비선형 방정식 찾기 (SciPy.optimize.root)

비선형 방정식 찾기 (SciPy.optimize.root)

1. 개요

비선형 방정식은 선형 방정식과 달리 단순한 행렬 연산으로 해를 구할 수 없으며, 수치적 방법을 이용해야 합니다. Python의 SciPy 라이브러리는 scipy.optimize.root 함수를 제공하여 다양한 방법으로 비선형 방정식의 해를 찾을 수 있도록 지원합니다.

이 글에서는 scipy.optimize.root를 이용하여 비선형 방정식의 해를 찾는 방법을 설명하고, 다양한 알고리즘을 비교하면서 실제 예제를 통해 활용하는 방법을 살펴보겠습니다.

---

2. 비선형 방정식이란?

비선형 방정식은 미지수를 포함하는 방정식에서 미지수가 1차식이 아닌 경우를 의미합니다. 예를 들어 다음과 같은 방정식들이 비선형 방정식에 해당합니다.

• $ f(x) = x^3 - 2x - 5 = 0 $
• $ g(x, y) = \begin{cases} x^2 + y^2 - 4 = 0 \ x - y^2 + 1 = 0 \end{cases} $

이러한 방정식들은 닫힌 형태의 해를 구하기 어렵기 때문에, 수치적 접근 방식이 필요합니다.

---

3. scipy.optimize.root 개요

scipy.optimize.root 함수는 비선형 방정식의 해를 찾는 다양한 알고리즘을 제공합니다. 주요 특징은 다음과 같습니다.

• 단일 변수 또는 다변수 방정식을 해결할 수 있음
• 다양한 수치적 해법 (Newton, Broyden, Hybr 등) 제공
• 초기값을 설정하여 반복적으로 해를 찾음

사용법은 다음과 같습니다.

from scipy.optimize import root

def func(x):
    return x**3 - 2*x - 5

sol = root(func, x0=2)  # 초기 추정값 x0=2
print(sol)

root 함수의 주요 매개변수는 다음과 같습니다.

• fun: 비선형 방정식 함수
• x0: 초기 추정값
• method: 사용할 알고리즘 (기본값: ‘hybr’)

---

4. 단일 변수 방정식의 해 찾기

예제: $ f(x) = x^3 - 2x - 5 = 0 $의 해를 찾기

import numpy as np
from scipy.optimize import root

# 비선형 함수 정의
def f(x):
    return x**3 - 2*x - 5

# 초기 추정값 설정
x0 = 2

# 해 찾기
sol = root(f, x0)

# 결과 출력
print("해:", sol.x)
print("성공 여부:", sol.success)
print("설명:", sol.message)

주요 알고리즘 비교

root 함수는 여러 가지 알고리즘을 제공하며, 대표적인 방법은 다음과 같습니다.

방법	설명
hybr	SciPy 기본 알고리즘, 다변수에도 적합
lm	Levenberg-Marquardt 방식 (비선형 최소제곱)
broyden1	Broyden의 1차 근사 방법
broyden2	Broyden의 2차 근사 방법
anderson	Anderson Mixing 방법
df-sane	대규모 문제 해결에 적합

알고리즘을 변경하여 결과를 비교할 수 있습니다.

sol_broyden = root(f, x0, method='broyden1')
print("Broyden1 방법 해:", sol_broyden.x)

---

5. 다변수 방정식의 해 찾기

예제: 연립 비선형 방정식 해결

다음과 같은 연립 방정식의 해를 찾아봅시다.

$$\begin{cases} x^2 + y^2 - 4 = 0 \ x - y^2 + 1 = 0 \end{cases}$$

import numpy as np
from scipy.optimize import root

def system(vars):
    x, y = vars
    eq1 = x**2 + y**2 - 4
    eq2 = x - y**2 + 1
    return [eq1, eq2]

# 초기 추정값 설정
x0 = [1, 1]

# 해 찾기
sol = root(system, x0, method='hybr')

# 결과 출력
print("해:", sol.x)

다양한 초기값 실험

비선형 방정식은 초기값에 따라 수렴 결과가 달라질 수 있습니다. 다른 초기값을 설정해 실험해 보세요.

x0_alt = [-1, -1]
sol_alt = root(system, x0_alt, method='hybr')
print("다른 초기값에서의 해:", sol_alt.x)

---

6. 활용 사례

(1) 공학 문제 해결

비선형 방정식은 전기회로, 기계 공학, 유체 역학 등 다양한 분야에서 활용됩니다.

(2) 경제 모델링

수요-공급 균형점, 경제 성장 모델 등의 문제에서 방정식의 해를 찾는 데 활용됩니다.

(3) 머신러닝 및 최적화

손실 함수의 최적화 문제에서 경사 하강법 이외의 대안으로 사용될 수 있습니다.

---

7. 결론

• scipy.optimize.root를 활용하면 다양한 방법으로 비선형 방정식의 해를 찾을 수 있습니다.
• 단일 변수 및 다변수 방정식 모두 해결 가능하며, 다양한 알고리즘을 지원합니다.
• 초기 추정값이 결과에 영향을 미칠 수 있으므로 실험이 필요합니다.

이번 글에서는 root 함수를 이용하여 단일 변수 및 다변수 방정식을 해결하는 방법을 살펴보았습니다. 실제 프로젝트에서 활용할 수 있도록 다양한 문제를 실험해 보는 것이 좋겠습니다.