SymPy求解二元方程组触发NotImplementedError问题求助

问题详情 #

我有两组二元方程组（共4个方程），预期求解结果为：

• wI = 0.107 ∈ (a1, a2) ，y= 0.176
• wII = 0.123 ∈ (b1, b2) ，x= 0.877

针对每组方程组，我尝试了两种整理形式：一种是将等式整理为等于0的形式，另一种是整理为等于ww1/ww2的形式，但无论哪种方式，SymPy求解时都会抛出NotImplementedError，错误信息如下：

NotImplementedError('could not solve %s' % eq2)

以及具体的方程求解报错：

NotImplementedError: could not solve: -52**(4/5)2*(24/25)5*(19/25)ww2 + 580000000000000000000**(1/25)(1 - 2ww2)**(22/25)(-(4010**(19/25)ww2 - 9(100ww2 - 7)(22/25))/(20*5(19/25)(1 - 4ww2)(22/25) - 9*(100*ww2 - 7)(22/25)) + 1) + 2**(22/25)(9 - 50ww2)(22/25)(4010(19/25)ww2 - 9(100ww2 - 7)**(22/25))/(205**(19/25)(1 - 4ww2)(22/25) - 9*(100*ww2 - 7)(22/25))

我的代码 #

import nashpy as nash
import numpy as np
import math
from sympy import symbols, Eq, solve

a4 = 0.6
a3 = 0.242
a2 = 0.115
a1 = 0.043
b4 = 0.5
b3 = 0.25
b2 = 0.18
b1 = 0.07

alpha = 0.88
beta = alpha
LambdaI = 2.25
LambdaII = LambdaI
Mu = alpha
Nu = alpha

y,ww1=symbols('y ww1')
eq3=Eq((y*pow((a4-ww1),alpha)+(1-y)*pow((a2-ww1),alpha)-ww1),0)
eq4=Eq(((-1)*LambdaI*y*pow((ww1-a1),beta)+(1-y)*pow((a3-ww1),alpha)-ww1),0)
print(solve((eq3,eq4), (y, ww1)))

y,ww1=symbols('y ww1')
eq3=Eq((y*pow((a4-ww1),alpha)+(1-y)*pow((a2-ww1),alpha)),ww1)
eq4=Eq(((-1)*LambdaI*y*pow((ww1-a1),beta)+(1-y)*pow((a3-ww1),alpha)),ww1)
print(solve((eq3,eq4), (y, ww1)))

x,ww2=symbols('x ww2')
eq5=Eq((x*pow((b3-ww2),Nu)-(-1)*LambdaII*(1-x)*pow((ww2-b1),Nu)),ww2)
eq6=Eq((x*pow((b2-ww2),Nu)+(1-x)*pow((b4-ww2),Nu)),ww2)
print(solve((eq5,eq6), (x, ww2)))

x,ww2=symbols('x ww2')
eq5=Eq((x*pow((b3-ww2),Nu)-(-1)*LambdaII*(1-x)*pow((ww2-b1),Nu)-ww2),0)
eq6=Eq((x*pow((b2-ww2),Nu)+(1-x)*pow((b4-ww2),Nu)-ww2),0)
print(solve((eq5,eq6), (x, ww2)))

解决方案 #

SymPy的solve函数主要针对符号可解的代数方程，你遇到的方程组包含非整数次幂（如0.88=22/25次方），属于非线性超越方程组，没有解析解，因此solve无法处理，抛出NotImplementedError。

针对这类问题，建议使用数值求解方法，比如用SciPy的root或fsolve函数，结合预期的解区间来迭代求解：

修改后的数值求解代码 #

import numpy as np
from scipy.optimize import root

# 定义参数
a4 = 0.6
a3 = 0.242
a2 = 0.115
a1 = 0.043
b4 = 0.5
b3 = 0.25
b2 = 0.18
b1 = 0.07

alpha = 0.88
beta = alpha
LambdaI = 2.25
LambdaII = LambdaI
Nu = alpha

# 第一组方程组：求解y和ww1
def equations1(vars):
    y, ww1 = vars
    eq1 = y * (a4 - ww1)**alpha + (1 - y) * (a2 - ww1)**alpha - ww1
    eq2 = -LambdaI * y * (ww1 - a1)**beta + (1 - y) * (a3 - ww1)**alpha - ww1
    return [eq1, eq2]

# 初始猜测值（基于预期结果）
initial_guess1 = [0.176, 0.107]
result1 = root(equations1, initial_guess1)
print("第一组解：")
if result1.success:
    y_sol, ww1_sol = result1.x
    print(f"wI = {ww1_sol:.3f}, y = {y_sol:.3f}")
else:
    print("求解失败：", result1.message)

# 第二组方程组：求解x和ww2
def equations2(vars):
    x, ww2 = vars
    eq1 = x * (b3 - ww2)**Nu + LambdaII * (1 - x) * (ww2 - b1)**Nu - ww2  # 修正原代码符号：-(-1)*LambdaII = +LambdaII
    eq2 = x * (b2 - ww2)**Nu + (1 - x) * (b4 - ww2)**Nu - ww2
    return [eq1, eq2]

# 初始猜测值（基于预期结果）
initial_guess2 = [0.877, 0.123]
result2 = root(equations2, initial_guess2)
print("\n第二组解：")
if result2.success:
    x_sol, ww2_sol = result2.x
    print(f"wII = {ww2_sol:.3f}, x = {x_sol:.3f}")
else:
    print("求解失败：", result2.message)

说明 #

1. 数值求解依赖初始猜测值，使用预期结果作为初始值能大幅提高求解成功率和精度。
2. 修正了第二组方程中的符号错误：原代码-(-1)*LambdaII等价于+LambdaII，确保方程与预期逻辑一致。
3. SciPy的root函数支持多种数值算法，默认使用hybrd算法，适合这类非线性方程组。

内容的提问来源于stack exchange，提问作者Typo