我想解一个非线性方程组。问题是,根据Octave/Matlab,解是复杂的,只有很小的虚部。我正试图将此移到python上,但不幸的是,我不确定应该如何优雅地处理它。你知道吗
在倍频程中,我可以直接使用fsolve,然后通过“real”函数传递解,得到数字的实数部分。问题是,它很容易解决它而不返回任何错误
不幸的是,在python中使用numpy在尝试求解方程时会返回错误。下面是用Python编写的公式:
import numpy as np
from scipy.optimize import fsolve
import scipy.io as spio
params = dict()
params['cbeta'] = 0.96
params['cdelta'] = 0.1
params['calpha'] = 0.33
params['cgamma'] = 1.2
params['clambda']= 1.0
params['csigma'] = 0.8
params['etau'] = 0.0
def steady_s(vars0):
# unpacking paramters
cbeta = params['cbeta']
cdelta = params['cdelta']
calpha = params['calpha']
cgamma = params['cgamma']
clambda= params['clambda']
csigma = params['csigma']
# guesses for initial values
c = vars0[0]
y = vars0[1]
k = vars0[2]
g = vars0[3]
r = vars0[4]
# == functions to minimize to find steady states == #
f = np.empty((5,))
# HH Euler
f[0] = (1.0/c)*cbeta*(r + 1.0 - cdelta) - (1.0+g)/c
# Goods market clearing
f[1] = y - c - k*(1.0 + g) + k*(1.0-cdelta)
# Capital Market clearing
f[2] = r - (k)**(calpha-1.0)*calpha**2.0
# production function for final good
f[3] = y - k**calpha
# growth rate
pi = (calpha - 1.0) * k**calpha #small pi, this isnt actual profits
f[4] = g - (cgamma - 1.0) * clambda * (csigma*clambda*pi)**(csigma/(1.0-csigma))
return f
# == Initial Guesses == #
vars0 = np.ones((5,))
# == Solving for Steady State == #
xss = fsolve(steady_s, vars0)
在八度音阶中实现同样的功能可以得到以下解决方案:
Columns 1 through 3:
0.7851388 + 0.0000000i 0.8520544 + 0.0000000i 0.6155938 + 0.0000000i
Columns 4 and 5:
0.0087008 - 0.0000000i 0.1507300 - 0.0000000i
我把这个解通过“实”函数,得到我想要的结果。你知道吗
特别是,python甚至很难一次解决这些方程。特别是如果我尝试在函数外部运行f[4]并定义所有参数,它将返回一个nan值。你知道吗
任何帮助都将不胜感激!你知道吗
对我遗漏的/格式错误的任何内容提前道歉。你知道吗
实际上,scipy与复数作斗争。然而,一个名为mpmath的项目可以解决您的问题。这里:http://mpmath.org/。它过去总是伴随着同情(sympy.org网站). 您可以找到文档here:这个解决方案适合我:
相关问题 更多 >
编程相关推荐