Python递归微分方程求解系统

所以我试图用Python来解以下微分方程组

如您所见，对于{0,1,2,3，…}中的每一个n，系统取决于前一个系统的解

我已经尝试过求解n=0的系统，并找到了一个可以插入R（1 | t）中的解决方案R（0 | t），Python可以毫无问题地解决该系统。我已将解决方案R（0 | t）定义为r0（t），并实现了n=1的解决方案，如下所示：

def model(z,t):
    dxdt = -3.273*z[0] + 3.2*z[1] + r0(t)
    dydt = 3.041*z[0] - 3.041*z[1]
    dzdt = [dxdt, dydt]
    return dzdt

z0 = [0,0]

t = np.linspace(0,90, 90)

z1 = odeint(model, z0, t)

但是，我想通过在求解n时调用n-1系统的解来推广这个解决方案。由于微分方程在矩阵的右上角只有与零不同的条目，我们只需要上一个解的z解。我试过了

def model0(z,t):
    dxdt = -3.273*z[0] + 3.2*z[1] 
    dydt = 3.041*z[0] - 3.041*z[1]
    dzdt = [dxdt, dydt]
    return dzdt

z0 = [1,1]

t = np.linspace(0,90)

def model1(z,t):
    dxdt = -3.273*z[0] + 3.2*z[1] + 0.071*odeint(model0, z0, t)[t,1]
    dydt = 3.041*z[0] - 3.041*z[1]
    dzdt = [dxdt, dydt]
    return dzdt


z1 = [0,0]


z = odeint(model1, z1, t)

没有任何运气。有没有人有用Python解决这些递归ODE系统的经验

提前谢谢

更新了6x6矩阵和6函数的代码：

A = np.array([[h1h1, h1h2, h1h3, h1a1, h1a2, h1a3], 
              [h2h1, h2h2, h2h3, h2a1, h2a2, h2a3],
              [h3h1, h2h3, h3h3, h3a1, h3a2, h3a3],
              [a1h1, a1h2, a1h3, a1a1, a1a2, a1a3],
              [a2h1, a2h2, a2h3, a2a1, a2a2, a2a3],
              [a3h1, a3h2, a3h3, a3a1, a3a2, a3a3]
              ])


B = np.array([[0, 0, 0, 0, 0,    0], 
              [0, 0, 0, 0, 0,    0],
              [0, 0, 0, 0, h3a0, 0],
              [0, 0, 0, 0, 0,    0],
              [0, 0, 0, 0, 0,    0],
              [0, 0, 0, 0, 0,    0],
              ])


def model0n(u,t):
    Ra = u.reshape([-1,6])
    n = len(Ra) - 1
    dRa = np.zeros(Ra.shape)
    dRa[0] = A @ Ra[0]
    for i in range(1,n+1): 
        dRa[i] = A @ Ra[i] + B @ Ra[i-1]
    return dRa.flatten()

u0 = [1,1,1,1,1,1,0,0,0,0,0,0]
t = np.linspace(0,90,90+1)

u = odeint(model0n,u0,t)

以上结果为u[：，0]的以下曲线图：

对于n=0，它提供矩阵乘积“手动”的结果：

def modeln0manually(z,t):
    d1dt = h1h1*z[0] + h1h2 * z[1] + h1h3*z[2] + h1a1*z[3] + h1a2*z[4] + h1a3*z[5]
    d2dt = h2h1*z[0] + h2h2 * z[1] + h2h3*z[2] + h2a1*z[3] + h2a2*z[4] + h2a3*z[5]
    d3dt = h3h1*z[0] + h3h2 * z[1] + h3h3*z[2] + h3a1*z[3] + h3a2*z[4] + h3a3*z[5]
    d4dt = a1h1*z[0] + a1h2 * z[1] + a1h3*z[2] + a1a1*z[3] + a1a2*z[4] + a1a3*z[5]
    d5dt = a2h1*z[0] + a2h2 * z[1] + a2h3*z[2] + a2a1*z[3] + a2a2*z[4] + a2a3*z[5]
    d6dt = a3h1*z[0] + a3h2 * z[1] + a3h3*z[2] + a3a1*z[3] + a3a2*z[4] + a3a3*z[5]
    drdt = [d1dt, d2dt, d3dt, d4dt, d5dt, d6dt]    
    return drdt    


u0 = [1,1,1,1,1,1]
t = np.linspace(0,90)
z = odeint(modeln0manually, u0, t)

生成u[：，0]的绘图：

---

您的系统是耦合的，即使是以三角形方式。因此，最简洁的方法是将其作为一个耦合系统来求解

A = np.array([[-3.273, 3.2], [3.041, -3.041]])
B = np.array([[0, 0.071], [0, 0]])

def model0n(u,t):
    Ra = u.reshape([-1,2])
    n = len(Ra) - 1
    dRa = np.zeros(Ra.shape)
    dRa[0] = A @ Ra[0]
    for i in range(1,n+1): 
        dRa[i] = A @ Ra[i] + B @ Ra[i-1]
    return dRa.flatten()

u0 = [1,1,0,0]
t = np.linspace(0,90,90+1)
u = odeint(model0n,u0,t)

---

谢谢你的回答，不过我的编码技能在这里可能有点欠缺。尝试您的解决方案会在使用odeint语句时出现错误，因为Python无法将u重塑为除n=1之外的n行2列的向量，这导致它只返回问题的初始条件。不过，我可能误解了您的解决方案中的某些内容。

u

需要包含

R（0 | t）

到

R（n | t）

的

2*（n+1）

条目，它同时计算所有组件DE的右侧。我使它更加灵活，没有外部维度

n

。注意，这仍然没有被测试，实际上循环索引是错误的。现在它被测试了，它产生了结果。现在增加

n

只意味着向

u0

添加更多条目，始终为偶数。您提供的解决方案非常有用，谢谢！然而，当把模型扩展到一个有六个方程的系统，生成a和b6x6矩阵时，我又遇到了一些麻烦。我用[-1,6]重新塑造了Ra，并提供了新的矩阵，但它不会产生n>0的值和n=0的错误概率。如果我回到我问题的第一个，把六个方程和一个μij*z[j]放在一起，它对n=0有效。在扩展模型时，我是否缺少一些东西？对我来说，这似乎是直截了当的。我已经将我的新代码放入了一个问题中，A和B中的任意值是否为

B

中的尾随逗号？我看代码中没有其他不规则之处。也许我遗漏了一些关于

.flant（）

，也可以使用

重塑（[-1]）

来取消状态数据的结构确切的错误消息是什么？也可以再次检查

np.matmul

（由

@

使用的操作），但这应该只实现通常的矩阵乘法。