Tìm kiếm thuộc số là một công việc phổ biến trong mô phỏng kỹ thuật, được dùng để giải quyết các phương trình nơi mà giải pháp phân tích khó hoặc không thể có được. SciPy, một thư viện Python, cung cấp các công cụ mạnh mẽ để thực hiện các tính toán hiệu quả. Bài này giải thích cách sử dụng SciPy để tìm kiếm gốc trong bối cảnh kỹ thuật.

Giới thiệu tìm nguồn gốc SciPy

SciPy cung cấp một số hàm cho việc tìm gốc, chủ yếu trong mô- đun [FLT: 0]. Những hàm này có thể xử lý các phương trình hoặc hệ phương trình đơn. Chúng thích hợp với nhiều loại vấn đề khác nhau, kể cả phương trình không tuyến tính phổ biến trong mô phỏng kỹ thuật.

Đang dùng hàm « root »

Chức năng là linh hoạt và hỗ trợ nhiều phương pháp như 'hybr', 'lm' và 'broyden1'. Để sử dụng chức năng này, xác định các hàm đại diện phương trình và cung cấp một dự đoán ban đầu.

Ví dụ:

[CHUCKLES]

nhập numpy dạng np

từ ripy.opimize root

phương trình phân giải (x):

x** 2 - 4

Những lần đầu tiên = 1]

Giải pháp = root (tiểu số, bắt đầu ules)

in (giải pháp.x)

[Tiếng Tây Ban Nha]

Hệ thống cân bằng

SciPy cũng có thể giải quyết các hệ phương trình bằng cách định nghĩa một hàm số trả về nhiều giá trị. Chức năng sau đó tìm giải pháp nơi mà mọi phương trình đều được thỏa mãn cùng một lúc.

Ví dụ:

[CHUCKLES]

Hệ thống mật độ (x):

trả lại [x[0]**2 + x[1) - 1, x[0] - x [1]** 2]

Tiếng cười ban đầu = [0.5, 0.5]

Giải pháp = root (hệ thống, bắt đầu uos)

in (giải pháp.x)

Chọn phương pháp đúng

SciPy cung cấp nhiều phương pháp khác nhau cho việc tìm người chủ. Lựa chọn phụ thuộc vào bản chất của vấn đề. Lấy thí dụ, 'hybr' rất mạnh cho phương trình không tuyến tính, trong khi 'lm' thích hợp với vấn đề nhỏ nhất bình phương. Người dùng nên chọn phương pháp thích hợp nhất với yêu cầu mô phỏng đặc trưng của họ.

Phương pháp có thể được xác định qua tham số [FLT:]:

[CHUCKLES]

Giải pháp = root (tiểu thức gốc, bắt đầu ules, phương pháp = 'hybr')

[Tiếng Tây Ban Nha]