我需要解决以下微分方程组:
$\frac{dx_1}{dt} = -k_1x_1+k_2x_2-(K_R)x_1y_1$
$\frac{dx_2}{dt} = k_1x_1-k_2x_2-k_3x_2-(K_R)x_2y_2$
$\frac{dx_3}{dt} = k_3x_3$
$\frac{dy_1}{dt} = -k_1y_1+k_2y_2-(K_R)x_1y_1$
$\frac{dy_2}{dt} = k_1y_1-k_2y_2-k_3y_2-(K_R)x_2y_2$
$\frac{dy_3}{dt} = k_3y_3$
$\frac{dz_1}{dt} = -k_1z_1+k_2z_2+(K_R)x_1y_1$
$\frac{dz_2}{dt} = k_1z_1-k_2z_2-k_3z_2+(K_R)x_2y_2$
$\frac{dz_3}{dt} = k_3z_3$
t = 0时的初始条件是x2 =1。而在t = 1时,将化合物y引入y2隔室中,y2 =10。KR的值是1e-3。
我已经解决了使用矩阵求幂的简单得多的系统,并且想知道是否可以使用类似的方法来解决上述系统。
我有一个隔离模型系统X,其简化版本如下:
然后是微分方程组:
我可以使用以下矩阵方法来求解此方程组。
首先,我编写速率矩阵[R]。从[R]可以得到一个新的矩阵[A],方法是先用每个行元素之和的负数替换[R]的每个对角元素,然后对其进行转置:
我可以通过执行以下操作来计算每个隔室中的量:
在python中:
RMatrix = model_matrix.as_matrix()
row, col = np.diag_indices_from(RMatrix)
RMatrix[row, col] = -(RMatrix.sum(axis=1)-RMatrix[row,col])
AMatrix = RMatrix.T
def content(t):
cont = np.dot(linalg.expm(t*AMatrix), x0))
此方法对我来说效果很好。
[上面的模型(原始问题)比系统X复杂一些。在该模型中,系统X和Y的1和2隔室中的反应物结合在一起,得到系统Z中的产物。
X + Y-> Z,反应常数为KR。
,相应的微分方程组将是:
我正在努力解决这种微分方程组(一阶和二阶)的方法,以便在给定初始条件KR和传输速率k1,k2,k3的情况下,在特定时间t计算每个隔室中的量等等...
对于一阶微分方程组,我是否可以使用上述矩阵方法求解?我在Python中还有哪些其他选择?
提前感谢!
嗯,正如评论中指出的那样,您的(更复杂的)ODE是非线性的。因此,矩阵指数方法将不再起作用。
通常,有两种解决ODE的一般方法。首先,您可以尝试找到一种符号解决方案。在大多数情况下,您会根据有根据的猜测采取某种方法。有几种类型的ODE已知符号解决方案。
但是,绝大多数ODE并非如此。因此,我们通常会提出一个数值解决方案,本质上是基于右侧对ODE进行数值积分。
结果不是显式函数,而是某个点上函数值的近似值。在python中,您可以使用scipy
这样解决ODE。基于您的右手边(除非出现我的任何错误),这看起来像这样:
import numpy as np
import scipy.integrate
k_1 = 1
k_2 = 1
k_3 = 1
K_R = 1
def eval_f(v, t):
[x, y, z] = np.split(v, [3, 6])
return np.array([-k_1*x[0] +k_2*x[1] - (K_R)*x[0]*y[0],
k_1*x[0] - k_2*x[1] - k_3*x[1] - (K_R)*x[1]*y[1],
k_3*x[2],
- k_1*y[0] + k_2*y[1] - (K_R)*x[0]*y[0],
k_1*y[0] - k_2*y[1] - k_3*y[1] - (K_R)*x[1]*y[1],
k_3*y[2],
- k_1*z[0] + k_2*z[1] + (K_R)*x[0]*y[0],
k_1*z[0] - k_2*z[1] - k_3*z[1] + (K_R)*x[1]*y[1],
k_3*z[2]])
initial = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
t = np.linspace(0, 1, 10)
values = scipy.integrate.odeint(eval_f, initial, t)
# variable x[0]
print(values[:,0])
这将产生x1的以下值:
[1. 0.70643591 0.49587121 0.35045691 0.25034256 0.1809533
0.13237994 0.09800056 0.07338967 0.05557138]
基于网格点
[0. 0.11111111 0.22222222 0.33333333 0.44444444 0.55555556
0.66666667 0.77777778 0.88888889 1. ]
[如果您想查看函数的行为,积分器可能就足够了。否则,我建议您在教科书中阅读有关ODE的符号方法...