Python求解9个非线性方程报错：无法将表达式转换为浮点数

看起来你是在混用符号计算（sympy）和数值求解器（scipy.fsolve）的时候踩坑了——fsolve是纯数值求解工具，它要求你的目标函数返回纯数值数组，但如果代码里还保留着sympy的符号变量/表达式，就会触发这个类型转换错误。结合你已经有P1-P3、A1-A3具体坐标数值的情况，给你一套直接可行的解决方案：

核心问题分析 #

scipy.fsolve无法处理sympy的符号表达式，它需要的是一个接收数值输入、返回数值残差的函数。你已经有了所有已知点的数值，完全不需要再用sympy的符号变量构建方程，直接用数值逻辑写目标函数即可。

修正后的代码步骤 #

1. 确认已知量都是数值类型 #

先把已经求解得到的P1、P2、P3、A1、A2、A3的坐标转成numpy数组或Python浮点数（示例用模拟数值，你替换成自己的真实值）：

import numpy as np
from scipy.optimize import fsolve

# 替换成你实际求解得到的坐标数值
P1 = np.array([1.2, 3.4, 5.6])
P2 = np.array([7.8, 9.0, 1.2])
P3 = np.array([3.4, 5.6, 7.8])
A1 = np.array([0.1, 0.2, 0.3])
A2 = np.array([0.4, 0.5, 0.6])
A3 = np.array([0.7, 0.8, 0.9])

# 替换成你的实际约束参数（比如距离、角度等）
# 示例：假设(x1,y1,z1)到P1的距离是2.0，到A1的距离是1.5，以此类推
constraint_params = {
    "L_P1_x1": 2.0,
    "L_A1_x1": 1.5,
    # ... 补充其他7个约束的参数
}

2. 定义数值型目标函数 #

把9个非线性方程转换成残差函数：每个方程写成「约束条件 - 目标值 = 0」的形式，函数接收一个长度为9的数组（对应x1,y1,z1,x2,y2,z2,x3,y3,z3），返回每个方程的残差数组：

def nonlinear_equations(vars):
    x1, y1, z1, x2, y2, z2, x3, y3, z3 = vars
    res = []
    
    # 示例方程1：(x1,y1,z1)到P1的距离等于L_P1_x1
    res.append(np.sqrt((x1 - P1[0])**2 + (y1 - P1[1])**2 + (z1 - P1[2])**2) - constraint_params["L_P1_x1"])
    # 示例方程2：(x1,y1,z1)到A1的距离等于L_A1_x1
    res.append(np.sqrt((x1 - A1[0])**2 + (y1 - A1[1])**2 + (z1 - A1[2])**2) - constraint_params["L_A1_x1"])
    
    # 示例方程3：(x2,y2,z2)到P2的距离等于对应约束值
    res.append(np.sqrt((x2 - P2[0])**2 + (y2 - P2[1])**2 + (z2 - P2[2])**2) - constraint_params["L_P2_x2"])
    # ... 继续添加剩下的6个方程，确保最终res是长度为9的列表
    
    return np.array(res)

3. 调用fsolve求解 #

给fsolve一个合理的初始猜测值（非常重要，非线性方程对初始值敏感，尽量用已知点的坐标作为初始值）：

# 初始猜测：用P1-P3的坐标作为对应未知点的初始值
initial_guess = np.hstack([P1, P2, P3])

# 执行求解
solution = fsolve(nonlinear_equations, initial_guess)

# 提取结果
x1, y1, z1, x2, y2, z2, x3, y3, z3 = solution
print(f"求解结果：\n(x1,y1,z1)=({x1:.4f}, {y1:.4f}, {z1:.4f})\n(x2,y2,z2)=({x2:.4f}, {y2:.4f}, {z2:.4f})\n(x3,y3,z3)=({x3:.4f}, {y3:.4f}, {z3:.4f})")

额外注意事项 #

• 如果之前用sympy推导了方程，可以用sympy.lambdify把符号表达式转换成数值函数，这样能避免手动改写的错误
• 初始猜测值一定要贴近真实解，如果fsolve不收敛，可以尝试调整初始值，或者改用scipy.optimize.root（支持更多求解方法）
• 可以给fsolve添加精度控制参数，比如fsolve(..., xtol=1e-8)来提高求解精度

内容的提问来源于stack exchange，提问作者Jihang Liu