背景：
實現用python的optimize庫的fsolve對非線性方程組進行求解。可以看到這一個問題實際上還是一個優化問題，也可以用之前擬合函數的leastsq求解。下面用這兩個方法進行對比：
代碼：
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("求解函數名稱:",fsolve.__name__)print("解：",result)print("各向量值：",f(result))#擬合函數來求解h = leastsq(f,x0) print("===================")print()print("求解函數名稱:",leastsq.__name__)print("解：",h[0])print("各向量的值：",f(h[0]))結果：
===================
求解函數名稱: fsolve
解： [-0.70622057 -0.6 -2.5 ]
各向量值： [0.0, -9.126033262418787e-14, 5.329070518200751e-15]
===================
求解函數名稱: 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內容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
