我认为我们至少可以为您指明正确的方向。光学
布洛赫方程是一个在科学界很好理解的问题
社区,虽然不是我的:-),所以互联网上已经有解决方案
对于这个特殊问题。
http://massey.dur.ac.uk/jdp/code.html http://massey.dur.ac.uk/jdp/code.html
但是,为了满足您的需求,您提到使用complex_ode,我想
很好,但我认为简单的 scipy.integrate.ode 也可以正常工作
根据他们的文档:
from scipy import eye
from scipy.integrate import ode
y0, t0 = [1.0j, 2.0], 0
def f(t, y, arg1):
return [1j*arg1*y[0] + y[1], -arg1*y[1]**2]
def jac(t, y, arg1):
return [[1j*arg1, 1], [0, -arg1*2*y[1]]]
r = ode(f, jac).set_integrator('zvode', method='bdf', with_jacobian=True)
r.set_initial_value(y0, t0).set_f_params(2.0).set_jac_params(2.0)
t1 = 10
dt = 1
while r.successful() and r.t < t1:
r.integrate(r.t+dt)
print r.t, r.y
您还可以享受到更成熟、更优秀的年长者的额外好处
记录的功能。我很惊讶你有 8 个而不是 9 个耦合 ODE,但我
当然你比我更了解这一点。是的,你是对的,你的功能
应该是以下形式ydot = f(t,y)
,你称之为def derv()
但你是
需要确保你的函数至少有两个参数
喜欢derv(t,y)
。如果你的y
在矩阵中,没问题!只需“重塑”它
这derv(t,y)
函数如下:
Y = numpy.reshape(y,(num_rows,num_cols));
只要num_rows*num_cols = 8
,你的 ODE 数量应该没问题。然后
在计算中使用矩阵。一切完成后,请务必返回
向量而不是矩阵,例如:
out = numpy.reshape(Y,(8,1));
雅可比行列式不是必需的,但它可能允许计算继续进行
更快。如果您不知道如何计算,您可能需要咨询
维基百科或微积分教科书。这非常简单,但可能非常耗时。
至于初始条件,您可能应该已经知道那些应该是什么
是,无论它是复杂的还是实值的。只要您选择的值是
在合理范围内,应该没有多大关系。