Python 解方程的三种方法
来源:互联网 发布:linux配置代理 编辑:程序博客网 时间:2024/06/08 10:14
新年第一篇,搞起.
这回写一个好久之前想做,一直搁着没做的东西—— Python 解方程(其实是放假回家,趁着家里电脑重装 LOL 的时间过来写一篇). 咱这回用三种不同的方法,来应对平常碰到的简单方程.
Numpy 求解线性方程组
例如我们要解一个这样的二元一次方程组:
x + 2y = 34x + 5y = 6
当然我们可以手动写出解析解,然后写一个函数来求解,这实际上只是用 Python 来单纯做“数值计算”. 但实际上,numpy.linalg.solve 可以直接求解线性方程组.
一般地,我们设解线性方程组形如 Ax=b,其中 A 是系数矩阵,b 是一维(n 维也可以,这个下面会提到),x 是未知变量. 再拿上面地最简单的二元一次方程组为例,我们用 numpy.linalg.solve 可以这样写:
In [1]: import numpy as np ...: A = np.mat('1,2; 4,5') # 构造系数矩阵 A ...: b = np.mat('3,6').T # 构造转置矩阵 b (这里必须为列向量) ...: r = np.linalg.solve(A,b) # 调用 solve 函数求解 ...: print r ...:Out[1]: [[-1.] [ 2.]]
那么前面提到的“ n 维”情形是什么呢?实际上就是同时求解多组形式相同的二元一次方程组,例如我们想同时求解这样两组:
x + 2y = 34x + 5y = 6
和
x + 2y = 74x + 5y = 8
就可以这样写:
In [2]: import numpy as np ...: A = np.mat('1,2; 4,5') # 构造系数矩阵 A ...: b = np.array([[3,6], [7,8]]).T # 构造转置矩阵 b (这里必须为列向量), ...: 注意这里用的是 array ...: r = np.linalg.solve(A,b) # 调用 solve 函数求解 ...: print r ...:Out[2]: [[-1. -6.33333333] [ 2. 6.66666667]]
SciPy 求解非线性方程组
先看官方文档的介绍:
scipy.optimize.fsolve(func, x0, args=(), fprime=None, full_output=0, col_deriv=0, xtol=1.49012e-08, maxfev=0, band=None, epsfcn=None, factor=100, diag=None)[source]
一般来说,我们只需要用到 func 和 x0 就够了. func 是自己构造的函数,也就是需要求解的方程组的左端(右端为 0),而 x0 则是给定的初值.
我们来看一个具体的例子,求解:
x + 2y + 3z - 6 = 05 * (x ** 2) + 6 * (y ** 2) + 7 * (z ** 2) - 18 = 09 * (x ** 3) + 10 * (y ** 3) + 11 * (z ** 3) - 30 = 0
就可以这么写:
In [3]: from scipy.optimize import fsolve ...: ...: def func(i): ...: x, y, z = i[0], i[1], i[2] ...: return [ ...: x + 2 * y + 3 * z - 6, ...: 5 * (x ** 2) + 6 * (y ** 2) + 7 * (z ** 2) - 18, ...: 9 * (x ** 3) + 10 * (y ** 3) + 11 * (z ** 3) - 30 ...: ] ...: ...: r = fsolve(func,[0, 0, 0]) ...: print r ...:Out[3]: [ 1.00000001 0.99999998 1.00000001]
当然,SciPy 也可以用来求解线性方程组,这是因为 scipy.optimize.fsolve 本质上是最小二乘法来逼近真实结果.
SymPy 通吃一切
例如求解一个:
x + 2 * (x ** 2) + 3 * (x ** 3) - 6 = 0
直接就是:
In [4]: from sympy import * ...: x = symbols('x') ...: solve(x + 2 * (x ** 2) + 3 * (x ** 3) - 6, x)Out[4]: [1, -5/6 - sqrt(47)*I/6, -5/6 + sqrt(47)*I/6]
另外, Wayne Shi 的这篇 使用 Python 解数学方程 ,就重点讲述了 SymPy 解线性方程组的方法,所以我也就不再赘述了。
其实 SymPy 能干的太多了,有兴趣的可以看一看 GitHub上的 Quick examples .
最后
安利自己一波,求一份关于 程序化投资 方向的寒假实习.
- Python 解方程的三种方法
- Python解非线性方程
- python解方程
- 用 Python 解方程
- python字典访问的三种方法
- python 格式化字符串的三种方法
- python字典访问的三种方法
- python 字典访问的三种方法
- python 字典访问的三种方法
- python 下载文件的三种方法
- Python 格式化字符串的三种方法
- python下载文件的三种方法
- python 字典访问的三种方法
- python 字典访问的三种方法
- python导入模块的三种方法
- python 字典访问的三种方法
- Python文件遍历的三种方法
- Python导入自定义的三种方法
- 基于深度学习的目标检测的研究进展1
- java 注解
- offsetLeft,offsetWidth
- ubuntu自动修复挂载文件系统而产生的错误
- Unity3d热更新四
- Python 解方程的三种方法
- Integer中的缓存IntegerCache
- ubuntu取消挂载安装的移动硬盘
- 分布式文件系统FastDFS快速入门
- 关于SQL模糊查询日期时间的方法
- 绑定 value 到 Vue 实例的一个动态属性上
- 页面内容不足一屏时显示在这一屏的最下方
- CentOS系统yum源使用报错:Error: Cannot retrieve repository metadata (repomd.xml) for repository: rpmforge.
- PHP I/O streams