<强>背景:强>
实现用python的优化库的fsolve对非线性方程组进行求解。可以看到这一个问题实际上还是一个优化问题,也可以用之前拟合函数的leastsq求解。下面用这两个方法进行对比:
<强>代码:强>
从scipy。优化进口fsolve leastsq 从数学进口罪恶,因为 def f (x): x0=浮动(x [0]) x1=浮动(x [1]) x2=浮动(x [2]) 返回( 5 * x1 + 3, 4 * x0 * x0 - 2 *罪(x1, x2), x1 * x2 - 1.5 ] x0=(1, 1, 1) 结果=fsolve (f, x0) 打印(“===================") print () 打印(“求解函数名称:“,fsolve.__name__) 打印(“解:“,结果) 打印(“各向量值:“,f(结果)) #拟合函数来求解 h=leastsq (f, x0) 打印(“===================") print () 打印(“求解函数名称:“,leastsq.__name__) print(“解:“h [0]), 打印(“各向量的值:“,f (h [0]))
结果:
===================
求解函数名称:fsolve
解:[-0.70622057 - -0.6,,,,-2.5,,]
各向量值:[0.0,-9.126033262418787 e-14, 5.329070518200751 e15汽油]
===================引用>
求解函数名称:leastsq
解:[-0.70622057 - -0.6,,,,-2.5,,]
各向量的值:[0.0,-2.220446049250313 e-16, 0.0]
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
python用fsolve, leastsq对非线性方程组求解