حل معادلات غیر خطی یک کار مشترک در محاسبات علمی است.کتابخانه SciPy چندین توابع ریشه ای را فراهم می کند که به پیدا کردن راه حل های موثر کمک می کند.این مقاله روش های عملی برای حل معادلات غیر خطی با استفاده از توابع ریشه SciPy را معرفی می کند.

استفاده از Scipy. Optimizemize

تابع یک ابزار همه کاره برای حل معادلات غیر خطی است.این از الگوریتم های متعدد پشتیبانی می کند و به کاربران اجازه می دهد تا مناسب ترین روش را برای مشکل خود انتخاب کنند.

برای استفاده از [FLT 1]، تابع را به نمایندگی از معادله تعریف کنید و حدس اولیه را مشخص کنید. سپس به طور غریزی برای یک راه حل که معادله را برآورده می کند جستجو می کند.

روش های مشترک و برنامه های کاربردی آنها

برخی از روش های محبوب عبارتند از:

  • [FLT: پیش فرض] روش مناسب برای اکثر مشکلات است.
  • ] ] [: الگوریتم لونبرگ- مارکواردت، برای مشکلات حداقل مربع موثر است.
  • [FLT 1]: از روش های فضای زیرزمینی Krylov استفاده کنید، برای سیستم های بزرگ خوب است.

انتخاب روش مناسب بستگی به ویژگی های مشکل دارد، مانند حضور مشتقات یا اندازه سیستم.

مثال عملی

در نظر بگیرید که در این زمینه به صورت زیر به صورت زیر به آن اشاره کنید: {FLT:0} {FLT:0} {\displaystyle x}-3} {FLT:3} می تواند با استفاده از برای پیدا کردن راه حل استفاده شود.

کد مثال:

[FLT3]

[[ویرایش]

[[ویرایش]

[[ویرایش]

راه حل نتیجه:

[FLT7]