You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

含微分的表达式积分:用SymPy符号求解T(t)的ODE问题

符号化求解常微分方程T(t)

原方程与目标

给定常微分方程:
$$\frac{dT}{dt} = \frac{T_0 - T}{\tau}$$

要求先解出$dT$,再通过两边积分的方式符号化求解$T(t)$。

步骤1:整理出含dT的表达式

将原方程变形,得到$dT$的表达式:
$$dT = \frac{T_0 - T}{\tau} dt$$

步骤2:分离变量

把含$T$的项移至左侧,含$t$的项移至右侧,完成变量分离:
$$\frac{dT}{T_0 - T} = \frac{1}{\tau} dt$$

步骤3:两边积分

对等式两侧分别积分,引入积分常数$C$:
$$\int \frac{dT}{T_0 - T} = \int \frac{1}{\tau} dt + C$$

步骤4:计算积分并整理

左侧积分结果为$-\ln|T_0 - T|$,右侧为$\frac{t}{\tau} + C$,整理得:
$$-\ln|T_0 - T| = \frac{t}{\tau} + C$$

两边取指数并化简(令$A = e^{-C}$,$A$为常数):
$$T_0 - T = A e^{-\frac{t}{\tau}}$$

最终得到$T(t)$的通解:
$$T(t) = T_0 - A e^{-\frac{t}{\tau}}$$

步骤5:用初始条件确定常数

若给定初始条件$t=0$时$T=T(0)=T_1$,代入通解得:
$$A = T_0 - T_1$$

代入后得到特解:
$$T(t) = T_0 - (T_0 - T_1) e^{-\frac{t}{\tau}}$$

SymPy实现代码

import sympy as sp

# 定义符号与函数
t, tau, T0, C = sp.symbols('t tau T0 C')
T = sp.Function('T')(t)

# 原ODE
ode = sp.Eq(sp.diff(T, t), (T0 - T)/tau)

# 整理得到dT的表达式
dT_expr = sp.Eq(sp.diff(T, t)*sp.dt(t), (T0 - T)/tau * sp.dt(t))

# 分离变量后积分
left_int = sp.integrate(1/(T0 - T), T)
right_int = sp.integrate(1/tau, t) + C

# 求解T(t)
solution = sp.solve(sp.Eq(left_int, right_int), T)
print("通解:", solution)

运行代码后会输出通解:[T0 - C*exp(-t/tau)],与手动推导结果一致。

内容的提问来源于stack exchange,提问作者remusconnor

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.06.30 21:22:41