python高次方程函数 python求解高次方程

一文读懂Python 高阶函数

将函数作为参数传入，这样的函数称为高阶函数。 函数式编程就是指这种高度抽象的编程范式。

创新互联公司是一家专业提供囊谦企业网站建设,专注与网站建设、网站设计、H5场景定制、小程序制作等业务。10年已为囊谦众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。

变量可以指向函数，函数的参数能接收变量，那么一个函数就可以接收另一个函数作为参数，这种函数就称之为高阶函数。如下所示：

map(fun, lst)，将传入的函数变量func作用到lst变量的每个元素中，并将结果组成新的列表返回。

定义一个匿名函数并调用，定义格式如--lambda arg1,arg2…:表达式

reduce把一个函数作用在一个序列[x1, x2, x3, …]上，这个函数必须接收两个参数，reduce把结果继续和序列的下一个元素做累积计算。

filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。

闭包的定义？闭包本质上就是一个函数

如何创建闭包？

如何使用闭包？典型的使用场景是装饰器的使用。

global与nonlocal的区别：

简单的使用如下：

偏函数主要辅助原函数，作用其实和原函数差不多，不同的是，我们要多次调用原函数的时候，有些参数，我们需要多次手动的去提供值。

而偏函数便可简化这些操作，减少函数调用，主要是将一个或多个参数预先赋值，以便函数能用更少的参数进行调用。

我们再来看一下偏函数的定义：

类func = functools.partial(func, *args, **keywords)

我们可以看到，partial 一定接受三个参数，从之前的例子，我们也能大概知道这三个参数的作用。简单介绍下：

总结

本文是对Python 高阶函数相关知识的分享，主题内容总结如下：

怎么用python解一元高次函数

写个例子吧，需要安装numpy数学库

#!/usr/bin/python

import numpy as np

#求解方程x^2+2x+1=0的根

#方程参数列表抽象成一下形式：

arg=[1， 2， 1]

#求解

np.roots(args)

运行即可求解了，如果没有实根会给虚根的结果

python求解多解问题怎么让方程数量多于未知数值

目录

一、多元多次方程

1.1 定义

我们常见的方程组有一元一次方程组，比如x+3=5这种，很简单很好解。

二元一次方程组，即方程组中有两个未知数，未知数的最高次数为1.

二元二次方程组：方程组中有两个未知数，未知数的最高次数为2.。此类方程组均有公式解法或者成形的解法。

但是面临多元多次方程组，解法错综复杂，是数学家们研究的内容。为了更好的解决此类问题，我们可以用python来实现。

1.2 例子

多元多次方程组例如下面这种，三元二次方程组：

下面这种，二元二次方程组。

第二个方程组实在比较复杂，因此需要借助python。

二、python求解工具包

python求解方程组的工具包较多。例如：

numpy：numpy.linalg.solve 可以直接求解线性方程组，numpy是python非常常用的包，解的方程也较为初级。

scipy：from scipy.optimize import fsolve，可以求解非线性方程组，使用较为方便，但是解集并不完备，可能漏掉一下解(后文会给个例子)scipy可以用于数学、科学、工程领域的常用软件包,可以处理插值、积分、优化，相对较初级易用

sympy：此工具包功能相对强大，支持符号计算、高精度计算、解方程、微积分、组合数学、离散数学、几何学、概率与统计、物理学等方面的功能。github地址：

sage，不支持位运算，z3约束求解器，等其他工具包，本文不详述，感兴趣的可以查找相应的内容。

本文详细讲述scipy以及sympy求解多次方程的方法。

三、scipy方法

3.1 使用scipy的fsolve求解

我们只将求解方程的部分。

用fsolve相对初级，也相对简单易操作，代码较为简单，只用将方程的表达式写出运行即可。fsolve近似看作用最小二乘法求解。不够很强大，很多情况下解集不完备或者无法解出。

例如对于

，首先要定义相应的函数：

def solve_function(unsolved_value):

x,y,z=unsolved_value[0],unsolved_value[1],unsolved_value[2]

return [

x**2+y**2-10,

y**2+z**2-34,

x**2+z**2-26,

]

求解函数三个公式都为0时候的解，中括号内为初值[0, 0, 0]

solved=fsolve(solve_function,[0, 0, 0])

全部代码：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

"""

python解方程

"""

from scipy.optimize import fsolve

def solve_function(unsolved_value):

x,y,z=unsolved_value[0],unsolved_value[1],unsolved_value[2]

return [

x**2+y**2-10,

y**2+z**2-34,

x**2+z**2-26,

]

solved=fsolve(solve_function,[0, 0, 0])

print(solved)

print("Program done!")

"""

运行结果：

[-1. 3. 5.]

Program done!

"""

看出运行结果来看，此结果并非完备解集。因为x，y，z都是可正可负。例如1或者-1，3或者-3，5或者-5，但是此工具包只能解出一个解。

3.2 非完备解

显而易见，x**2-9=0的解为3或者-3

def solve_function(unsolved_value):

x=unsolved_value[0]

return [

x**2-9,

]

solved=fsolve(solve_function,[0])

但是程序只能得出一个结果3，但是得不到-3

3.3 非线性方程的解

最简单的sin(x)=0.5,则x可能为π/6或者 5π/6

#!/usr/bin/python

# -*- coding: UTF-8 -*-

"""

python解方程

"""

from scipy.optimize import fsolve

from math import sin,cos

def solve_function(unsolved_value):

x=unsolved_value[0]

return [

sin(x)-0.5

]

solved=fsolve(solve_function,[3.14])

print(solved)

solved=fsolve(solve_function,[0])

print(solved)

print("Program done!")

运行结果为：

[2.61799388]

[0.52359878]

Program done!

可以解出π/6或者 5π/6，中括号内为初始迭代的值。

3.4 无法求解

部分较难情况无法求解

#!/usr/bin/python

# -*- coding: UTF-8 -*-

"""

python解方程

"""

from scipy.optimize import fsolve

def solve_function(unsolved_value):

x,y=unsolved_value[0],unsolved_value[1]

return [

x*x+2*x*y,

2*x*y-2*y*y

]

solved=fsolve(solve_function,[6, -3])

print(solved)

print("Program done!")

无法求解会给出报错，和用最小二乘法迭代得到明显错误的解。

[1.64526700e-115 1.33665018e-115]

A:\python\python\lib\site-packages\scipy\optimize\minpack.py:162: RuntimeWarning: The number of calls to function has reached maxfev = 600.

Program done!

warnings.warn(msg, RuntimeWarning)

四、sympy工具包求解

没安装可以在teiminal中pip install sympy，此工具包涉及支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、概率与统计、物理学等方面的功能。功能较为强大，解方程组时性能也较好。

4.1 二元一次方程组

较为简单，

from sympy import *

# 二元一次方程

x = Symbol('x')

y = Symbol('y')

solved_value=solve([2*x+y-1, x-2*y], [x, y])

print(solved_value)

此方法较为简单，但是相应的自变量应当写成符号的形式，x=Symbol('x')

求解后有分数解：

{x: 2/5, y: 1/5}

Program done!

4.2 多解

多解情况与复数解

例如，多个解的情况，sympy可以很好的进行求解

x = Symbol('x')

solved_value=solve([x**2-9], [x])

print(solved_value)

输出结果：

[(-3,), (3,)]

4.3 复数解

复数解也可以很好解出：

# 复数解

solved_value = solve([x ** 2 + 9], [x])

print(solved_value)

solved_value = solve([x ** 4 - 9], [x])

print(solved_value)

"""

运行结果：

[(-3*I,), (3*I,)]

[(-sqrt(3),), (sqrt(3),), (-sqrt(3)*I,), (sqrt(3)*I,)]

"""

复数解也能较好解出

4.4 非线性求解

比如三角函数：

程序均能较好解出

# 非线性解

solved_value = solve([sin(x) - 0.5], [x])

print(solved_value)

solved_value = solve([sin(x) - 1], [x])

print(solved_value)

"""

[(0.523598775598299,), (2.61799387799149,)]

[(pi/2,)]

"""

4.5 较为复杂的二元二次方程

此题较难，无论人来算，很难算出，用scipy工具包也迭代不出解。但是sympy强大的功能可以很好的解出此方程。

# 二元二次方程组

x = Symbol('x')

y= Symbol('y')

solved_value=solve([x**2+2*x*y-6,2*x*y-2*y**2+3], [x,y])

print(solved_value)

有四组实数解：

[(-(-3 + sqrt(13))*sqrt(sqrt(13)/2 + 2), -sqrt(sqrt(13)/2 + 2)),

((-3 + sqrt(13))*sqrt(sqrt(13)/2 + 2), sqrt(sqrt(13)/2 + 2)),

(-sqrt(2 - sqrt(13)/2)*(-sqrt(13) - 3), -sqrt(2 - sqrt(13)/2)),

(sqrt(2 - sqrt(13)/2)*(-sqrt(13) - 3), sqrt(2 - sqrt(13)/2))]

复杂的问题终于解出，有四组实数解！

五、全部代码

#!/usr/bin/python

# -*- coding: UTF-8 -*-

"""

python解方程

created by xingxinagrui on 2020.2.24

"""

from scipy.optimize import fsolve

from math import sin,cos

from sympy import *

# 1-4 scipy

# 5-7 sympy

part=7

if part==1:

# 求解非线性方程组

def solve_function(unsolved_value):

x=unsolved_value[0]

return [

sin(x)-0.5

]

solved=fsolve(solve_function,[3.14])

print(solved)

solved=fsolve(solve_function,[0])

print(solved)

if part==2:

# 求解三元二次方程组

def solve_function(unsolved_value):

x, y, z = unsolved_value[0], unsolved_value[1], unsolved_value[2]

return [

x ** 2 + y ** 2 - 10,

y ** 2 + z ** 2 - 34,

x ** 2 + z ** 2 - 26,

]

solved = fsolve(solve_function, [0, 0, 0])

print(solved)

if part==3:

#解的非完备性

def solve_function(unsolved_value):

x = unsolved_value[0]

return [

x ** 2 - 9,

]

solved = fsolve(solve_function, [0])

print(solved)

if part == 4:

# 较难无法求解

def solve_function(unsolved_value):

x, y = unsolved_value[0], unsolved_value[1]

return [

x * x + 2 * x * y,

2 * x * y - 2 * y * y

]

solved = fsolve(solve_function, [6, -3])

print(solved)

if part == 5:

# 二元一次方程

x = Symbol('x')

y = Symbol('y')

solved_value=solve([2*x+y-1, x-2*y], [x, y])

print(solved_value)

if part == 6:

# 多解情况

x = Symbol('x')

solved_value=solve([x**2-9], [x])

print(solved_value)

# 复数解

solved_value = solve([x ** 2 + 9], [x])

print(solved_value)

solved_value = solve([x ** 4 - 9], [x])

print(solved_value)

# 非线性解

solved_value = solve([sin(x) - 0.5], [x])

print(solved_value)

solved_value = solve([sin(x) - 1], [x])

print(solved_value)

if part == 7:

# 二元二次方程组

x = Symbol('x')

y= Symbol('y')

solved_value=solve([x**2+2*x*y-6,2*x*y-2*y**2+3], [x,y])

print(solved_value)

print("Program done!")