OrdinaryDiffEq.jl

OrdinaryDiffEq.jl 是 DifferentialEquations 生态系统中的一个组件包。它包含了常微分方程求解器和相关工具。虽然它可以完全独立使用，但对于希望利用这些功能的用户来说，建议查看 DifferentialEquations.jl。

安装

假设您已经正确安装了 Julia，只需以标准方式导入 OrdinaryDiffEq.jl 即可：

import Pkg;
Pkg.add("OrdinaryDiffEq");

API

OrdinaryDiffEq.jl 是 SciML 共享接口的一部分，但也可以独立于 DifferentialEquations.jl 使用。唯一的条件是用户需要将 OrdinaryDiffEq.jl 的算法传递给 solve 函数。例如，我们可以使用 Tsit5() 算法来求解 文档中的 ODE 教程：

using OrdinaryDiffEq
f(u, p, t) = 1.01 * u
u0 = 1 / 2
tspan = (0.0, 1.0)
prob = ODEProblem(f, u0, tspan)
sol = solve(prob, Tsit5(), reltol = 1e-8, abstol = 1e-8)
using Plots
plot(sol, linewidth = 5, title = "Solution to the linear ODE with a thick line",
    xaxis = "Time (t)", yaxis = "u(t) (in μm)", label = "My Thick Line!") # legend=false
plot!(sol.t, t -> 0.5 * exp(1.01 * t), lw = 3, ls = :dash, label = "True Solution!")

该示例使用了非原地语法 f(u,p,t)，而原地语法（对系统方程更高效）则在 Lorenz 示例中展示：

using OrdinaryDiffEq
function lorenz!(du, u, p, t)
    du[1] = 10.0 * (u[2] - u[1])
    du[2] = u[1] * (28.0 - u[3]) - u[2]
    du[3] = u[1] * u[2] - (8 / 3) * u[3]
end
u0 = [1.0; 0.0; 0.0]
tspan = (0.0, 100.0)
prob = ODEProblem(lorenz!, u0, tspan)
sol = solve(prob, Tsit5())
using Plots;
plot(sol, idxs = (1, 2, 3))

非常快速的静态数组版本可以专门编译为与您的模型大小相匹配的形式。例如：

using OrdinaryDiffEq, StaticArrays
function lorenz(u, p, t)
    SA[10.0 * (u[2] - u[1]), u[1] * (28.0 - u[3]) - u[2], u[1] * u[2] - (8 / 3) * u[3]]
end
u0 = SA[1.0; 0.0; 0.0]
tspan = (0.0, 100.0)
prob = ODEProblem(lorenz, u0, tspan)
sol = solve(prob, Tsit5())

对于“精细化的 ODE”，如动力学方程和 SecondOrderODEProblem，请参考 DiffEqDocs。例如，谐振子方程可以使用辛积分方法求解。谐振子由以下方程描述：

$$\ddot{x} + \omega^2 x = 0$$

这等价于一阶系统：

$$\dot{x} = v$$ $$\dot{v} = -\omega^2 x$$

using OrdinaryDiffEq
function harmonic_oscillator!(dv, v, u, p, t)
    ω = p[1]
    dv[1] = -ω^2 * u[1]
end
ω = 2.0  # 角频率
initial_position = [1.0]
initial_velocity = [0.0]
tspan = (0.0, 10.0)
prob = SecondOrderODEProblem(harmonic_oscillator!, initial_velocity, initial_position, tspan, [ω])
sol = solve(prob, VelocityVerlet(), dt = 1 / 100)
using Plots
plot(sol, idxs = (1, 2), label = "Phase space", xaxis = "Position", yaxis = "Velocity")

对于更复杂的动力学系统，如 Hénon-Heiles 势，辛积分器能够保持哈密顿动力学的结构。在 DiffEqTutorials.jl 中，我们展示了如何求解这些运动方程：

function HH_acceleration!(dv, v, u, p, t)
    x, y = u
    dx, dy = dv
    dv[1] = -x - 2 * x * y
    dv[2] = y^2 - y - x^2
end
initial_positions = [0.0, 0.1]
initial_velocities = [0.5, 0.0]
prob = SecondOrderODEProblem(HH_acceleration!, initial_velocities, initial_positions, tspan)
sol2 = solve(prob, KahanLi8(), dt = 1 / 10);

其他精细化形式包括 IMEX 和半线性 ODE（用于指数积分器）。

可用的求解器

有关可用求解器的列表，请参阅 DifferentialEquations.jl ODE 求解器、动力学 ODE 求解器以及 分裂 ODE 求解器页面。

OrdinaryDiffEq.jl 快速上手指南

OrdinaryDiffEq.jl 是 SciML 生态系统中专注于常微分方程（ODE）求解的核心组件包。它提供了高性能的求解算法，既可作为 DifferentialEquations.jl 的一部分使用，也可独立调用。

环境准备

• 操作系统：Windows、macOS 或 Linux。
• 前置依赖：已安装 Julia (建议版本 1.6 或以上)。
  • 请访问 Julia 官网 下载并安装。
• 网络提示：若在中国大陆地区下载安装包或注册表较慢，可配置国内镜像源（如清华源或中科大源）加速包管理操作。

安装步骤

启动 Julia REPL（交互式命令行），执行以下命令安装 OrdinaryDiffEq：

import Pkg;
Pkg.add("OrdinaryDiffEq");

注：若需绘图功能演示，建议同时安装 Plots 包：Pkg.add("Plots")。

基本使用

OrdinaryDiffEq.jl 遵循 SciML 通用接口。核心流程为：定义方程函数 -> 创建 ODEProblem -> 调用 solve 并指定算法。

示例：求解线性常微分方程

以下示例演示如何使用 Tsit5() 算法求解方程 $\frac{du}{dt} = 1.01u$，初始条件 $u(0)=0.5$。

using OrdinaryDiffEq

# 1. 定义微分方程函数 (out-of-place 形式: f(u, p, t))
f(u, p, t) = 1.01 * u

# 2. 设置初始条件和时间跨度
u0 = 1 / 2
tspan = (0.0, 1.0)

# 3. 构建 ODE 问题
prob = ODEProblem(f, u0, tspan)

# 4. 求解 (使用 Tsit5 算法，设置误差容限)
sol = solve(prob, Tsit5(), reltol = 1e-8, abstol = 1e-8)

# 5. (可选) 可视化结果
using Plots
plot(sol, linewidth = 5, title = "Solution to the linear ODE with a thick line",
    xaxis = "Time (t)", yaxis = "u(t) (in μm)", label = "My Thick Line!")
plot!(sol.t, t -> 0.5 * exp(1.01 * t), lw = 3, ls = :dash, label = "True Solution!")

进阶提示

• 大规模方程组：对于多变量系统，推荐使用 in-place 语法（如 function lorenz!(du, u, p, t)）以减少内存分配，提升性能。
• 静态数组优化：对于固定小规模系统，结合 StaticArrays 可实现极致编译优化。
• 二阶方程：针对哈密顿系统等二阶微分方程，可使用 SecondOrderODEProblem 配合辛积分器（如 VelocityVerlet()）。