یافته های ریشه عددی یک کار مشترک در شبیه سازی های مهندسی است که برای حل معادلاتی که راه حل های تحلیلی دشوار یا غیر ممکن است به دست آوردن آن است، SciPy، یک کتابخانه پایتون، ابزارهای قدرتمندی برای انجام این محاسبات به طور موثر فراهم می کند.این مقاله توضیح می دهد که چگونه از SciPy برای یافتن ریشه در زمینه های مهندسی استفاده کنید.

معرفی کتاب SciPy Root

SciPy چندین تابع برای یافتن ریشه ارائه می دهد، در درجه اول در ماژول این توابع می توانند معادلات یا سیستم های معادلات منفرد را مدیریت کنند.آنها برای انواع مختلف مشکلات مناسب هستند، از جمله معادلات غیر خطی رایج در شبیه سازی مهندسی.

استفاده از تابع ریشه

تابع همه کاره است و از روش های متعدد مانند "هیبر"، "م" و "broyden1" پشتیبانی می کند تا از آن استفاده کند، تابع را که نشان دهنده معادله است تعریف کند و حدس اولیه را ارائه دهد.

مثال:

⁇ python

خرید numpy به عنوان np

از طریق py. Optimizemize Import ریشه

معادله (x):

بازگشت x **2 - 4

واژه های اولیه = [1]

راه حل = ریشه (برابری، اولی گوها)

(solution.x)

⁇ ⁇

سیستم های معادلات

SciPy همچنین می تواند سیستم های معادلات را با تعریف تابعی که مقادیر متعدد را برمی گرداند، حل کند. سپس راه حلی را پیدا می کند که در آن تمام معادلات به طور همزمان راضی هستند.

مثال:

⁇ python

سیستم (x):

بازگشت [x [0] + x[1] - 1 x [0] - x [1 ]

· حروف اولیه = [ 0.5، 0.5]

راه حل = ریشه (سیستم، زبان های اولیه)

(solution.x)

انتخاب روش مناسب

SciPy روش های مختلفی برای یافتن ریشه فراهم می کند.انتخاب بستگی به ماهیت مشکل دارد، به عنوان مثال، “هیبر” برای معادلات غیر خطی قوی است، در حالی که “lm” برای مشکلات حداقل مربع مناسب است.

روش ها را می توان از طریق پارامتر (FLT 3:) مشخص کرد:

⁇ python

راه حل = ریشه (برابری، کلمات اولیه، روش = "هیبر")

⁇ ⁇