如何使用Python求解指定区间内非线性方程的所有数值解

目前Python生态下有两种鲁棒性较高的方案可以实现指定区间内全根求解，无需手动调整初始猜测点：

方案1：SciPy分区间符号检测+区间求根法（推荐，适配黑盒函数） #

连续函数在区间两端函数值异号时，区间内至少存在一个根。基于该特性，你可以先将目标大区间拆分为足够密的子区间，逐个检测符号变化，对存在符号变化的子区间使用scipy.optimize.brentq求解，该方法是区间求根算法，鲁棒性远高于依赖初值的fsolve。

代码示例如下：

import numpy as np
from scipy.optimize import brentq

# 定义目标函数，将原方程整理为 f(x) = 0 的形式
# 例如原方程为 left(x) = right(x)，则返回 left(x) - right(x)
def f(x):
    # 此处替换为你的实际方程
    return np.sin(x) - 0.5 * x

def find_all_roots_in_range(f, x_start, x_end, split_num=1000):
    """
    f: 目标函数
    x_start: 求解区间左端点
    x_end: 求解区间右端点
    split_num: 大区间拆分的子区间数量，根密度越高需要设置越大
    """
    x_grid = np.linspace(x_start, x_end, split_num)
    f_val_grid = f(x_grid)
    roots = []
    for idx in range(split_num - 1):
        # 检测子区间是否存在符号变化
        if np.sign(f_val_grid[idx]) != np.sign(f_val_grid[idx+1]):
            # 调用brentq求解该子区间内的根
            single_root = brentq(f, x_grid[idx], x_grid[idx+1])
            # 去重，避免浮点误差导致的重复根
            if not any(np.isclose(single_root, existed_root) for existed_root in roots):
                roots.append(single_root)
    return roots

# 调用示例：求解[-3, 3]区间内的所有根
all_roots = find_all_roots_in_range(f, x_start=-3, x_end=3)
print(all_roots)

注意事项：

• 可根据你观测到的函数图像根的密度调整split_num参数，保证每个子区间内最多只有一个根即可覆盖所有解
• 该方案适配所有可数值计算的函数，包括无法符号化表达的黑盒函数

方案2：SymPy符号化全根求解（适配可符号表达的方程） #

如果你的方程可以用符号表达式写出，可以直接用SymPy的求解能力直接返回指定区间内的所有根：

from sympy import symbols, sin, nsolve, Interval

x = symbols('x')
# 定义方程表达式，同样整理为等于0的形式
expr = sin(x) - 0.5 * x
# 直接求解[-3, 3]区间内的所有根
all_roots = nsolve(expr, Interval(-3, 3), solver='bisect')
print(all_roots)

内容的提问来源于stack exchange，提问作者nutix