使用scipy minimize trust-constr时出现expected square matrix错误的问询

• 约束冗余导致雅可比矩阵秩不足：你用到的两个等式约束sin(x)=0和cos(2x + π/2)=0并非线性独立。化简第二个约束可得：

  cos(2x + π/2) = -sin(2x) = -2sinx·cosx = 0
  当sin(x)=0成立时，第二个约束自动满足，属于完全冗余的约束。trust-constr方法要求等式约束的雅可比矩阵必须列满秩（即约束之间线性无关），冗余约束会导致雅可比矩阵的秩小于约束数量，方法内部计算拉格朗日海塞矩阵等关键矩阵时，无法得到预期的方阵结构，因此抛出ValueError('expected square matrix')。

• 单约束无报错的原因：仅使用单个等式约束或不等式约束时，雅可比矩阵的秩等于约束数量，满足方法的数学要求，因此不会触发错误。

1. 移除冗余约束：手动化简约束集合，只保留独立的约束即可。你的例子中，两个等式约束可合并为sin(x)=0，再结合不等式约束x ≥ 1/2，可行解为x = kπ（k为正整数，且kπ ≥ 1/2）。
2. 提前验证约束独立性：对多约束场景，用sympy计算等式约束的雅可比矩阵，检查其秩是否等于约束数量。比如针对你的变量x：

   from sympy import symbols, sin, cos, pi, diff
   x = symbols('x')
   eq1 = sin(x)
   eq2 = cos(2*x + pi/2)
   # 计算雅可比元素
   jac_eq1 = diff(eq1, x)  # 结果为cos(x)
   jac_eq2 = diff(eq2, x)  # 结果为-2*sin(2x) = -4*sinx*cosx
   

   当sinx=0时，jac_eq2=0，雅可比矩阵的两行线性相关，秩为1，小于约束数量2，明确说明约束冗余。
3. 检查导数矩阵维度：用sympy生成雅可比、海塞矩阵后，转换为数值函数时要确保输出维度符合scipy要求。比如单个变量x的约束雅可比应为1维数组，多个约束的雅可比需是(约束数量, 变量数量)的二维数组。若维度错误也可能引发类似报错，可在代码中打印矩阵形状排查。

内容的提问来源于stack exchange，提问作者Scacco Matto