Numerical 루트 검색은 분석 솔루션이 어렵거나 불가능한 방정식을 해결하기 위해 사용되는 엔지니어링 시뮬레이션에 공통 작업입니다. SciPy, Python 라이브러리는 강력한 도구가 이러한 계산을 효율적으로 수행하도록 제공합니다. 이 문서는 엔지니어링 컨텍스트에서 루트 검색에 대한 SciPy를 사용하는 방법을 설명합니다.

SciPy Root Finding에 대한 소개

SciPy는 ] 모듈 내에서 루트 찾기에 대한 여러 기능을 제공합니다. 이 기능은 단일 방정식 또는 방정식 시스템을 처리 할 수 있습니다. 그들은 엔지니어링 시뮬레이션에서 비선형 방정식을 포함하여 다양한 유형의 문제를 위해 적합합니다.

`root` 함수 사용

함수는 'hybr', 'lm', 'broyden1'과 같은 여러 가지 방법을 다루고 있습니다. 이를 사용하려면, 함수를 정의하고, 초기 추측을 제공합니다.

예:

₢ 킹

np로 numpy 가져 오기

scipy.optimize에서 import root를 가져옵니다.

방어 (x):

반환 x**2 - 4

처음 구스 = [1]

해결책 = 뿌리 (equation, initial guess)

인쇄 (solution.x)

₢ 킹

Equations의 처리 시스템

SciPy는 여러 값을 반환하는 함수를 정의하여 방정식의 시스템을 해결할 수 있습니다. ] 함수는 모든 방정식이 동시에 만족되는 솔루션을 찾습니다.

예:

₢ 킹

(x)를 뺍니다:

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

초기값 = [0.5, 0.5]

해결책 = 뿌리 (시스템, initial guess)

인쇄 (solution.x)

올바른 방법 선택

SciPy는 루트 검색에 대한 다양한 방법을 제공합니다. 선택은 문제의 자연에 따라 다릅니다. 예를 들어, 'hybr'는 비선형식 방정식에 강력하며, 'lm'은 최소 평방 문제에 적합합니다. 사용자는 특정 시뮬레이션 요구 사항에 가장 적합한 방법을 선택해야합니다.

메서드는 ] 매개 변수를 통해 지정할 수 있습니다.

₢ 킹

해결책 = 뿌리 (equation, initial guess, method='hybr)

₢ 킹