如何将SymPy定义的动态方程组自动适配到SciPy optimize.root求解

这个问题我熟！其实我们可以借助SymPy的lambdify工具，把符号定义的方程组自动转换成SciPy能直接调用的数值函数，完全不用手动写每个方程，不管变量和方程数量怎么变都能轻松适配。

核心思路 #

SymPy的lambdify可以把符号表达式批量转换成基于NumPy的数值计算函数，刚好能对接SciPy求解器对输入函数的要求——接受一个参数数组，返回对应残差的数组/元组。

完整实现步骤 #

1. 补全SymPy符号定义（你原来的代码里漏了这一步）

首先要先定义好所有符号变量，这是SymPy符号计算的基础：

import sympy as sp

# 定义所有符号变量
x1, y1, z1, x2, y2, z2 = sp.symbols('x1 y1 z1 x2 y2 z2')

2. 保留你原有的SymPy方程组和变量列表

这部分直接用你原来的定义就行，不管后续怎么增删变量/方程，这部分改了后面的代码都不用动：

AllEquations = [
    x1 - 5, 
    y1 - 5, 
    z1 - 5, 
    ((x1 - x2)**2 + (y1 - y2)**2 + (z1 - z2)**2)**0.5 - 150, 
    y2 - 100, 
    z2, 
    ((x1 - x2)**2 + (y1 - y2)**2 + (z1 - z2)**2)**0.5 - 150
]
AllVariables = [x1, y1, z1, x2, y2, z2]

3. 自动转换为SciPy兼容的数值函数

用lambdify把符号方程组转成数值函数，再包装成SciPyroot要求的格式：

# 把符号方程组转换成数值计算函数，用NumPy做底层计算
equation_lambda = sp.lambdify(AllVariables, AllEquations, modules='numpy')

# 包装成SciPy求解器需要的函数形式：接受一个参数数组p，返回残差元组
def equation(p):
    return equation_lambda(*p)

4. 调用SciPy求解（和你手动实现的逻辑一致）

这部分和你原来的代码几乎一样，注意修正method参数里的引号错误：

import numpy as np
from scipy.optimize import root

# 初始猜测值
initial_guess = [5, 5, 5, 100, 100, 0]

# 求解方程组
sol = root(equation, initial_guess, method='lm')

# 查看结果
print(sol.x)

运行后会得到和你手动写函数完全一致的结果：

array([ 5.00000000e+00,  5.00000000e+00,  5.00000000e+00,  1.20974135e+02,
        1.00000000e+02, -2.00332805e-25])

为什么这能适配动态变化？ #

不管你后续怎么修改AllEquations的数量、调整AllVariables的变量列表，只要保证方程组里的符号都在AllVariables中，lambdify都会自动完成转换，完全不用手动修改equation函数的内部逻辑——这就实现了动态适配的需求。

小提示 #

• 确保AllEquations里的每个表达式都是等于0的形式（比如x1-5对应x1=5），这是SciPyroot求解残差为0的要求；
• lambdify的modules='numpy'参数能让计算更高效，同时完美兼容SciPy的数组输入；
• 如果方程组里有特殊函数（比如三角函数），lambdify也能自动转换成NumPy对应的实现，不用额外处理。

备注：内容来源于stack exchange，提问作者Achaibou Karim