Как решить пару нелинейных уравнений с помощью Python?


каков (лучший) способ решить a пара нелинейных уравнений с использованием Python. (Numpy, Scipy или Sympy)

например:

  • x+y^2 = 4
  • e^x+ xy = 3

фрагмент кода, который решает вышеуказанную пару, будет отличным

7 53

7 ответов:

для численного решения, вы можете использовать fsolve:

http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.fsolve.html#scipy.optimize.fsolve

from scipy.optimize import fsolve
import math

def equations(p):
    x, y = p
    return (x+y**2-4, math.exp(x) + x*y - 3)

x, y =  fsolve(equations, (1, 1))

print equations((x, y))

Если вы предпочитаете sympy вы можете использовать nsolve.

>>> nsolve([x+y**2-4, exp(x)+x*y-3], [x, y], [1, 1])
[0.620344523485226]
[1.83838393066159]

первый аргумент-это список уравнений, второй-список переменных, а третий-начальная догадка.

попробуйте этот, я уверяю вас, что он будет работать отлично.

    import scipy.optimize as opt
    from numpy import exp
    import timeit

    st1 = timeit.default_timer()

    def f(variables) :
        (x,y) = variables

        first_eq = x + y**2 -4
        second_eq = exp(x) + x*y - 3
        return [first_eq, second_eq]

    solution = opt.fsolve(f, (0.1,1) )
    print(solution)


    st2 = timeit.default_timer()
    print("RUN TIME : {0}".format(st2-st1))

->

[ 0.62034452  1.83838393]
RUN TIME : 0.0009331008900937708

к вашему сведению. как упоминалось выше, вы также можете использовать "приближение Бройдена", заменив "fsolve" на "broyden1". Это работает. Я сделал это.

Я точно не знаю, как работает приближение Бройдена, но это заняло 0,02 С.

и я рекомендую вам не использовать функции Sympy

вы можете использовать пакет openopt и его метод NLP. Она имеет много алгоритмов динамического программирования для решения нелинейных алгебраических уравнений, состоящую:
goldenSection, scipy_fminbound, scipy_bfgs, scipy_cg, scipy_ncg, amsg2p, scipy_lbfgsb, scipy_tnc, bobyqa, ralg, ipopt, scipy_slsqp, scipy_cobyla, lincher, algencan, который вы можете выбрать.
Некоторые из последних алгоритмов могут решить ограниченную задачу нелинейного программирования. Таким образом, вы можете ввести свою систему уравнения для openopt.НЛП () С такой функцией:

lambda x: x[0] + x[1]**2 - 4, np.exp(x[0]) + x[0]*x[1]

Я получил метод Бройдена для работы с связанными нелинейными уравнениями (обычно с полиномами и экспонентами) в IDL, но я не пробовал его в Python:

http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.broyden1.html#scipy.optimize.broyden1

scipy.оптимизировать.broyden1

scipy.optimize.broyden1(F, xin, iter=None, alpha=None, reduction_method='restart', max_rank=None, verbose=False, maxiter=None, f_tol=None, f_rtol=None, x_tol=None, x_rtol=None, tol_norm=None, line_search='armijo', callback=None, **kw)[source]

найти корни функции, используя первый аппроксимация Якобиана Бройдена по.

этот метод также известен как"хороший метод Бройдена".

from scipy.optimize import fsolve

def double_solve(f1,f2,x0,y0):
    func = lambda x: [f1(x[0], x[1]), f2(x[0], x[1])]
    return fsolve(func,[x0,y0])

def n_solve(functions,variables):
    func = lambda x: [ f(*x) for f in functions]
    return fsolve(func, variables)

f1 = lambda x,y : x**2+y**2-1
f2 = lambda x,y : x-y

res = double_solve(f1,f2,1,0)
res = n_solve([f1,f2],[1.0,0.0])

альтернатива fsolve и root:

import numpy as np
from scipy.optimize import root    

def your_funcs(X):

    x, y = X
    # all RHS have to be 0
    f = [x + y**2 - 4,
         np.exp(x) + x * y - 3]

    return f

sol = root(your_funcs, [1.0, 1.0])
print(sol.x)

выводит

[0.62034452 1.83838393]

если вы затем проверить

print(your_funcs(sol.x))

вы получаете

[4.4508396968012676e-11, -1.0512035686360832e-11]

подтверждение правильности решения.