scipy.integrate.

RK23#

class scipy.integrate.RK23(fun, t0, y0, t_bound, max_step=inf, rtol=0.001, atol=1e-06, vectorized=False, first_step=None, **extraneous)[源代码]#

显式三阶(二阶)龙格-库塔方法。

这使用了 Bogacki-Shampine 公式对 [1]。误差控制假设二阶方法的精度,但步长是使用三阶精确公式(进行局部外推)来取的。密集输出使用三次 Hermite 多项式。

可应用于复数域。

参数:
fun可调用对象

系统的右侧:状态 y 在时间 t 处的导数。调用签名为 fun(t, y),其中 t 是一个标量,y 是一个 ndarray,且 len(y) = len(y0)fun 必须返回与 y 相同形状的数组。更多信息请参阅 vectorized

t0浮点数

初始时间。

y0类似数组,形状 (n,)

初始状态。

t_bound浮点数

边界时间 - 积分不会超出此时间。它还决定了积分的方向。

first_step浮点数或 None,可选

初始步长。默认为 None,表示算法将自行选择。

max_step浮点数,可选

允许的最大步长。默认为 np.inf,即步长不受限制,仅由求解器决定。

rtol, atol浮点数和类似数组,可选

相对和绝对容差。求解器将局部误差估计值保持在 atol + rtol * abs(y) 以下。其中 rtol 控制相对精度(正确位数),而 atol 控制绝对精度(正确小数位数)。为了达到所需的 rtol,请将 atol 设置得小于 rtol * abs(y) 可能产生的最小值,以便 rtol 主导允许的误差。如果 atol 大于 rtol * abs(y),则不保证正确位数。相反,为了达到所需的 atol,请设置 rtol,使得 rtol * abs(y) 始终小于 atol。如果 `y` 的分量具有不同的尺度,则通过为 atol 传入形状为 (n,) 的类似数组,为不同分量设置不同的 atol 值可能会有所帮助。rtol 的默认值为 1e-3,atol 的默认值为 1e-6。

vectorized布尔值,可选

是否可以向量化方式调用 fun。建议此求解器使用 False(默认)。

如果 vectorized 为 False,则 fun 将始终使用形状为 (n,)y 调用,其中 n = len(y0)

如果 vectorized 为 True,则 fun 可以使用形状为 (n, k)y 调用,其中 k 是一个整数。在这种情况下,fun 必须表现为 fun(t, y)[:, i] == fun(t, y[:, i])(即返回数组的每一列都是与 y 列对应的状态的时间导数)。

设置 vectorized=True 可以通过“Radau”和“BDF”方法更快地进行雅可比矩阵的有限差分近似,但会导致此求解器的执行速度变慢。

属性:
n整型

方程数量。

status字符串

求解器的当前状态:“running”(正在运行)、“finished”(已完成)或“failed”(失败)。

t_bound浮点数

边界时间。

direction浮点数

积分方向:+1 或 -1。

t浮点数

当前时间。

yndarray

当前状态。

t_old浮点数

上一个时间。如果尚未进行任何步骤,则为 None。

step_size浮点数

上一个成功步骤的大小。如果尚未进行任何步骤,则为 None。

nfev整型

系统右侧的求值次数。

njev整型

雅可比矩阵的求值次数。对于此求解器,始终为 0,因为它不使用雅可比矩阵。

nlu整型

LU 分解次数。对于此求解器,始终为 0。

方法

dense_output()

计算上一个成功步骤的局部插值。

step()

执行一个积分步骤。

参考文献

[1]

P. Bogacki, L.F. Shampine, “龙格-库塔公式的 3(2) 对”,Appl. Math. Lett. 第 2 卷,第 4 期,第 321-325 页,1989 年。