让人生与事业结伴，让生命与使命同行。你要按你所想的去生活，否则，你迟早会按你所生活的去想。
背景：
实现用python的optimize库的fsolve对非线性方程组进行求解。可以看到这一个问题实际上还是一个优化问题，也可以用之前拟合函数的leastsq求解。下面用这两个方法进行对比：
代码：
from scipy.optimize import fsolve,leastsq
from math import sin,cos
def f(x):
x0 = float(x[0])
x1 = float(x[1])
x2 = float(x[2])
return [
5*x1+3,
4*x0*x0 - 2*sin(x1*x2),
x1*x2-1.5
]
x0 = [1,1,1]
result = fsolve(f,x0)
print("===================")
print()
print("求解函数名称:",fsolve.__name__)
print("解：",result)
print("各向量值：",f(result))
#拟合函数来求解
h = leastsq(f,x0)
print("===================")
print()
print("求解函数名称:",leastsq.__name__)
print("解：",h[0])
print("各向量的值：",f(h[0]))
结果：
===================
求解函数名称: fsolve
解： [-0.70622057 -0.6 -2.5 ]
各向量值： [0.0, -9.126033262418787e-14, 5.329070518200751e-15]
===================
求解函数名称: leastsq
解： [-0.70622057 -0.6 -2.5 ]
各向量的值： [0.0, -2.220446049250313e-16, 0.0]
以上就是python用fsolve、leastsq对非线性方程组求解。学会自我欣赏，苹果最光辉的时刻，就是砸在牛顿头上，相信自己是的，说不准下一个被砸的就是你。更多关于python用fsolve、leastsq对非线性方程组求解请关注haodaima.com其它相关文章！
