我想知道当我使用scipy.optimize.fsolve时，方程组中每个解的误差（或不确定性）。例如（来自文档）：
import numpy as np
from scipy.optimize import fsolve
def func(x):
return [x[0] * np.cos(x[1]) - 4,
x[1] * x[0] - x[1] - 5]
root, infodict, ier, msg = fsolve(func, [1, 1], full_outupt=1)我想知道root[0]和root[1]的精度，而不是方法有多好（即r的值）。
1条答案
按热度按时间nwnhqdif1#
在这种情况下，根据您如何解释“精度”，您可能需要调整答案（平方而不是绝对值以获得均方误差等）
由计算的解和精确解之间的差异引起的绝对误差由下式定义：
因为你期望在最优情况下结果为0，
如果你想知道
x_true和root之间的区别：你通常不能期望知道这个，否则你已经知道答案了，不必使用迭代算法来近似解。您只能使用fsolve(xtol=...)限制可接受的错误。这就是算法与代数求解方程的本质，或者我错过了这里的重点？
如果你想用代数方法求解，可以看看
SymPy和它的solver。