Python 中的多元求根

使用 Excel 求解器，很容易找到该方程的解（x 和 y 的最佳值）：

(x*14.80461) + (y * -4.9233) + (10*0.4803) ≈ 0

但是，我不知道如何在 Python 中执行此操作。现有的 scipy 优化库函数，如 fsolve() 或 lesssq() 似乎只适用于一个变量....（我可能只是不知道如何使用它们）...

有什么建议么？

Thanks!

>>> def f(x):
...     return x[0]*14.80461 + x[1]*(-4.9233) + x[2]*(10*0.4803) 
>>> def vf(x):
...    return [f(x), 0, 0]
>> xx = fsolve(vf, x0=[0,0,1])
>>> 
>>> f(xx)
8.8817841970012523e-16

由于解不是唯一的，未知的不同初始值会导致不同的（有效）解。

编辑：为什么这有效。嗯，这是一个肮脏的黑客行为。只是这样fsolve及其亲属处理systems方程组。我在这里所做的，定义了一个由三个方程组成的系统（f(x)返回一个三元素列表）对于三个变量（x具有三个要素）。现在fsolve使用牛顿型算法收敛到解决方案。

显然，系统定义不足：您可以指定两个变量的任意值，例如，x[1] and x[2]并找到x[0]满足你唯一的非平凡方程。您可以通过指定几个初始猜测来明确地看到这一点x0并看到不同的输出，所有这些都满足f(x)=0达到一定的耐受度。