使用excel求解器，很容易找到这个等式的解（x和y的最佳值）：
（x * 14.80461）+（y * -4.9233）+（10 * 0.4803）≈0
但是，我无法弄清楚如何在Python中执行此操作。现有的scipy优化库函数如fsolve（）或leastsq（）似乎只能使用一个变量....（我可能只是不知道如何使用它们）......
有什么建议吗？
谢谢！
答案 0 :(得分：5)
>>> 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
由于解决方案不是唯一的，因此未知的不同初始值会导致不同（有效）的解决方案。
编辑：为什么这样做。嗯，这是一个肮脏的黑客。只是fsolve及其亲属处理方程的系统。我在这里做了，我为三个变量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）（x有三个元素）。现在fsolve使用牛顿型算法收敛到解决方案。
显然，系统未定义：您可以指定两个变量的任意值，例如x[1]和x[2]，并找到x[0]以满足您拥有的唯一非平凡方程。您可以通过为x0指定几个初始猜测来明确地看到这一点，并查看不同的输出，所有输出都满足f(x)=0达到一定的容差。