Python模拟随机微分方程 python求微分方程组的数值解曲线01

python的scipy里的odeint这个求微分方程的函数怎么用啊？ odeint实际是用来解微分方程组的。令z=y’，可以把方程化为方程组：y'=zz'=-b*y-a*z将y，z分别替换为y[0]，y[1]就得到了程序里的returnarray([y[1]，a*y[0]+b*y[1]])，这个程序把a，b前面的符号放到参数赋值里了。搞明白上面的就能用来解方程了，下面画图部分无关紧要hold('on')是用来保持之前画的曲线legend()显示曲线的标签如何使用python计算常微分方程？ 常用形式odeint(func，y0，t，args，Dfun)一般这种形式就够用了。下面是官方的例子，求解的是D(D(y1))-t*y1=0为了方便，采取D=d/dt。如果我们令初值y1(0)=1.0/3*(2.0/3.0)/gamma(2.0/3.0)D(y1)(0)=-1.0/3*(1.0/3.0)/gamma(1.0/3.0)这个微分方程的解y1=airy(t)。令D(y1)=y0，就有这个常微分方程组。D(y0)=t*y1D(y1)=y0Python求解该微分方程。from scipy.integrate import odeintfrom scipy.special import gamma，airyy1_0=1.0/3*(2.0/3.0)/gamma(2.0/3.0)y0_0=-1.0/3*(1.0/3.0)/gamma(1.0/3.0)y0=[y0_0，y1_0]def func(y，t)：return[t*y[1]，y[0]]def gradient(y，t)：return[[0，t]，[1，0]]x=arange(0，4.0，0.01)t=xychk=airy(x)[0]y=odeint(func，y0，t)y2=odeint(func，y0，t，Dfun=gradient)print ychk[：36：6][0.355028 0.339511 0.324068 0.308763 0.293658 0.278806]print y[：36：6，1][0.355028 0.339511 0.324067 0.308763 0.293658 0.278806]print y2[：36：6，1][0.355028 0.339511 0.324067 0.308763 0.293658 0.278806]得到的解与精确值相比，误差相当小。args是额外的参数。用法请参看下面的例子。这是一个洛仑兹曲线的求解，并且用matplotlib绘。如何使用python的sympy模块解高阶微分方程，ytho是一个很有趣的语言，可以在命令行窗口运行。ytho中有很多功能强大的模块，这篇经验告诉你，如何使用ytho的ymy模块求解高阶。有没有专门画微分方程相图或方向场的软件，或者用Python如何实现？ 有一个三变量(满足$x＋y＋z＝1$)的微分方程组，有没有专门画相图或方向场的软件呢？另，我用python画了图…求助关于一个用Python求微分方程并算出极值 所说所有的变量都是对象。对象在python里，其实是一个指针，指向一个数据结构，数据结构里有属性，有方法。对象通常就是指变量。从面向对象OO的概念来讲，对象是类的一个。python fipy 求解偏微分方程 jingyan.baidu.com/article/46650658d71872f548e5f852.html 热量的传递由微分方程给出，可以简单地理解为热量按照温度降低最快的方向进行传递。公式右边是温度的梯度，左边。python中如何求微分方程的特解？谢谢 #y\"+a*y'+b*y=0from scipy.integrate import odeintfrom pylab import*def deriv(y，t)：#返回值是y和y的导数组成的数组a=-2.0b=-0.1return array([y[1]，a*y[0]+b*y[1]])time=linspace(0.0，50.0，1000)yinit=array([0.0005，0.2])#初值y=odeint(deriv，yinit，time)figure()plot(time，y[：，0]，label='y')#y[：，0]即返回值的第一列，是y的值。label是为了显示legend用的。plot(time，y[：，1]，label=\"y'\")#y[：，1]即返回值的第二列，是y’的值xlabel('t')ylabel('y')legend()show()

#微分方程#python函数#python