|
Appunti scientifiche |
|
Visite: 2095 | Gradito: | [ Medio appunti ] |
Leggi anche appunti:Significato geometrico della derivataSIGNIFICATO GEOMETRICO DELLA DERIVATA Sia f(x) una funzione definita in Dante e la matematicaDANTE E LA MATEMATICA Dopo gli anni '90 del XIII secolo, Dante si dedica NUOVI TEOREMI per la nuova geometriaNUOVI TEOREMI per la nuova geometria Quali teoremi Bolyai e Lobacevskij riuscirono |
Modello SIR di diffusione di un'epidemia
Calcolare con la function matlab ode45 la soluzione del seguente problema:
S'(t)=-aS(t)I(t) tє [0,20]
I'(t)=aS(t)I(t)-bI(t)
R'(t)=bI(t)
S(0)=199,I(0)=1;R(0)=0
Dove:
S= suscettibili di infezione
I=infetti
R= immuni(guariti)
L'epidemia si diffonde tramite l'incontro tra S ed I, il numero di persone che passa da S ad
I è proporzionale al numero di incontri secondo una costante a= costante di contagio , il
numero di guariti aumenta quando sono curati secondo una costante b=costante di
guarigione.
Porre b=0.1 e fare il grafico della soluzione, della percentuale di individui infetti, e
determinare dopo quanto tempo si verifica il picco dell'epidemia, per diversi valori di a
(0.005,0.01,0.05,0.1).
Il modello SIR è stato implementato nei seguenti quattro fuction file diversi, uno per ogni valore di a:
% epidemia_SIR_1 MODELLO SIR EPIDEMIA
Implementa il modello SIR di una epidemia con la costante di contagio
pari a 0.005
Parametri di INPUT
t = vettore tale che 0<=t<=20
x = vettore dei valori iniziali
% Esempio di funzionamento:
[t,x]=ode45(@epidemia_SIR_1,[0 20],[199 1 0]);
function f = epidemia_SIR_1(t,x)
f = zeros(3,1);
a = 0.005; % costante di contagio
f(1) = -a*x(1)*x(2); % possibili infetti S
f(2) = a*x(1)*x(2)-0.1*x(2); % infetti I
f(3) = 0.1*x(2); % immuni R
% epidemia_SIR_2 MODELLO SIR EPIDEMIA
Implementa il modello SIR di una epidemia con la costante di contagio
pari a 0.01
Parametri di INPUT
t = vettore tale che 0<=t<=20
x = vettore dei valori iniziali
% Esempio di funzionamento:
[t,x]=ode45(@epidemia_SIR_2,[0 20],[199 1 0]);
function f = epidemia_SIR_2(t,x)
f = zeros(3,1);
a = 0.01;
f(1) = -a*x(1)*x(2);
f(2) = a*x(1)*x(2)-0.1*x(2);
f(3) = 0.1*x(2);
% epidemia_SIR_3 MODELLO SIR EPIDEMIA
Implementa il modello SIR di una epidemia con la costante di contagio
pari a 0.05
Parametri di INPUT
t = vettore tale che 0<=t<=20
x = vettore dei valori iniziali
% Esempio di funzionamento:
[t,x]=ode45(@epidemia_SIR_3,[0 20],[199 1 0]);
function f = epidemia_SIR_3(t,x)
f = zeros(3,1);
a = 0.05;
f(1) = -a*x(1)*x(2);
f(2) = a*x(1)*x(2)-0.1*x(2);
f(3) = 0.1*x(2);
% epidemia_SIR_4 MODELLO SIR EPIDEMIA
Implementa il modello SIR di una epidemia con la costante di contagio
pari a 0.1
Parametri di INPUT
t = vettore tale che 0<=t<=20
x = vettore dei valori iniziali
% Esempio di funzionamento:
[t,x]=ode45(@epidemia_SIR_4,[0 20],[199 1 0]);
function f = epidemia_SIR_4(t,x)
f = zeros(3,1);
a = 0.1;
f(1) = -a*x(1)*x(2);
f(2) = a*x(1)*x(2)-0.1*x(2);
f(3) = 0.1*x(2);
E' possibile eseguire le suddette function attraverso i rispettivi script di test organizzati nel seguente menù:
scelta=menu('scegli una costante di contagio' 'a=0.005' 'a=0.01' 'a=0.05' 'a=0.1' 'fine'
if scelta == 1
run_epidemia_SIR_1;
elseif scelta==2
run_epidemia_SIR_2;
elseif scelta == 3
run_epidemia_SIR_3;
elseif scelta==4
run_epidemia_SIR_4;
elseif scelta==5
close all
return
end
clear scelta
menu_epidemia % nome dello script
Riportiamo di seguito soltanto un0 script di test ("run_epidemia_SIR_1") poichè gli altri differiscono solo nella chimata alla specifica function (riga 2 dello script):
x0=[199 1 0];
[t,x]=ode45(@epidemia_SIR_1,[0 20],x0);
% max numero di infetti
maxInfetti=max(x(:,2));
% istante di tempo corrispondente al max num di infetti
%tInf=t(find((x(:,2))==maxInfetti));
tInf=t((x(:,2))==maxInfetti);
% grafico
figure(1)
plot(t,x,tInf,maxInfetti,'O'
xlabel('tempo'
ylabel('misure'
title('Modello SIR con a=0.005'
legend('Suscettibili' 'Infetti' 'Guariti'
text(7,70,'leftarrow S' 'HorizontalAlignment' 'left' 'Color' 'b'
text(5,55,'leftarrow I' 'HorizontalAlignment' 'left' 'Color' 'g'
text(10,60,'leftarrow R' 'HorizontalAlignment' 'left' 'Color' 'r'
% tempo del picco di infetti
A=['leftarrow Picco di infetti=' num2str(tInf)];
text(tInf,maxInfetti,A,'HorizontalAlignment' 'left' 'Color' 'magenta'
Di seguito i risulati del modello SIR di una epidemia mostrati tramite grafico. Si può notare come aumentando la costante di contagio a mantenendo fissata la costante di guarigione b la percentuale di popolazione infetta aumenta con un picco sempre più vicino nel tempo):
Figure Modello SIR di una epidemia con sostante di contagio pari a 0.005
Figure Modello SIR di una epidemia con sostante di contagio pari a 0.01
Figure Modello SIR di una epidemia con sostante di contagio pari a 0.05
Figure Modello SIR di una epidemia con sostante di contagio pari a 0.1
Calcolare con la function matlab ode45 la soluzione del seguente problema di Cauchy che
descrive il lancio di un paracadutista di massa m=80Kg da un aereo dall'altezza di 600m,
con un paracadute che si apre dopo 5 secondi.
y''(t) = -g + a(t)/m tє[0,60]
y(0)= 600
y'(0)= 0
dove (accelerazione di gravità) g= 9.81; a(t) è la resistenza dell'aria:
a(t)=K1y'(t)2 t<5 (prima dell'apertura del paracadute)
a(t)=K2y'(t)2 t>5 (dopo l'apertura del paracadute)
Testare con:
Caso 1 K1=K2=0 (caduta libera)
Caso 2 K1=1/15, K2=4/15.
A quale altezza si apre il paracadute?(caso 2)
Quando si verifica l'impatto al suolo e con che velocità ?(caso 1 e 2)
Visualizzare in un grafico le traiettorie ed i punti precedentemente calcolati
Iniziamo ad esaminare il caso 1, cioè quello della caduta libera.
Il seguente function file contenenete l'implementazione del problema nel caso di caduta libera:
% paracadutista MODELLO PARACADUTISTA
Implementa il modello modello matematico che rappresenta il lancio di un
paracadutista di massa m=80 Kg da una aereo di altezza 600 m e senza
paracadute.
Parametri di INPUT
t = vettore tale che 0<=t<=60
x = vettore dei valori iniziali
% Esempio di funzionamento:
options=odeset('events',@g);
[t,y,tfinal,yfinal]=ode45(@caduta_libera,[0 60],[600;0],options);
function pr = caduta_libera(t,y)
% caduta libera
pr = [y(2);-9.81];
Lo script che permette di testare tale funzione è "run_cadutalibera.m"
options=odeset('events',@g);
y0=[600;0];
[t,y,tfinal,yfinal]=ode45(@caduta_libera,[0 60],y0,options);
%grafico
plot(t,y(:,1),[0 tfinal],[600 0],'o'
xlabel('Tempo'
ylabel('Spazio percorso'
title('Caso 1: caduta libera'
A=[num2str(tfinal) ' = Istante di impatto al suolo rightarrow '
text(tfinal,0,A,'HorizontalAlignment' 'right' 'Color' 'black'
disp(['Istante di impatto in caduta libera: ' num2str(tfinal)]);
disp(['Velocità di impatto in caduta libera: ' num2str(abs(yfinal(2)))]);
Eseguendo dalla console del Matlab il comando 'run run_cadutalibera' si ottiene:
Figure Grafico nel caso di caduta libera
Si nota che (output dello script):
Istante di impatto in caduta libera: 11.06
Velocità di impatto in caduta libera: 108.4988
Passiamo ora ad esaminare il caso 2, cioè quello nel quale si apre il paracadute.
Il function file contenenete l'implementazione del problema del paracadutista è "paracadutista.m":
% paracadutista MODELLO PARACADUTISTA
Implementa il modello modello matematico che rappresenta il lancio di un
paracadutista di massa m=80 Kg da una aereo di altezza 600 m e con un
paracadute che si apre dopo 5 sec.
Parametri di INPUT
t = vettore tale che 0<=t<=60
x = vettore dei valori iniziali
% Esempio di funzionamento:
options=odeset('events',@g);
[t,y,tfinal,yfinal]=ode45(@paracadutista,[0 60],[600 0],options);
function pr = paracadutista(t,y)
% caduta con paracadute
if t<5
K = 1/15; % quando t<5
else
K = 4/15; % quando t>=5
end
pr = [y(2);-9.81+1/80*K*y(2)^2];
Mentre lo script che permette di testare tale funzione è "run_paracadutista.m":
% Caso2: calcolo altezza apertura paracadute
[t y]=ode45(@paracadutista,[0 5],[600 0]);
y1=y(:,1); % vettore dello spazio percorso
altAperParac=y1(t==5); %punto di apertura paracadute
disp(['Altezza apertura paracadute: ' num2str(altAperParac)]);
% Caso2: calcolo tempo di impatto al suolo e velocità con K1=1/15 e K2=4/15
options=odeset('events',@g);
[t,y,tfinal,yfinal]=ode45(@paracadutista,[0 60],[600 0],options);
%grafico
plot(t,y(:,1),[0 tfinal],[600 0],'o',5,altAperParac,
xlabel('Velocità'
ylabel('Spazio percorso'
title('Caso 2: caduta con paracadute'
A=['Velocità di atterraggio = ' num2str(tfinal) ' rightarrow '
text(tfinal,0,A,'HorizontalAlignment' 'right' 'Color' 'black'
B=[' leftarrow Apertura paracadute = ' num2str(altAperParac)];
text(5,altAperParac,B,'HorizontalAlignment' 'left' 'Color' 'black'
disp(['Istante di impatto con paracadute: ' num2str(tfinal)]);
disp(['Velocità di impatto con paracadute: ' num2str(abs(yfinal(2)))]);
Eseguendo dalla console del Matlab il comando 'run run_paracadutista' si ottiene:
Figure Grafico nel caso di apertura del paracadute
Si nota inoltre che (output dello script)::
Altezza apertura paracadute: 481.3375
Istante di impatto con paracadute: 14.2739
Velocità di impatto con paracadute: 53.9514
Come ci si poteva aspettare, nel caso di caduta libera l'impatto al suolo avviene prima e con maggiore velocità rispetto alla caduta con paracadute.
Sia la funzione caduta_libera che paracadutista utilizzano la seguente function events g:
% funzione events del paracadutista
% Parametrei di INPUT
ystop = funzione di cui calcolare lo zero
isterminal = 1 se si vuole che il solver termini quando ystop p zero
direction = [] default (determina tutti dli zeri)
function [ystop,isterminal,direction] = g(t,y)
ystop = y(1); % funzione di cui determinare lo zero
isterminal = 1;
direction = [];
E' il modello di combustione di un combustibile, ad esempio, quando si accende un
fiammifero, la palla di fuoco cresce rapidamente fino a raggiungere un punto critico e
rimane di queste dimensioni fino a che non si consuma l'ossigeno. Il modello è:
y'(t)=y2(t)-y3(t) t=[0,2/d]
y(0)=d
y(t) =raggio, d= raggio iniziale(piccolo). Più è piccolo il raggio più il problema è stiff.
Risolvere con d=0.01;d=0.0001, d=0.00001, con ode45 e ode15s con RelTol=10-4 . Fare il
grafico della soluzione e determinare il numero di punti utilizzato. Cosa si osserva?
Il file contenente la funzione che rappresenta il modello di combustione di un combustibile è "combustione.m":
% combustione MODELLO di COMBUSTIONE
Implementa il modello matematico di combustione di un combustibile.
Parametri di INPUT
t = vettore tale che 0<=t<=60
x = vettore dei valori iniziali
% Esempio di funzionamento:
t=0.01;
tspan=[0 2/d];
[t,y]=ode45(@conbustione,tspan,d);
function c = conbustione(t,y)
c = y^2-y^3;
Il test di funzionamento della funzione conbustione può essere agevolmente eseguito mediante il seguente script "test_combustione.m" il quale mette in evidenza le differenze tra il solver ode45 e ode15s:
% ODE45
d=0.01;
tspan=[0 2/d];
options=odeset('RelTol'
disp('------ ODE45 -------'
temp=cputime;
[t,y]=ode45(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.01'
disp(['Numero di punti = ' num2str(length(y))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
d=0.0001;
tspan=[0 2/d];
temp=cputime;
[t2,y2]=ode45(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.0001'
disp(['Numero di punti = ' num2str(length(y2))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
d=0.00001;
tspan=[0 2/d];
temp=cputime;
[t3,y3]=ode45(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.00001'
disp(['Numero di punti = ' num2str(length(y3))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
% grafico
figure(1)
semilogx(t,y,'-g',t2,y2,'-r',t3,y3,'-b'
xlabel('Tempo'
ylabel('Dimensione palla di fuoco'
title('Combustione con ode45'
legend('d=0.01' 'd=0.0001' 'd=0.00001'
% ODE15S
d=0.01;
tspan=[0 2/d];
options=odeset('RelTol'
disp( '
disp('------ ODE15S -------'
temp=cputime;
[t,y]=ode15s(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.01'
disp(['Numero di punti = ' num2str(length(y))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
d=0.0001;
tspan=[0 2/d];
temp=cputime;
[t2,y2]=ode15s(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.0001'
disp(['Numero di punti = ' num2str(length(y2))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
d=0.00001;
tspan=[0 2/d];
temp=cputime;
[t3,y3]=ode15s(@conbustione,tspan,d,options);
temp=cputime-temp;
disp( d = 0.00001'
disp(['Numero di punti = ' num2str(length(y3))]);
disp(['Tempo di esecuzione = ' num2str(temp)]);
% grafico
figure(2)
semilogx(t,y,'-g',t2,y2,'-r',t3,y3,'-b'
xlabel('Tempo'
ylabel('Dimensione palla di fuoco'
title('Combustione con ode15s'
legend('d=0.01' 'd=0.0001' 'd=0.00001'
Eseguendo tramite console Matlab il suddetto script, si ottengono i grafici in figura1 e figura2 ed il seguente output:
>> run run_conbustione
------ ODE45 -------
d = 0.01
Numero di punti = 185
Tempo di esecuzione = 0.0468
d = 0.0001
Numero di punti = 12161
Tempo di esecuzione = 0.546
d = 0.00001
Numero di punti = 120701
Tempo di esecuzione = 5.9592
------ ODE15S -------
d = 0.01
Numero di punti = 86
Tempo di esecuzione = 0.0312
d = 0.0001
Numero di punti = 141
Tempo di esecuzione = 0.078001
d = 0.00001
Numero di punti = 140
Tempo di esecuzione = 0.078001:
Figure Grafico della combustione con ode45 Figure Grafico della combustione con ode15s
Si può notare come per valori di d decrescenti il solver ode45 impieghi sia più tempo di esecuzione che punti per calcolare la funzione di combustione. Ciò evidenzia come tael problema sia di tipo stiff.
Function file che implementa :
Algoritmo RKF45 a passo variabile con il parametro TOL opzionale.
Il file contenente l'implementazione dell'algoritmo RKF45 è "rkf45.m":
% RKF45 algoritmo RKF45
La funzione RFK45 risolve un sistema di equazioni differenziali del tipo
y'=f(t,y(t)) utilizzando le formule di Runge-Kutta Fehlberg di ordine 4 e 5
nell'intervallo [t,T] con passo di discretizzazione adattativo, valore
iniziale y0 e tolleranza assegnata TOL.
% Paremtri di INPUT
f = function_handle che descrive il sistema come yi'=fi(t,y(t)).
Deve avere 2 parametri in ingresso t ed y
Tspan = intervallo di ricerca della soluzione
y0 = vettore delle condizioni iniziali
TOL (opzionale) = tolleranza definita dall'utente; di default vale 1e-6
a,b,c (opzionali) = costanti definite dall'utente; di default valgono
rispettivamente 5, 20000 e 100.
verbose (opzionale) = stampa a video messaggi
Parametri di OUTPUT
t : vettore dei punti generati dalla discretizzazione
y : matrice della soluzione approssimata in cui la colonna i-esima rappresenta la soluzione dell'i-esima equazione differenziale valutata in t
function [t,y] = rkf45(f,Tspan,y0,TOL,a,b,c,verbose)
% controllo numero parametri di input
if nargin <3
error('Parametri obbligatori mancanti'
elseif nargin == 3
% valori di default
TOL = 1.e-6;
a = 5;
b = 20000;
c = 100;
verbose = 0;
elseif nargin == 4
a = 5;
b = 20000;
c = 100;
verbose = 0;
elseif nargin == 5
b = 20000;
c = 100;
verbose = 0;
elseif nargin == 6
c = 100;
elseif nargin == 7
verbose = 0;
end
% controllo f
if (~(isobject(f) || isa(f, 'function_handle') || ischar(f)))
error('f deve essere un function_handle, una funzione inline o una stringa'
end
% controllo il vettore y0
outcheck = checkVector(y0);
if ~isempty(outcheck)
error(['Parametro y0 invalido: ', outcheck]);
end
% controllo Tspan
if isnumeric(Tspan)~=1 || isvector(Tspan)~=1 || length(Tspan)~=2
error('Tspan deve essere un vettore numerico di 2 componenti'
elseif Tspan(1)>=Tspan(2)
error('Intervallo [t,T] non valido'
end
% controllo validità t
outcheck = isPositiveNumber(Tspan(1));
if ~isempty(outcheck)
error(['Parametro t invalido: ', outcheck]);
end
% controllo validità T
outcheck = isPositiveNumber(Tspan(2));
if ~isempty(outcheck)
error(['Parametro T invalido: ', outcheck]);
end
% controllo validità TOL
outcheck = isPositiveNumber(TOL);
if ~isempty(outcheck)
error(['Parametro TOL invalido: ', outcheck]);
end
% correggo la tolleranza TOL
TOL = max(TOL,eps);
if ischar(a) || ischar(b) || ischar(c) || isnan(a) || isnan(b) || isnan(c)
|| isinf(a) || isinf(b) || isinf(c)
error('Le costanti a b c devono essere dei numeri'
end
t = Tspan(1);
T = Tspan(2);
hmax = (T-t)/a;
hmin = (T-t)/b;
h = (T-t)/c;
% visualizzazione messaggi utente
if verbose == 1
disp(['hmin = ' num2str(hmin)]);
disp(['hmax = ' num2str(hmax)]);
disp(['h = ' num2str(h)]);
disp(['a = ' num2str(a)]);
disp(['b = ' num2str(b)]);
disp(['c = ' num2str(c)]);
disp(['TOL = ' num2str(TOL)]);
end
i = 1;
t(i) = t;
y(1,:) = y0;
while t(i)<T && h>=hmin
if t(i)+h > T
h = T-t(i);
end
% calcolo Ki, i=16
K1 = h*(feval(f,t(i),y(i,:)));
K3 = h*(feval(f,t(i)+3*h/8,y(i,:)+(3*K1'+9*K2')/32));
K4 = h*(feval(f,t(i)+12*h/13,y(i,:)+(1932*K1'-7200*K2'+7296*K3')/2197));
K5 = h*(feval(f,t(i)+h,y(i,:)+439*K1'/216-8*K2'+3680*K3'/513-845*K4'/4104));
K6 = h*(feval(f,t(i)+h/2,y(i,:)-8*K1'/27+2*K2'-3544*K3'/2565+1859*K4'/4104-11*K5'/40));
% calcolo errore R
R = max(abs((1/360)*K1-(128/4275)*K3-(2197/75240)*K4+(1/50)*K5+(2/55)*K6));
if verbose == 1
disp(['K1 = ' num2str(K1)]);
disp(['K2 = ' num2str(K2)]);
disp(['K3 = ' num2str(K3)]);
disp(['K4 = ' num2str(K4)]);
disp(['K5 = ' num2str(K5)]);
disp(['K6 = ' num2str(K6)]);
disp(['R = ' num2str(R)]);
end
% controllo dell'accuratezza
if R<TOL*h
t(i+1) = t(i)+h;
% calcolo nuova approssimazione y(k+1)
y(i+1,:) = y(i,:)+((25/216)*K1'+(1408/2565)*K3'+(2197/4104)*K4'-(K5'/5));
i = i+1;
end
% calcolo nuovo passo
if R~=0
q = 0.84*(TOL*h/R)^0.25;
h = min(hmax,q*h);
end
end
% condizione che si verifica quando h<hmin
if t<T
warning(1'probabile singolarità'
end
Il test sull'algoritmo rkf45 verrà effettuato tramite la funzione epidemia_SIR_1 presentata nell'esercizio 1 così da poter confrontare i risulati di rkf45 con quelli calcolati mediante ode45.
Lo script seguente ("test_rkf45") permette di eseguire facilemnte la funzione rkf45:
% test con il modello SIR
b=0.1;
a=0.005;
% vettore valori iniziali
x0=[199 1 0];
[t,x]=rkf45(@epidemia_SIR_1,[0 20],x0);
%grafico soluzione
figure;
plot(t,x);
text=['Soluzione SIR con a=', num2str(a)];
title(text);
legend('Suscettibili' 'Infetti' 'IGuariti'
xlabel('Giorni'
ylabel('Popolazione'
L'output generato è il seguente:
Figure Grafico del modello SIR calcolato con rkf45
Come si può notare il grafico di figura 9 è identico a Figure 1 dell'esercizio 1.
Passiamo infine a controllare la robustezza della funzione rkf45 nei confronti dei parametri di ingresso.
A tale scopo consideriamo la seguente funzione di ingresso
>> f=inline('-5*y','t','y')
f =
Inline function:
f(t,y) = -5*y
>> [t,y]=rkf45(f)
??? Error using ==> rkf45 at 25
Parametri obbligatori mancanti
>> [t]=rkf45(f)
??? Error using ==> rkf45 at 25
Parametri obbligatori mancanti
>> [t]=rkf45(f,[1 2],['ciao'])
??? Error using ==> rkf45 at 56
Parametro y0 invalido: deve contenere solo numeri
>> [t]=rkf45(f,[1 2],[nan])
??? Error using ==> rkf45 at 56
Parametro y0 invalido: non deve contenere valori NaN
>> [t]=rkf45(f,[1 2],[inf])
??? Error using ==> rkf45 at 56
Parametro y0 invalido: non deve contenere valori Inf
>> [t]=rkf45(f,[3 1],10^-6)
??? Error using ==> rkf45 at 63
Intervallo [t,T] non valido
>> [t]=rkf45(f,['1' 2],10^-6)
??? Error using ==> rkf45 at 61
Tspan deve essere un vettore numerico di 2 componenti
>> [t]=rkf45(f,[1 2 3],10^-6)
??? Error using ==> rkf45 at 61
Tspan deve essere un vettore numerico di 2 componenti
>> [t]=rkf45(f,[inf 3],[1])
??? Error using ==> rkf45 at 63
Intervallo [t,T] non valido
>> [t]=rkf45(f,[1 3],[1], 'tol')
??? Error using ==> rkf45 at 79
Parametro TOL invalido: non deve contenere caratteri
>> [t]=rkf45(f,[1 3],[1], -1)
??? Error using ==> rkf45 at 79
Parametro TOL invalido: deve essere positivo
>> [t]=rkf45(f,[1 3],[1], nan)
??? Error using ==> rkf45 at 79
Parametro TOL invalido: non deve essere NaN
Appunti su: |
|
Appunti Fisica | |
Tesine Geografia | |
Lezioni Contabilita | |