相对容错，指定为逗号分隔的对，由“RelTol”一个正标量。此公差测量相对于每个溶液组分的大小的误差。粗略地说，它控制了除小于绝对公差外的所有解决方案组件的正确位数AbsTol．

在每一步，ODE求解器估计局部误差e在我解的第Th分量。为了成功，该步骤必须具有可接受的误差，这由相对和绝对误差容忍度决定:

|e(i)| <= max(RelTol*abs(y(i))，AbsTol(i)))

例子:opts = odeset('RelTol'，1e-5，'AbsTol'，1e-7)

数据类型:单|双

绝对容错，指定为由逗号分隔的对组成“AbsTol”一个正的标量或向量。这个容忍度是一个阈值，低于这个阈值，解决方案的值就不重要了。如果解决方案y | |小于AbsTol，则求解器不需要在中获取任何正确的数字y | |．因此，的值AbsTol应考虑到解决方案组件的规模。

如果AbsTol是一个向量，那么它必须和解的长度相同。如果AbsTol为标量，则该值应用于所有解决方案组件。

在每一步，ODE求解器估计局部误差e在我解的第Th分量。为了成功，该步骤必须具有可接受的误差，这由相对和绝对误差容忍度决定:

|e(i)| <= max(RelTol*abs(y(i))，AbsTol(i)))

例子:opts = odeset('RelTol'，1e-5，'AbsTol'，1e-7)

数据类型:单|双

相对于解决方案范数的控制错误，指定为逗号分隔的对，由“NormControl”而且“上”或“关闭”．当NormControl是“上”，由解算器控制误差e在每一步使用解的范数，而不是它的绝对值:

norm(e(i)) <= max(RelTol*norm(y(i))，AbsTol(i)))

例子:opts = odeset('NormControl'，'on')

数据类型:字符|字符串

非负的溶液组件，指定为逗号分隔的对，由非负的一个标量或向量。标量或向量选择哪些解的分量必须是非负的。

例子:opts = odeset('非负'，1)指定第一个解决方案组件必须是非负的。

数据类型:单|双

输出函数，指定为逗号分隔的对，由“OutputFcn”和一个函数句柄。ODE求解器在每个成功的时间步骤之后调用输出函数。如果调用没有输出的ODE求解器，则输出函数默认为@odeplot，它将计算出的所有解决方案组件绘制成图。否则，默认为［］．

这些是您可以使用的内置输出函数OutputFcn：

如果您编写一个自定义输出函数，那么它必须是这样的形式

status = myOutputFcn(t,y,flag)

输出函数也必须适当地响应这些标志:

数据类型:function_handle

输出函数的组件选择，指定为逗号分隔的对，由“OutputSel”还有一个指标向量。向量指定将解决方案的哪些组件传递给输出函数。

例子:opts = odeset('OutputFcn'，@myFcn，'OutputSel'，[1 3])将解决方案的第一个和第三个组件传递给输出函数。

解决方案细化因子，指定为由逗号分隔的对组成“完善”一个标量。标量指定在每一步中增加输出点数量的一个因子。

的默认值完善对于大多数求解器来说是1,但数值使用默认值4,而ode78而且ode89使用默认值8．这些解算器使用更大的默认值来补偿它们采取大步骤的倾向。

利用连续展开式计算了由细化因子产生的附加值。这些是ODE求解器使用的专门公式，用于在计算时间步长之间获得精确的解，而不会显著增加计算时间。金宝搏官方网站

例子:opts = odeset('Refine'，5)将输出点的数量增加到原来的五倍。

求解器统计信息，指定为逗号分隔的对，由“统计数据”而且“上”或“关闭”．当“上”，解算器在完成解后显示信息:

隐式求解器显示关于解决方案的附加信息:

例子:opts = odeset('Stats'，'on')

数据类型:字符|字符串

建议的初始步长，指定为逗号分隔的对，由“InitialStep”一个正标量。InitialStep设置求解器尝试的第一步大小的大小的上界。

如果不指定初始步长，则求解器将初始步长基于初始时间点解的斜率，tspan (1)．如果所有解分量的斜率都为零，那么求解器可能会尝试一个太大的步长。如果您意识到这种情况正在发生，或者如果您想确保求解器在集成的开始就解决了重要的行为，那么请使用InitialStep提供合适的初始步长。

例子:opts = odeset('InitialStep'，1e-3)的上限1 e - 3初始步长的大小。

最大步长，指定为逗号分隔的对，由“MaxStep”一个正标量。MaxStep设置求解器所采取的任何步骤的大小的上限。如果方程具有周期性，例如，设置MaxStep到周期的一小部分确保求解器不会将步长扩大到超出感兴趣的区域。

例子:opts = odeset('MaxStep'，1e-2)

事件函数，指定为逗号分隔的对，由“事件”和函数句柄，如@myEventsFcn．

函数签名

对常微分方程:由函数句柄指定的事件函数必须具有通用形式

[value, terminal,direction] = myEventsFcn(t,y)

对pde:由函数句柄指定的事件函数必须具有通用形式

[value, terminal,direction] = myEventsFcn(m,t,xmesh,umesh)

在这两种情况下，价值，isterminal,方向是向量我Th元素对应于我事件函数:

看到参数化功能查看如何将额外的输入传递给事件函数。

事件输出

如果指定事件函数，则可以使用三个额外的输出参数调用求解器，例如

[t,y,te,ye,ie] = odeXY(odefun,tspan,y0,options)

求解器返回的另外三个输出对应于检测到的事件:

或者，您可以调用具有单个输出的求解器为

sol = odeXY(odefun,tspan,y0,options)

在这种情况下，事件信息存储在结构as中sol.te，sol.ye,sol.ie．

诊断

ODE/PDE求解器与事件函数一起使用的根查找机制有以下限制:

如果解算器步骤过去的事件，尝试减少RelTol而且AbsTol提高准确性。另外,组MaxStep在步长上设置一个上界。调整tspan不改变求解器所采取的步骤。

例子

数据类型:function_handle

雅可比矩阵，指定为逗号分隔的对，由的雅可比矩阵和求雅可比矩阵的矩阵或函数。雅可比矩阵是定义微分方程的函数的偏导数的矩阵。

对于生硬的ODE求解器(ode15s，ode23s，ode23t，ode23tb,ode15i)，提供有关雅可比矩阵的信息对于可靠性和效率至关重要。如果您不提供雅可比矩阵，那么ODE求解器使用有限差分在数值上逼近它。

为ode15i只有:雅可比矩阵选项必须为两者指定矩阵 $$\frac{\partial f}{\partial y}$$而且 $$\frac{\partial f}{\partial y＇}$$．您可以将这些矩阵作为两个常量矩阵的单元格数组提供 $$｛\frac{\partial f}{\partial y}，\frac{\partial f}{\partial y＇}｝$$，或作为计算矩阵的函数，具有一般形式

[dfdy, dfdp] = Fjac(t,y,yp)

对于无法提供整个解析雅可比矩阵的非常大的系统，使用JPattern属性传递给雅可比矩阵的稀疏模式。求解器使用稀疏模式来计算稀疏雅可比矩阵。

例子:opts = odeset('雅可比矩阵'，@J)指定函数J计算雅可比矩阵的方法。

例子:opts = odeset('雅可比矩阵'，[0 1;2 (1)指定一个常数雅可比矩阵。

例子:opts = odeset('雅可比矩阵'，{A,Ap})指定用于的两个常数雅可比矩阵ode15i．

数据类型:单|双|细胞|function_handle

雅可比稀疏模式，指定为由逗号分隔的对组成“JPattern”和一个稀疏矩阵。稀疏矩阵包含1s中可能有非零项在雅可比矩阵中。ODE求解器使用稀疏模式数值生成稀疏雅可比矩阵。当ODE系统很大且无法提供解析雅可比矩阵时，使用此选项可缩短执行时间。

为ode15i只有:设置JPattern选项，使用包含两个稀疏矩阵的单元格数组{dfdyPattern, dfdypPattern}的稀疏模式 $$\frac{\partial f}{\partial y}$$而且 $$\frac{\partial f}{\partial y＇}$$．

例子:opts = odeset('JPattern'，S)使用稀疏矩阵指定雅可比稀疏模式年代．

例子:opts = odeset('JPattern'，{dFdy, dFdyp})指定用于的两个常数雅可比稀疏模式ode15i．

数据类型:双|细胞

向量化函数切换，指定为逗号分隔的对，由矢量化的,要么“关闭”或“上”．使用此选项通知ODE求解器函数已编码，以便它接受并返回用于第二个参数的向量。也就是说,F (t，[y1 y2 y3…])返回[f(t,y1) f(t,y2) f(t,y3)…]．与一次计算一个值相比，这种向量化允许求解器减少计算雅可比矩阵的所有列所需的函数计算的数量，并可能显著减少求解时间。看到数组运算与矩阵运算有关支持向量化的元素操作符的描述。金宝app

为ode15i只有:设置矢量化选项，使用两元素单元格数组。将第一个元素设置为“上”如果f (t, y1, y2,…,yp)返回[f(t,y1,yp)， f(t,y2,yp)，…]．将第二个元素设置为“上”如果f (t y [yp1, yp2,…])返回[f(t,y,yp1)， f(t,y,yp2)，…]．的默认值矢量化在这种情况下{‘off’,‘off’}．

例子:opts = odeset('JPattern'，S，'Vectorized'，'on')指定函数是向量化的，并设置雅可比稀疏模式。

例子:选择= odeset (JPattern, {dy,多元印刷},矢量化,{‘上’,‘’})指定函数对的向量化y而且yp，并且还设置了用于的雅可比稀疏模式ode15i．

数据类型:字符|细胞|字符串

质量矩阵，指定为由逗号分隔的对组成“质量”一个矩阵或函数句柄。ODE求解器可以求解包含这种形式的质量矩阵的问题 $$米（t，y）y＇＝f（t，y）$$,在那里 $$米（t，y）$$是一个质量矩阵，可以是满的或稀疏的(ode23s求解器只能求解常量质量矩阵的方程)。

在所有情况下，依赖于时间或状态的质量矩阵(而不是常数)需要使用额外的选项:

例子:示例文件fem2ode而且batonode说明质量矩阵的不同用法。

数据类型:单|双|function_handle

质量矩阵的状态依赖关系，以逗号分隔的对组成“MStateDependence而且“弱”，“强”,或“没有”．

例子:opts = odeset('Mass'，@M，' mstate dependency '，'none')指定质量矩阵米只取决于t．

数据类型:字符|字符串

质量矩阵稀疏模式，指定为逗号分隔对组成“MvPattern”和一个稀疏矩阵。使用此选项可指定矩阵的稀疏模式 $$\frac{\partial }{\partial y}［米（t，y）v］$$．稀疏矩阵年代有S(i,j) = 1如果有k,(我,k)的组成部分 $$米（t，y）$$取决于组件j的y．

例子:opts = odeset(' mstate dependency '，'strong'，'MvPattern'，S)

奇异质量矩阵开关，指定为由逗号分隔的对组成“MassSingular”而且“也许”，“是的”,或“不”．的默认值“也许”通过测试质量矩阵是否奇异，使解算器测试问题是否为DAE。通过指定避免此检查“是的”如果你知道这个系统是DAE，或者“不”如果不是的话。

数据类型:字符|字符串

一致的初始斜率，指定为由逗号分隔的对组成“InitialSlope”还有一个向量。属性使用此选项ode15s而且ode23t求解dae时的解算器。指定的向量是初始斜率 $$y{＇}_0$$这样 $$米（t_0，y_0）y{＇}_0＝f（t_0，y_0）$$．如果指定的初始条件不一致，则求解器将其视为猜测，尝试计算与猜测接近的一致值，并继续解决问题。

数据类型:单|双

公式的最大顺序，指定为逗号分隔的对，由“MaxOrder”和一个整数1而且5．使用此选项可指定变阶求解器使用的数值微分公式(ndf)或向后微分公式(BDFs)中使用的最大阶数ode15s而且ode15i．

切换到使用反向微分公式(BDFs)ode15s，指定为逗号分隔的对，由“快速公车提供”,要么“关闭”或“上”．默认的数值微分公式(ndf)通常比BDFs更有效，但两者密切相关。

例子:opts = odeset('BDF'，'on'，'MaxOrder'，4)允许使用BDFsode15s最大阶数为4．

数据类型:字符|字符串