fsolve Python函数，增加错误

Question

我正在尝试使用scipy.optimize函数fsolve解决一个四个非线性方程组。

def equations(p):
   e1, e2, F, B = p

   Eq_F1 = (-F + Fa(4, e1, e2) + Fa(5,e1, e2) - A1*Acc1(e1, e2))
   Eq_T1 = (F*L + Fa(4,e1, e2)*A2 + Fa(5, e1, e2)*A3
   Eq_F2 = (Fb(1, e1, B)*A4*math.cos(B) + Fb(2,e1)*A5 + Fb(3,e1)*A6 + F*np.cos(alpha(e1, e2))- A7*Acc2)
   Eq_T2 = (Fb(1,e1, B)*math.cos(B)*A8- F*np.cos(alpha(e1, e2))*A9- Fb(2,e1)*A10- Fb(3,e1)*A11

   return (Eq_F1, Eq_T1, Eq_F2, Eq_T2)

其中Fa ， Fb和alpha是e1 ， e2和数字的函数。 Ai是我引入的常数，目的是使您对系统有一个整体的了解。 我将系统解决如下：

e1, e2, F, B  = fsolve(equations,(0.3,5,100,0.1), xtol=1.49012e-14)

第一次猜测是合理的，知道我的问题。

给出的结果为假，我在方程函数中引入了print(e1, e2, F, B) 。 真是一个惊喜！ 如果第一个值是0.3, 5, 100, 0.1它们立即跳到第二个值的极值，这会阻止收敛。因此结果与实际情况相去甚远。

有人知道吗？

Answer 1

我无法复制您的代码，因为我没有所有的常量。 在不知道您的问题的确切细节的情况下，我不能确定，但​​是我猜想这里很可能出现数字问题 。

fsolve是在数值分析中实现算法的函数，并朝着近似解迭代。 从某种意义上说，数字算法可能是“敏感的”，如果用户没有针对特定问题使用正确的设置，或者如果特定的算法选择不适合该问题，则可能会导致错误。

• 您的起点可能很糟糕-数值算法可能对起点的选择非常敏感。
• 您的xtol可能太小了-这可能导致算法迭代中的步长很小，从而阻止了收敛，并且还导致累积了数字误差（例如，舍入误差）。