例1:

求解方程組的一個解:?x0*cos(x1)?=?4,?x1*x0?-?x1?=?5。

需要注意兩點：

1.定義方程組，方程組要寫出f(x)=0的形式（=0不需要寫出來），所以原方程右邊4和5都要移項到左邊。

2.求解方程都根，對于非線性方程，通常會有不止一個解（對于唯一解的線性方程，初始值的設置對方程的解沒有影響），因此需要設置大致初始解（取值范圍），這樣方程在初始值附近按梯度下降進行求解，可得局部最優解

3.第2步中的局部最優解不一定是滿足方程的解，可以使用np.isclose(func(root), [0.0, 0.0])進行驗證，如果是方程的近似解，則為True(可以設置相等的tolerence，默認相對插值不超過1e-5，絕對插值不超過1e-8)

import numpy as np from scipy.optimize import fsolve# 定義方程組，方程組要寫出f(x)=0的形式（=0不需要寫出來），所以原方程4和5都要移項到左邊 def func(x):return [x[0] * np.cos(x[1]) - 4,x[1] * x[0] - x[1] - 5]# 求解方程都根，對于非線性方程，通常會有多個解，因此需要設置解的大致初始值（取值范圍），這樣方程在初始值附近按梯度下降進行求解，可得局部最優解# x0,x1初始解為10，1的結果 root = fsolve(func, [10, 1]) root array([6.50409711, 0.90841421])np.isclose(func(root), [0.0, 0.0]) # 檢驗解是否是符合方程組的近似解 array([ True, True])# x0,x1初始解為1，1的結果 root = fsolve(func, [10, 1]) root array([6.50409711, 0.90841421])# x0,x1初始解為100，100的結果 root = fsolve(func, [100, 100]) root array([ 1.08031886, 62.8304055 ])np.isclose(func(root), [0.0, 0.0]) # 檢驗解是否是符合方程組的近似解 array([ False, False]) # 不能滿足方程的近似解，看下值為多少# 把方程的根array([ 1.08031886, 62.8304055 ])代入方程組，看下結果是多少 func(root) [-2.919682271484323, 0.04646656815791772] 第一個方程結果是-2.9196，第二個方程為0.0464

總結

以上是生活随笔為你收集整理的scipy.optimize.fsolve：用Python求解方程的解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。