除了前面提到的SciPy方法odeint和ode之外,它现在还有^{}这是更新的,而且通常更方便。一个完整的示例,将[v11, v22, v12]编码为数组v:from scipy.integrate import solve_ivp
def rhs(s, v):
return [-12*v[2]**2, 12*v[2]**2, 6*v[0]*v[2] - 6*v[2]*v[1] - 36*v[2]]
res = solve_ivp(rhs, (0, 0.1), [2, 3, 4])
这就解决了系统在初始值为[2, 3, 4]的区间(0, 0.1)上的问题。结果的自变量(在您的符号中)为res.t:array([ 0. , 0.01410735, 0.03114023, 0.04650042, 0.06204205,
0.07758368, 0.0931253 , 0.1 ])
这些值是自动选择的。我们可以提供t_eval来在所需的点计算解决方案:例如,t_eval=np.linspace(0, 0.1)。
因变量(我们正在寻找的函数)位于res.y:array([[ 2. , 0.54560138, 0.2400736 , 0.20555144, 0.2006393 ,
0.19995753, 0.1998629 , 0.1998538 ],
[ 3. , 4.45439862, 4.7599264 , 4.79444856, 4.7993607 ,
4.80004247, 4.8001371 , 4.8001462 ],
[ 4. , 1.89500744, 0.65818761, 0.24868116, 0.09268216,
0.0345318 , 0.01286543, 0.00830872]])
使用Matplotlib,这个解决方案被绘制为plt.plot(res.t, res.y.T)(如果我提供了t_eval如前所述,那么绘制会更平滑)。