0

我想从 Sage 笔记本中解决一个五维寻根问题，但我希望解决的功能取决于在寻根过程中不应改变的其他参数。弄清楚如何设置对 scipy.optimize.newton_krylov 的调用让我很难过。所以假设我有（用 a,b,c,d,e 我想要改变的参数，F1,F2,F3,F4,F5 我要解决的五个表达式等于 F1Val,F2Val,F3Val,F4Val ,F5Val，我已经知道的值，和 posVal 另一个已知参数）

def func(a, b, c, d, e, F1Val, F2Val, F3Val, F4Val, F5Val, posVal):
    F1.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F2.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F3.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F4.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    F5.subs(x1=a,x2=b,x3=c,x4=d,x5=e,position=posVal)
    return (F1-F1Val, F2-F2Val, F3-F3Val, F4-F4Val, F5-F5Val)

现在我想将它传递给寻根函数以产生 func = (0,0,0,0,0)。我想传递一个初始猜测 (a0, b0, c0, d0, e0) 向量和一组参数 (F1Val, F2Val, F3Val, F4Val, F5Val, posVal) 进行评估，但我不知道如何做这个。这种事情有标准技术吗？scipy 中的多维寻根器似乎缺少一维寻根器提供的 args=() 变量。

最好的，

-user2275987

4

1 回答 1

0

好吧，我仍然不确定如何在这里实际使用 Newton-Raphson 方法，但是对于接受变量向量和常量参数向量的函数，使用 fsolve 是可行的。我在这里复制我的概念证明

def tstfunc(xIn, constIn):
    x = xIn[0]
    y = xIn[1]
    a = constIn[0]
    b = constIn[1]
    out = [x+2*y+a]
    out.append(a*x*y+b)
    return out

from scipy.optimize import fsolve
ans = fsolve(tstfunc, x0=[1,1], args=[0.3, 2.1])
print ans
于 2013-08-19T15:54:42.783 回答