### 使用替代方法绘制Lorenz吸引子 对于不采用`scipy.integrate.solve_ivp`来求解并绘制洛伦兹方程组的情况，可以考虑利用欧拉法或者四阶龙格库塔(Runge-Kutta)算法自行编写积分器。这里给出基于Python的四阶Runge-Kutta实现方案[^1]。 #### 定义Lorenz系统函数 首先定义描述Lorenz系统的微分方程： ```python def lorenz_system(state, t): sigma, beta, rho = 10., 8./3, 28. # 参数设置 x, y, z = state # 解构状态向量 return [ sigma * (y - x), x * (rho - z) - y, x * y - beta * z # 返回导数列表 ] ``` #### 实现四阶Runge-Kutta积分步进 接着创建用于推进时间步长的一般化RK4更新规则: ```python import numpy as np def rk4_step(func, state, t, dt): k1 = func(state, t) k2 = func([s + d*0.5*dt for s,d in zip(state,k1)], t+dt/2.) k3 = func([s + d*0.5*dt for s,d in zip(state,k2)], t+dt/2.) k4 = func([s + d*dt for s,d in zip(state,k3)], t+dt) new_state = [s+(k1_i+2*k2_i+2*k3_i+k4_i)*dt/6. for s,k1_i,k2_i,k3_i,k4_i in zip(state,k1,k2,k3,k4)] return new_state ``` #### 时间演化与数据收集 通过循环调用上述rk4_step()完成整个轨迹计算过程，并保存每一步的结果以便后续绘图分析： ```python time_points = np.linspace(0, 50, 10000) # 设定总模拟时间和采样点数量 states = [[1., 1., 1.]] # 初始化起始条件 for i in range(len(time_points)-1): states.append(rk4_step(lorenz_system, states[-1], time_points[i], time_points[1]-time_points[0])) ``` #### 可视化结果 最后借助matplotlib库展示三维空间中的相位轨道图像： ```python from mpl_toolkits.mplot3d import Axes3D import matplotlib.pyplot as plt fig = plt.figure() ax = fig.gca(projection='3d') xs, ys, zs = zip(*states) ax.plot(xs, ys, zs, lw=0.5) plt.show() ``` 以上代码片段展示了如何绕过内置ODE求解工具而独立构建数值积分程序以重现经典的混沌动力学行为——即著名的蝴蝶效应源头之一：Lorenz attractor模型[^1]。