如何在Python的solve_ivp中为ODE系统函数实现分段if条件判断

你的代码主要存在两个核心问题：

1. 第一个代码块的错误 #

z0_new = z0*np.exp(-0.5*(t-15))中的t未定义，直接运行会触发NameError。而且这段代码里的z0始终是固定值6，完全没有实现随t分段变化的逻辑，不符合需求。

2. 第二个代码块的核心问题 #

函数f内部存在变量作用域错误：当你在if t>=30分支里给z0赋值时，Python会将z0判定为函数内部的局部变量。但当t<30时，函数内没有对z0赋值就直接在return中使用，会触发UnboundLocalError。此外，你没有明确t<30时z0的取值逻辑，虽然外部有全局变量z0=6，但Python的作用域规则会优先查找局部变量，导致全局变量无法被正确引用。

以下是符合需求的正确实现，同时补充了必要的库导入语句：

import numpy as np
from scipy.integrate import solve_ivp
import matplotlib.pyplot as plt

def f(t, y):
    # 根据t的区间动态定义z0
    if t >= 30:
        z0 = 6 * np.exp(-0.5 * (t - 15))
    else:
        z0 = 6
    # 返回ODE的右端项（注意用元组包裹多个返回值）
    return (z0 - y[0], 3 / y[0] - y[1])

# 求解ODE
fsol = solve_ivp(f, (0, 100), [3, 350])
# 绘图展示结果
plt.plot(fsol.t, fsol.y[0])
plt.show()

也可以用更简洁的三元表达式简化逻辑：

def f(t, y):
    z0 = 6 * np.exp(-0.5 * (t - 15)) if t >= 30 else 6
    return (z0 - y[0], 3 / y[0] - y[1])

关键说明 #

• 每次调用f(t,y)时，都会根据当前的求解时间t动态计算z0，完全符合你要求的分段定义。
• 函数内部明确了所有分支下z0的取值，彻底避免了作用域冲突和未定义变量的问题。

内容的提问来源于stack exchange，提问作者George Yeo