如何在 Python 中数值求解 ODE?
考虑
\ddot{u}(\phi) = -u + \sqrt{u}
具有以下条件
u(0) = 1.49907
和
\dot{u}(0) = 0
有了约束
0 <= \phi <= 7\pi.
最后,我想产生一个参数图,其中 x 和 y 坐标作为 u 的函数生成。
问题是,我需要运行 odeint 两次,因为这是一个二阶微分方程。我试图让它在第一次之后再次运行,但它返回一个雅可比错误。必须有一种方法一次运行两次。
这里是错误:
odepack.error:函数及其 Jacobian 必须是可调用函数
下面的代码生成。有问题的行是 sol = odeint。
import numpy as np
from scipy.integrate import odeint
import matplotlib.pyplot as plt
from numpy import linspace
def f(u, t):
return -u + np.sqrt(u)
times = linspace(0.0001, 7 * np.pi, 1000)
y0 = 1.49907
yprime0 = 0
yvals = odeint(f, yprime0, times)
sol = odeint(yvals, y0, times)
x = 1 / sol * np.cos(times)
y = 1 / sol * np.sin(times)
plot(x,y)
plt.show()
Edit
我正在尝试构建第 9 页的情节
Classical Mechanics Taylor这是 Mathematica 的情节
In[27]:= sol =
NDSolve[{y''[t] == -y[t] + Sqrt[y[t]], y[0] == 1/.66707928,
y'[0] == 0}, y, {t, 0, 10*\[Pi]}];
In[28]:= ysol = y[t] /. sol[[1]];
In[30]:= ParametricPlot[{1/ysol*Cos[t], 1/ysol*Sin[t]}, {t, 0,
7 \[Pi]}, PlotRange -> {{-2, 2}, {-2.5, 2.5}}]
import scipy.integrate as integrate
import matplotlib.pyplot as plt
import numpy as np
pi = np.pi
sqrt = np.sqrt
cos = np.cos
sin = np.sin
def deriv_z(z, phi):
u, udot = z
return [udot, -u + sqrt(u)]
phi = np.linspace(0, 7.0*pi, 2000)
zinit = [1.49907, 0]
z = integrate.odeint(deriv_z, zinit, phi)
u, udot = z.T
# plt.plot(phi, u)
fig, ax = plt.subplots()
ax.plot(1/u*cos(phi), 1/u*sin(phi))
ax.set_aspect('equal')
plt.grid(True)
plt.show()
您的其他question的代码非常接近您想要的。需要进行两个更改:
你正在解决一个不同的 ODE(因为你改变了函数deriv
中的两个符号)
所需绘图的y
组件来自解值,而不是来自解的一阶导数的值,因此您需要将u[:,0]
(函数值)替换为u[:, 1]
(导数)。
这是最终结果:
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import odeint
def deriv(u, t):
return np.array([u[1], -u[0] + np.sqrt(u[0])])
time = np.arange(0.01, 7 * np.pi, 0.0001)
uinit = np.array([1.49907, 0])
u = odeint(deriv, uinit, time)
x = 1 / u[:, 0] * np.cos(time)
y = 1 / u[:, 0] * np.sin(time)
plt.plot(x, y)
plt.show()
但是,我建议您使用 unutbu 的答案中的代码,因为它是自记录(u, udot = z
),并使用np.linspace
而不是np.arange
。
x = 1 / u * np.cos(phi)
y = 1 / u * np.sin(phi)
plt.plot(x, y)
plt.show()
您可以使用 scipy.integrate.ode。要解决 dy / dt = f(t,y),初始条件 y(t0)= y0,在时间 = t1 与四阶 Runge-Kutta 你可以做这样的事情:
from scipy.integrate import ode
solver = ode(f).set_integrator('dopri5')
solver.set_initial_value(y0, t0)
dt = 0.1
while t < t1:
y = solver.integrate(t+dt)
t += dt
编辑:你必须让你的导数一阶使用数值积分。这可以通过设置例如 z1 = u 和 z2 = du / dt 来实现,之后你有 dz1 / dt = z2 和 dz2 / dt = d ^ 2u / dt ^ 2。将这些代入你的原始方程,并简单地迭代向量 dZ / dt,这是一阶。
编辑 2:这是整个事情的示例代码:
import numpy as np
import matplotlib.pyplot as plt
from numpy import sqrt, pi, sin, cos
from scipy.integrate import ode
# use z = [z1, z2] = [u, u']
# and then f = z' = [u', u''] = [z2, -z1+sqrt(z1)]
def f(phi, z):
return [z[1], -z[0]+sqrt(z[0])]
# initialize the 4th order Runge-Kutta solver
solver = ode(f).set_integrator('dopri5')
# initial value
z0 = [1.49907, 0.]
solver.set_initial_value(z0)
values = 1000
phi = np.linspace(0.0001, 7.*pi, values)
u = np.zeros(values)
for ii in range(values):
u[ii] = solver.integrate(phi[ii])[0] #z[0]=u
x = 1. / u * cos(phi)
y = 1. / u * sin(phi)
plt.figure()
plt.plot(x,y)
plt.grid()
plt.show()
scipy.integrate()进行 ODE 集成。这就是您要找的吗?
本站系公益性非盈利分享网址,本文来自用户投稿,不代表边看边学立场,如若转载,请注明出处
评论列表(15条)