Перепиши этот код import numpy as np from scipy.integrate import solveivp import…
- User
Перепиши этот код import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt from scipy.interpolate import interp1d
Параметры дифференциального уравнения
def mypde(t, u, D=0.1): # Дискретизация второй производной с помощью конечных разностей uxx = np.zeros_like(u) uxx[1:-1] = (u[:-2] - 2 * u[1:-1] + u[2:]) / (dx**2) # Граничные условия uxx[0] = uxx[-1] = 0 return D * uxx
Начальные условия
def mydif_ic(x): return np.where((x <= 0.45) | (x >= 0.55), 0.0, 1.0)
Граничные условия
def mydif_bc(t, u): u[0] = u[-1] = 0.0 return u
Решение диффузионного уравнения
def mydiffusion(m, n_x, n_t): xmesh = np.linspace(0, 1, n_x) tspan = np.linspace(0, 0.4, n_t) global dx dx = xmesh[1] - xmesh[0]
# Начальные условия: u0 = mydif_ic(xmesh) # Решение с использованием функции solve_ivp sol = solve_ivp(mypde, (tspan[0], tspan[-1]), u0, t_eval=tspan, method='RK45', vectorized=True) X, T = np.meshgrid(xmesh, sol.t) u = sol.y # График поверхности plt.figure() ax = plt.axes(projection='3d') ax.plot_surface(X, T, u.T, cmap='viridis') ax.set_xlabel('Координата') ax.set_ylabel('Время') ax.set_zlabel('Концентрация') plt.title('Концентрация вещества, как функция координаты и времени') # Контурный график plt.figure() contour_levels = [0.001, 0.005, 0.05] c = plt.contour(X, u[:, :].T, T, levels=contour_levels) plt.clabel plt.xlabel('Координата') plt.ylabel('Концентрация') plt.title('Концентрация как функция координаты в отдельные моменты времени') plt.grid() plt.show()Вызов функции с данными параметрами
mydiffusion(0, 100, 100) чтобы он подошел к этому условию: Найти решение уравнения диффузии и построить график зависимости концентрации веществе 𝑢 во времени в зависимости (0 ≤ 𝑡 ≤ 2) от координаты (0 ≤ 𝑥 ≤ 1). (𝜋^2)* (𝜕𝑢/𝜕𝑡) = 𝜕/𝜕𝑥 ( 𝜕𝑢/𝜕𝑥 ). Начальные условия: 𝑢(𝑥, 0) = sin 𝜋𝑥 Граничные условия: 𝑢(0,𝑡) = 0, 𝜋𝑒 −𝑡 + 𝜕𝑢 𝜕𝑥 (1,𝑡) = 0.
- Assistant
Чтобы модифицировать данный код для заданного условия, потребуется изменить функции, описывающие начальное и граничное условия, и само дифференциальное уравнение. Начальные условия задаются функцией sin(πx), а в уравнении диффузии коэффициент диффузии D будет равен 1/π^2.
Для граничных условий типа Неймана на правом крае (d𝑢/dx (1,t) = 0) мы можем использовать приближение конечной разностью первого порядка.
Перепишем код со следующими изменениями:
- Измененные параметры дифференциального уравнения и коэффициент диффузии.
- Начальная функция mypde будет использовать sin(πx).
- Граничное условие на левом крае u(0,t) = 0, а на правом градиент равен 0, что будет аппроксимировано конечными разностями.
- Решение уравнения диффузии, учитывая новый интервал времени и измененные условия.
Вот переписанный код:
import numpy as np from scipy.integrate import solve_ivp import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D def mypde(t, u, D=1/(np.pi**2)): uxx = np.zeros_like(u) uxx[1:-1] = (u[:-2] - 2*u[1:-1] + u[2:]) / (dx**2) # Применяем условие Неймана d𝑢/dx (1,t) = 0 приближенно uxx[-1] = (u[-2] - u[-1]) / dx**2 # Первая разность задняя (backwards difference) # Левое граничное условие Dirichlet u(0,t) = 0 уже установлено в uxx[0] = 0 return D * uxx # Начальные условия def mydif_ic(x): return np.sin(np.pi * x) # Решение диффузионного уравнения def mydiffusion(D, n_x, n_t): xmesh = np.linspace(0, 1, n_x) tspan = np.linspace(0, 2, n_t) global dx dx = xmesh[1] - xmesh[0] # Начальные условия: u0 = mydif_ic(xmesh) # Решение с использованием функции solve_ivp sol = solve_ivp(lambda t, u: mypde(t, u, D), (tspan[0], tspan[-1]), u0, t_eval=tspan, method='RK45', vectorized=True) X, T = np.meshgrid(xmesh, sol.t) u = sol.y # График поверхности fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.plot_surface(X, T, u.T, cmap='viridis') ax.set_xlabel('X') ax.set_ylabel('Time') ax.set_zlabel('Concentration') ax.set_title('Concentration over time and space') plt.show() # Вызов функции с заданными параметрами mydiffusion(1/(np.pi**2), 100, 100)Обратите внимание, что граничное условие u(0,t) = 0 уже автоматически соблюдается функцией mypde, так как мы инициализируем uxx нулями и не меняем uxx[0]. Условие du/dx (1,t) = 0 мы аппроксимируем с помощью первой задней разности на правом крае.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.