使用scipy.optimize的fsolve,root函数求解非线性方程问题
目录
- scipy.optimize的fsolve,root函数求解非线性方程
- 求解如下方程
- python求解非线性方程组的几种方式
- 问题
- 1. 利用gekko的GEKKO求解
- 2. 利用scipy.optimize的fsolve求解
- 3. 利用scipy.optimize的root求解
- 4. 利用scipy.optimize的leastsq求解
- 5. 利用sympy的solve和nsolve求解
- 总结
scipy.optimize的fsolve,root函数求解非线性方程
求解如下方gBVal程
from scipy.optimize import fsolve, root import numpy as np # 定义方程内容 def f(x, *arg): return arg[0] * 2 ** (1 - x) / (1 - x) + (1 - arg[0]) * 1.6 ** (1 - x) / (1 - x) - arg[0] * 3.85 ** (1 - x) / ( 1 - x) - (1 - arg[0]) * 0.1 ** (1 - x) / (1 - x) # 参数p为一个超参数 results = [[p * 0.1, fsolve(f, x0=0, args=(p * 0.1))[0]] for p in range(2, 10)] print(np.array(results), '\n') results = [[p * 0.1, root(f, x0=0, args=(p * 0.1))['x'][0]] for p in range(2, 10)] print(np.array(results)) # output results [[ 0.2 -0.94683705] [ 0.3 -0.48657472] [ 0.4 -0.14263228] [ 0.5 0.14636333] [ 0.6 0.4114561 ] [ 0.7 0.67618002] [ 0.8 0.9705809 ] [ 0.9 1.3683912 ]] [[ 0.2 -0.94683705] [ 0.3 -0.48657472] [ 0.4 -0.14263228] [ 0.5 0.14636333] [ 0.6 0.4114561 ] [ 0.7 0.67618002] [ 0.8 0.9705809 ] [ 0.9 1.3683912 ]]
python求解非线性方程组的几种方式
问题
对此非线性方程组,根据方程图像(如下图)可知,应有4组不同的解。以下尝试用不同的方法求出该方程组的解。
1. 利用gekko的GEKKO求解
"""利用gekko求解非线性方程组""" from gekko import GEKKO m = GEKKO() x = m.Var(value=0) # 给定初值为0 y = m.Var(value=0) # 给定初值为0 m.Equations([x ** 2 / 4 + y ** 2 == 1, (x - 0.2) ** 2 - y == 3]) m.solve(disp=False) x, y = x.value, y.value prijavascriptnt(x, y)
输出结果:
[-1.2961338938] [-0.7615833719]
换不同初值计算得到的结果如下:
[-1.6818042485] [0.54118722964] # 给定初值为(-2,0)
[1.9760411678] [0.15432222765] # 给定初值为(2,0)[1.8018969861] [-0.43392604594] # 给定初值为(2,-2)[1.9760412095] [0.15432236862] # 给定初值为(10,10)[1.801896954] [-0.4339261545] # 给定初值为(10,-10)
可知,用这种方法并不能得到方程组的全部解,并且最终得到的解为其解集中与给定的初值“距离”较近的一个。
2. 利用scipy.optimize的fsolve求解
optimize库中的fsolve函数可以用来对非线性方程组进行求解。
from scipy.optimize import fsolve def f(X): x = X[0] y = X[1] return [x ** 2 / 4 + y ** 2 - 1, 编程客栈 (x开发者_JAVA开发 - 0.2) ** 2 - y - 3] X0 = [0, 0] result = fsolve(f, X0) print(result)
输出结果:
[-1.29613389 -0.76158337]
换不同初值计算得到的结果如下:
[-1.68180425 0.54118723] # 给定初值为(-2,0)
[1.97604116 0.15432219] # 给定初值为(2,0)[ 1.80189699 -0.43392605] # 给定初值为(2android,-2)[1.97604116 0.15432219] # 给定初值为(10,10)[ 1.80189699 -0.43392605] # 给定初值为(10,-10)
可知,用这种方法也不能得到方程组的全部解,并且最终得到的解与给定初值有关。
3. 利用scipy.optimize的root求解
from scipy.optimize import fsolve, root dewww.devze.comf f(X): x = X[0] y = X[1] return [x ** 2 / 4 + y ** 2 - 1, (x - 0.2) ** 2 - y - 3] X0 = [10, 10] result1 = fsolve(f, X0) result2 = root(f, X0) print(result2)
输出结果:
fjac: array([[-0.2547064 , -0.96701843],
[ 0.96701843, -0.2547064 ]]) fun: array([-3.34943184e-12, 2.75734990e-12]) message: 'The solution converged.' nfev: 22 qtf: array([-1.65320424e-10, -2.73193431e-10]) r: array([-3.70991104, 0.8956477 , 0.56891317]) status: 1 success: True x: array([1.97604116, 0.15432219])
结果与fsolve函数得到的结果相同。
4. 利用scipy.optimize的leastsq求解
from scipy.optimize import leastsq def f(X): x = X[0] y = X[1] return [x ** 2 / 4 + y ** 2 - 1, (x - 0.2) ** 2 - y - 3] X0 = [10, 10] h = leastsq(f, X0) print(h)
输出结果:
(array([1.97604116, 0.15432219]), 2)
5. 利用sympy的solve和nsolve求解
5.1 利用solve求解所有精确解
from sympy import symbols, Eq, solve, nsolve x, y = symbols('x y') eqs = [Eq(x ** 2 / 4 + y ** 2, 1), Eq((x - 0.2) ** 2 - y, 3)] print(solve(eqs, [x, y]))
输出结果:
[[-1.68180424847377 + 1.56760579250585e-32*I
0.541187229573922 - 3.01196919624356e-31*I] [-1.29613389377477 + 1.95607066863502e-32*I -0.761583371898353 + 3.93313832308616e-31*I] [1.80189698634479 - 1.95607066863926e-32*I -0.433926045139482 - 8.10475677027422e-31*I] [1.97604115590375 - 1.56760579250161e-32*I 0.154322187463913 + 7.18358764343162e-31*I]]
可以看出,用这种方法能够得到方程组的全部解,并且为精确解,缺点是求解时间较长。
5.2 利用nsolve求解数值解
from sympy import symbols, Eq, nsolve x, y = symbols('x y') eqs = [Eq(x ** 2 / 4 + y ** 2, 1), Eq((x - 0.2) ** 2 - y, 3)] X0 = [3, 4] print(nsolve(eqs, [x, y], X0))
输出结果:
Matrix([[1.97604115590375], [0.154322187463913]])
nsolve为数值求解,需要指定一个初始值,初始值会影响最终得到哪一个解(如果有多解的话),而且初始值设的不好,则可能找不到解。
scipy.optimize.root求解速度快,但只能得到靠近初始值的一个解。对形式简单、有求根公式的方程,sympy.solve能够得到所有严格解,但当方程组变量较多时,它求起来会很慢。而且对于不存在求根公式的复杂方程,sympy.solve无法求解。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。
精彩评论