时间:2021-05-22
背景:
实现用python的optimize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:
代码:
from scipy.optimize import fsolve,leastsqfrom math import sin,cos def f(x): x0 = float(x[0]) x1 = float(x[1]) x2 = float(x[2]) return [ 5*x1+3, 4*x0*x0 - 2*sin(x1*x2), x1*x2-1.5 ] x0 = [1,1,1]result = fsolve(f,x0) print("===================")print()print("求解函数名称:",fsolve.__name__)print("解:",result)print("各向量值:",f(result))#拟合函数来求解h = leastsq(f,x0) print("===================")print()print("求解函数名称:",leastsq.__name__)print("解:",h[0])print("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, -9.126033262418787e-14, 5.329070518200751e-15]
===================
求解函数名称: leastsq
解: [-0.70622057 -0.6 -2.5 ]
各向量的值: [0.0, -2.220446049250313e-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。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
写在前面SciPy的optimize模块提供了许多数值优化算法,下面对其中的一些记录。非线性方程组求解SciPy中对非线性方程组求解是fslove()函数,它的
应该怎么使用lingo求解线性方程组?相信大家都就都觉的线性方程组很难解,接下来小编就以实例向大家介绍用lingo11优化解线性方程组的具体方法步骤。lingo
本文实例讲述了Python线性方程组求解运算。分享给大家供大家参考,具体如下:求解线性方程组比较简单,只需要用到一个函数(scipy.linalg.solve)
前言numpy.linalg模块包含线性代数的函数。使用这个模块,可以计算逆矩阵、求特征值、解线性方程组以及求解行列式等。本文讲给大家介绍关于numpy基础之n
使用scipy.optimize模块的root和fsolve函数进行数值求解线性及非线性方程,下面直接贴上代码,代码很简单fromscipy.integrate