(t, y, v) t_span: 时间区间 [t_start, t_end] y0: 初始条件 y(t0) v0: 初始条件 y'(t0) num_steps: 步数 返回: ts: 时间数组 ys: 解数组 y(t) vs: 导数数组 y'(t) """ t_start, t_end = t_span h = (t_end - t_start) / num_steps ts = np.linspace(t_start, t_end, num_steps + 1) ys = np.zeros(num_steps + 1) vs = np.zeros(num_steps + 1) ys[0], vs[0] = y0, v0 for i in range(num_steps): tn = ts[i] yn = ys[i] vn = vs[i] # 显式欧拉预测 k1_y = h * vn k1_v = h * f(tn, yn, vn) y_star = yn + k1_y v_star = vn + k1_v # 改进型欧拉校正 k2_y = h * (vn + f(tn + h, y_star, v_star)) k2_v = h * (f(tn, yn, vn) + f(tn + h, y_star, v_star)) ys[i + 1] = yn + 0.5 * k2_y vs[i + 1] = vn + 0.5 * k2_v return ts, ys, vs # 定义二阶 ODE 的右侧函数 f(t, y, v) def ode_function(t, y, v): return -9.81 # 假设自由落体运动作为例子 # 设置初始条件和参数 t_span = [0, 10] y0 = 0 # 初始位置 v0 = 0 # 初始速度 num_steps = 100 ts, ys, vs = improved_euler_second_order(ode_function, t_span, y0, v0, num_steps) plt.figure(figsize=(10, 6)) plt.plot(ts, ys, label="Position y(t)") plt.plot(ts, vs, label="Velocity v(t)", linestyle="--") plt.xlabel("Time (s)") plt.ylabel("Value") plt.title("Improved Euler Method Solution of Second Order ODE") plt.legend() plt.grid(True) plt.show() ``` 此代码实现了改进型欧拉法用于求解二阶常微分方程，并绘制了位置 \( y(t) \) 和速度 \( v(t) \) 随时间的变化曲线。这里以自由落体为例进行了演示[^3]。 #### 相关问题