13518219792
内置的算法不支持这么复杂的方程求解，需要编写特别的算法。
创新互联公司主要从事网站建设、成都网站设计、网页设计、企业做网站、公司建网站等业务。立足成都服务宾川,10多年网站建设经验,价格优惠、服务专业,欢迎来电咨询建站服务:18982081108
方法/步骤
用Python解数学方程，需要用到Python的一个库——SymPy库。
SymPy是符号数学的Python库，它的目标是成为一个全功能的计算机代数系统，同时保持代码简洁、易于理解和扩展。
如果你的电脑上还没有安装sympy库，那就赶紧安装吧，安装命令：
pip3 install sympy
请点击输入图片描述
先来解一个简单点的方程吧。
题目： 5x + 20 = 100
先直接上代码：
from sympy import *
x = Symbol('x')
print(solve([5*x + 20 - 100], [x]))
请点击输入图片描述
再来一个复杂点的二元一次方程吧。
题目：3x + 4y =49, 8x- y = 14
代码如下：
from sympy import *
x = Symbol('x')
y = Symbol('y')
print(solve([3*x + 4*y - 49, 8*x - y - 14], [x, y]))
请点击输入图片描述
有没有发现规律呢，简单总结一下：
1）变量赋值，使用symbol函数转换；
2）将方程式移到方程的左边，使右边等于0；
3）使用solve函数解方程。
当然了，python的基础语法必须掌握，至少需要掌握python最基础的算数运算符。
+ 加 ---- 两个对象相加
- 减 ----- 得到负数或是一个数减去另一个数
* 乘 ----- 两个数相乘或是返回一个被重复若干次的字符串
/ 除 ----- x 除以 y
% 取模 ----- 返回除法的余数
** 幂 ----- 返回x的y次幂
log() 对数-----对数 log()
下面来个难度大点的方程。
请点击输入图片描述
代码如下：
from sympy import *
t = Symbol('t')
x = Symbol('x')
m = integrate(sin(t)/(pi-t), (t, 0, x))
print(integrate(m, (x, 0, pi)))
请点击输入图片描述
python指数这样打出来。
1、知道当0，指数函数是单调递减的，当a1时，指数函数是单调递增的。首先要定义出指数函数，将a值做不同初始化。
2、利用numpy构造出自变量，利用定义的指数函数来计算出因变量。
3、有了自变量和因变量的一些散点，模拟平时画函数操作，描点绘图。
其中有两个非常漂亮的指数函数图就是用python的matplotlib画出来的。这一期，我们将要介绍如何利用python绘制出如下指数函数。
图 1 a1图 1 a1
我们知道当0 ，指数函数 是单调递减的，当a1 时，指数函数是单调递增的。所以我们首先要定义出指数函数，将a值做不同初始化
import math
...
def exponential_func(x, a): #定义指数函数
y=math.pow(a, x)
return y
然后，利用numpy构造出自变量，利用上面定义的指数函数来计算出因变量
X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值
有了自变量和因变量的一些散点，那么就可以模拟我们平时画函数操作——描点绘图，利用下面代码就可以实现
import math
import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.axisartist as axisartist #导入坐标轴加工模块
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
fig=plt.figure(figsize=(6,4)) #新建画布
ax=axisartist.Subplot(fig,111) #使用axisartist.Subplot方法创建一个绘图区对象ax
fig.add_axes(ax) #将绘图区对象添加到画布中
def exponential_func(x, a=2): #定义指数函数
y=math.pow(a, x)
return y
X=np.linspace(-4, 4, 40) #构造自变量组
Y=[exponential_func(x) for x in X] #求函数值
ax.plot(X, Y) #绘制指数函数
plt.show()
图 2 a=2
图2虽简单，但麻雀虽小五脏俱全，指数函数该有都有，接下来是如何让其看起来像我们在作图纸上面画的那么美观，这里重点介绍axisartist 坐标轴加工类，在的时候我们已经用过了，这里就不再多说了。我们只需要在上面代码后面加上一些代码来将坐标轴好好打扮一番。
图 3 a1 完整代码# -*- coding: utf-8 -*-图 3 a1 完整代码# -*- coding: utf-8 -*-"""Created on Sun Feb 16 10:19:23 2020project name:@author: 帅帅de三叔"""import mathimport numpy as npimport matplotlib.pyplot as pltimport mp
求拟合函数，首先要有因变量和自变量的一组测试或实验数据，根据已知的曲线y=f(x)，拟合出Ex和En系数。当用拟合出的函数与实验数据吻合程度愈高，说明拟合得到的Ex和En系数是合理的。吻合程度用相关系数来衡量，即R^2。首先，我们需要打开Python的shell工具，在shell当中新建一个对象member，对member进行赋值。 2、这里我们所创建的列表当中的元素均属于字符串类型，同时我们也可以在列表当中创建数字以及混合类型的元素。 3、先来使用append函数对已经创建的列表添加元素，具体如下图所示，会自动在列表的最后的位置添加一个元素。 4、再来使用extend对来添加列表元素，如果是添加多个元素，需要使用列表的形式。 5、使用insert函数添加列表元素，insert中有两个参数，第一个参数即为插入的位置，第二个参数即为插入的元素。origin拟合中参数值是程序拟合的结果，自定义函数可以设置参数的初值，也可以不设定参数的初值。
一般而言，拟合结果不会因为初值的不同而有太大的偏差，如果偏差很大，说明数据和函数不太匹配，需要对函数进行改正。X0的迭代初始值选择与求解方程，有着密切的关系。不同的初始值得出的系数是完全不一样的。这要通过多次选择和比较，才能得到较为合理的初值。一般的方法，可以通过随机数并根据方程的特性来初选。
您可以直接调用
import math
math.pow( 2, x )
或者
import math
def zhishu(x):
return math.pow(2, x)
