我有一个耦合常微分方程组 . 自变量是时间t .
为了评估一些衍生函数，我需要使用根查找，解决其他ODE等问题 . 仅从计算成本的角度来看，以一定的精度评估这些函数是可行的 . 因此，在每个时间步骤中，我留下一些数字噪音 .
我尝试使用scipy.integrate.odeint或scipy.integrate.solve_ivp来解决这个ODE系统（使用'LSODA'方法，因为问题很僵硬，其他求解器遇到僵硬问题失败） . 然而，似乎求解器由于数值噪声而难以计算雅可比矩阵（我让解算器近似有限差分） . 当使用scipy.optimize.fsolve来计算根时，我遇到了类似的问题，我通过将epsfcn（见下文）设置为更高的值来修复此问题 .
我想知道我是否可以在python中为ODE求解器做类似的事情 . 似乎odeint和solve_ivp没有这样的可选参数，但也许有办法解决这个问题？
任何帮助表示赞赏！
（来自fsolve的scipy文档： epsfcn : float, optional 雅可比行的前向差近似的适当步长（对于fprime = None） . 如果epsfcn小于机器精度，则假设函数中的相对误差是机器精度的顺序 . ）