如何用fsolve求解带归一化约束的多向量方程？

你的代码报错是因为fsolve要求目标函数返回一维数组，但你当前返回的是包含两个数组的元组，不符合接口要求。用fsolve完全可以实现需求，修正后的代码及通用思路如下：

简化示例的正确代码 #

import numpy as np
from scipy.optimize import fsolve

n = 1000
a = np.ones(n)
b = np.random.rand(n)
# 为确保简化示例有解，先将b归一化（实际问题无需此操作，你已说明解存在）
b = b / b.sum()

def f(x):
    # 计算原n维方程的残差
    residual_main = x / x.sum() - b
    # 计算尺度约束的残差
    residual_scale = x.sum() - 1
    # 拼接为一维数组返回
    return np.concatenate([residual_main, [residual_scale]])

# 求解n维变量x
x = fsolve(f, a)

print(f"解的和为：{x.sum():.4f}")
print(f"解与b的差异：{np.max(np.abs(x - b)):.4f}")

实际复杂非线性函数的通用处理规则 #

针对你提到的实际复杂问题，只需按以下方式修改目标函数：

• 将原n维非线性方程的残差放在返回数组的前n个位置
• 将尺度约束（如x.sum()-1=0）的残差作为返回数组的第n+1个元素
• 确保返回值是长度为n+1的一维数组
• 初始猜测值保持为n维数组即可（fsolve会自动求解对应维度的变量）

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