Python Lorenz系统的Runge-Kutta常数发散？

我试图用四阶龙格-库塔方法来解决这个问题，其中

dx/dt=a*(y-x)
dy/dt=x(b-z)-y
dx/dt=x*y-c*z

因为这个系统不依赖于时间的明确性，所以在迭代中可能忽略这一部分，所以我只需要 dX=F（x，y，z）

结果应该是Lorenz atractors，但是我的代码在第五次迭代时会出现分歧，这是因为我在

kconstants

中创建的contants会出现分歧，但是我检查了一下，我非常确定runge kutta的实现不会出错。。。（至少我认为）

编辑：

---

找到了一个类似的，但无法理解我做错了什么的计算初始值不同吗？你选择的那些有意义吗？也就是说，他们是身体上的吗？根据以往使用rk的经验，如果选择愚蠢的起始参数，有时会得到非常混乱的结果。

在计算

k1

、

k2

和

k3

时，会额外调用

f（x0）

。将功能

kcontants

更改为

def kcontants(f,h,x0):
    k0=h*f(x0)
    k1=h*f(x0 + k0/2)
    k2=h*f(x0 + k1/2)
    k3=h*f(x0 + k2)
    #note returned K is a matrix
    return np.array([k0,k1,k2,k3])

---

Python 2还是Python 3？在Python2中，

8/3

是

2

，

1/6

是

0

。我在Python3中，所以这应该是正确的。为什么要将

k

的计算与新状态的计算分开？如果您正在计算密集输出，但您没有存储它们，这是有意义的。同样，在

时间==0

，

func（x0）

应替换为

x0

。或者更好，初始化

result[0]=x0

并在

time=1

def kcontants(f,h,x0):
    k0=h*f(x0)
    k1=h*f(x0 + k0/2)
    k2=h*f(x0 + k1/2)
    k3=h*f(x0 + k2)
    #note returned K is a matrix
    return np.array([k0,k1,k2,k3])