当前位置:   article > 正文

Python求解方程_python求解方程的代码

python求解方程的代码


NumPy和SciPy是Python科学计算和数据分析非常重要的基础库,它们各有侧重

NumPy提供数组和基础运算,侧重数学计算;SciPy在NumPy基础上提供更高级的科学与工程计算算法,侧重数据处理与分析

SymPy是一个比较强大的线性代数符号数学运算库,可以简化求值

1、线性方程组


二元一次方程组:

"""
2x + 3y = 12
3x - 2y = 5
"""
  • 1
  • 2
  • 3
  • 4

1) 使用NumPy

from numpy.linalg import inv

# 方程左边矩阵:
A = [[2, 3], [3, -2]]
# 方程右边矩阵:
E = [12, 5]
# 矩阵A的逆
B = inv(A)
F = B.dot(E)
print(list(F))        # [3.0, 2.0]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

2) 使用Scipy

from scipy.linalg import solve

F = solve(A, E)
print(list(F))        # [3.0, 2.0000000000000004]
  • 1
  • 2
  • 3
  • 4

2、非线性方程组


1) 一元二次方程

"""
x^2 + 2x - 3 = 0 
"""
  • 1
  • 2
  • 3
from sympy import symbols, solve

x = symbols('x')
f = solve(x ** 2 + 2 * x - 3, x)
print(f)              # [-3, 1]
  • 1
  • 2
  • 3
  • 4
  • 5

2) 多元多次方程

"""
x^2 / 4 + y^2 = 1
(x - 1)^2 - y = 3
"""
  • 1
  • 2
  • 3
  • 4
from scipy.optimize import fsolve

def f(a):
    x = a[0]
    y = a[1]
    return [x ** 2 / 4 + y ** 2 - 1, (x - 1) ** 2 - y - 3]

fs = fsolve(f, [0, 0])
print(list(fs))      # [-0.4221571295038866, -0.9774690990012458]
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/花生_TL007/article/detail/645837
推荐阅读
相关标签
  

闽ICP备14008679号