我想用数值方法来求解一个非线性方程组,并把非线性非线性射线作为输入。考虑下面的任意代码:
import numpy as np
from scipy.optimize import fsolve
def eqs(A, B, C, D):
eq1 = (A - B * np.sin(C)).tolist()
eq2 = [5 * B + D * np.sum(A * np.cos(C))]
return eq1 + eq2
n = 3
A = np.zeros((n))
A0 = np.random.rand(n)
B = 0.0
B0 = np.random.rand(1)[0]
C = np.random.rand(n)
D = np.random.rand(1)[0]
sol = fsolve(func = eqs, x0 = [A0, B0], args = [C, D])
这导致了
缺少必要的位置参数
错误并将函数更改为:
def eqs(A, B, C, D):
eq1 = A - B * np.sin(C)
eq2 = C[0] * B + D * np.sum(A * np.cos(C))
return [eq1, eq2]
也无济于事。然而,我非常怀疑这一错误是否与通过ndarray有关。一种方法可以是将所有的ndarray来回更改为python列表。但是那样我就不能使用像np.sin()
这样的numpy的矢量化函数.
如果你能帮我知道该怎么做,我将不胜感激。
上面的P.S.方程是任意的,它们可能根本没有解。
发布于 2019-06-27 02:31:28
检查这是否解决了你的方程式:
import numpy as np
from scipy.optimize import fsolve
def eqs(X, Y):
A, B = X[:3], X[3]
C, D = Y[:3], Y[3]
eq1 = A - B * np.sin(C)
eq2 = C[0] * B + D * np.sum(A * np.cos(C))
return np.append(eq1, eq2)
n = 3
A = np.zeros((n))
A0 = np.random.rand(n)
B = 0.0
B0 = np.random.rand(1)[0]
C = np.random.rand(n)
D = np.random.rand(1)[0]
sol = fsolve(func = eqs, x0 = np.append(A0, B0), args = np.append(C, D))
sol
输出:
array([ 0.e+000, -1.e-323, 5.e-324, -1.e-323])
发布于 2019-06-27 08:48:33
这些scipy.optimize
函数需要一个具有签名的函数,如
f(x, *args)
x
是一个数组(通常是1d),它的求解程序将发生变化;args
是刚刚从外部传递过来的参数的元组。
更改您的eqs
以适应此模式
In [11]: def eqs(X, C, D):
...: A, B = X[:-1], X[-1]
...: eq1 = (A - B * np.sin(C)).tolist()
...: eq2 = [5 * B + D * np.sum(A * np.cos(C))]
...: return eq1 + eq2
...: n = 3
...: A0 = np.random.rand(n)
...: B0 = np.random.rand(1)
...:
...: C = np.random.rand(n)
...: D = np.random.rand(1)
对eqs
进行测试调用
In [12]: eqs(np.concatenate((A0,B0)),C,D)
Out[12]:
[-0.28460532658572657,
-0.03649115738682615,
0.7625781482352719,
array([5.46430853])]
现在在fsolve
中试一试
In [13]: fsolve(eqs, np.concatenate((A0,B0)), args=(C,D))
Out[13]: array([0., 0., 0., 0.])
https://stackoverflow.com/questions/56787038
复制相似问题