Numeerinen juuri löydös on yhteinen tehtävä insinöörisimulaatioita, käytetään ratkaisemaan yhtälöitä, joissa analyyttisiä ratkaisuja on vaikea tai mahdotonta saada. SciPy, Python kirjasto, tarjoaa tehokkaita työkaluja suorittaa nämä laskelmat tehokkaasti. Tämä artikkeli selittää, miten käyttää SciPy juuri löydöksen tekniikka kontekstit.

Johdatus SciPy juuri etsinnälle

SciPy tarjoaa useita toimintoja juuri löydöksen, pääasiassa sisällä moduuli. Nämä toiminnot voivat käsitellä yksittäisiä yhtälöitä tai järjestelmiä yhtälöitä. Ne soveltuvat erityyppisiin ongelmiin, kuten epälineaarinen yhtälöt yhteinen insinöörisimulaatioita.

Käyttämällä ...root... Funktiota

toiminto on monipuolinen ja tukee useita menetelmiä, kuten 'hybr', 'im', ja 'broyden1'. Käyttää sitä, määritellä funktion, joka edustaa yhtälö ja antaa alustavan arvauksen.

Esimerkki:

...

tuonti numpy as np

alkaen scipy.optimoi tuonti juuri

def yhtälö(x):

palautus x**2-4

firmal guess = [1]

liuos = root(yhtälö, initial guess)

print(solution.x)

...

Yhtälöiden käsittelyjärjestelmät

SciPy voi myös ratkaista yhtälöiden järjestelmiä määrittelemällä funktion, joka palauttaa useita arvoja. [ funktio löytää ratkaisun, jossa kaikki yhtälöt täyttyvät samanaikaisesti.

Esimerkki:

...

def järjestelmä(x):

tuotto [x[0]**2 + x[1] - 1, x[0] - x[1]**2]

attribuutti arvaa = [0,5, 0,5]

liuos = root(system, initial guess)

print(solution.x)

Oikean menetelmän valinta

SciPy tarjoaa erilaisia menetelmiä juurien etsinnän. Valinta riippuu ongelman luonteesta. Esimerkiksi "hybr" on vankka epälineaarisille yhtälöille, kun taas "lm" sopii pienimmille neliöille. Käyttäjien tulisi valita menetelmä, joka sopii parhaiten heidän erityisiin simulaatiovaatimuksiinsa.

Menetelmät voidaan määritellä -parametrin avulla:

...

liuos = root(yhtälö, initial guess, method='hybr')

...