如何使用Python（SciPy）为一定数量的时间步求解ODE？

我正在尝试使用SciPy解决一组ODE。给我的任务要求我解500个时间步的微分方程。如何使用SciPy实现这一点

到目前为止，我已经尝试使用了

scipy.integrate.solve\u ivp

，这为我提供了一个正确的解决方案，但我无法控制它运行的时间步数。

t\u span

参数允许我配置

t

的初始值和最终值，但我实际上并不感兴趣——我只感兴趣我集成了多少次。（例如，当我用

t_span=（0500）

运行方程时，解算器积分907次。）

下面是我的代码的简化示例：

from scipy.integrate import solve_ivp

def simple_diff(t, z) :
    x, y = z
    return [1 - 2*x*y, 2*x - y]

t_range = (0, 500)
xy_init = [0, 0]

sol = solve_ivp(simple_diff, t_range, xy_init)

---

我也可以使用SciPy以外的东西，但最好使用SciPy解决方案。

您可以使用

t\u eval

参数来求解ivp，以便在特定时间点进行评估：

import numpy as np

t_eval = np.arange(501)
sol = solve_ivp(simple_diff, t_range, xy_init, t_eval=t_eval)

但是，请注意，这不会导致解算器限制由错误度量确定的集成步骤的数量

如果您必须精确计算函数500次才能获得500个积分步骤，那么您描述的是Euler积分，它的精度将低于

solve\u ivp

使用的算法

看看方程的解，你可能只想积分到t=5

以下是与上述设置集成时的结果：

这是我们的调查结果

t_eval=np.linspace（0,5）
t_范围=（0,5）
sol=solve_ivp（简单差异，t_范围，xy_初始，t_eval=t_eval）