在Julia中求解非线性方程组

我可以这样在Matlab中编写函数：

function res=resid(theta,alpha,beta); 
RHS=[];
LHS=[];
RHS= theta-alpha;
LHS= theta*beta;
res = (LHS-RHS);

我们设置参数，调用函数：

alpha=0.3;beta=0.95;
a01=[1.0;1.0];
th=fsolve('resid',a01,[],alpha,beta)

这将返回[6.0；6.0]。选项“[]”是否向F发出信号，表示输入是矢量

无论如何，我如何使用NLsolve、Optim或JuMP在Julia中实现这一点？最初的问题有10多个变量，所以我更喜欢向量方法

我可以在Julia中实现该功能：

h! =function (theta) 
RHS=[];
LHS=[];
RHS= theta-alpha;
LHS= theta*beta;
res= (LHS-RHS); 
return res;
end

但只需使用NLsolve：

a01 = [1.0;1.0];
res = nlsolve(h!,a01)

返回：

MethodError: no method matching (::##17#18)(::Array{Float64,1}, ::Array{Float64,1})
Closest candidates are:
  #17(::Any) at In[23]:3

如果我选择使用Optim，我会得到：

using Optim
optimize(h!, a01)

返回：

MethodError: Cannot `convert` an object of type Array{Float64,1} to an object of type Float64
This may have arisen from a call to the constructor Float64(...),
since type constructors fall back to convert methods.

---

谢谢你的建议

根据Chris Rackauckas的建议，解决方案是保留h的定义：

h =function (theta) 
RHS=[];
LHS=[];
RHS= theta-alpha;
LHS= theta*beta;
res= (LHS-RHS); 
return res;
end

以及在非现场使用：

a01 = [1.0;1.0];
solve = nlsolve(not_in_place(h),a01)

返回解决方案：

Results of Nonlinear Solver Algorithm
 * Algorithm: Trust-region with dogleg and autoscaling
 * Starting Point: [1.0,1.0]
 * Zero: [6.0,6.0]
 * Inf-norm of residuals: 0.000000
 * Iterations: 3
 * Convergence: true
   * |x - x'| < 0.0e+00: false
   * |f(x)| < 1.0e-08: true
 * Function Calls (f): 4
 * Jacobian Calls (df/dx): 4

非线性求解器算法的结果 *算法：带狗腿和自动缩放的信赖域 *起点：[1.0,1.0] *零：[6.0,6.0] *残差的Inf范数：0.000000 *迭代次数：3次 *收敛性：正确 *| x-x'|<0.0e+00:错误 *| f（x）|<1.0e-08：正确 *函数调用（f）：4 *雅可比调用（df/dx）：4

---

谢谢大家!

请说明您查看了NLsolve文档等的哪些部分，以及导致您出现问题的具体原因？有更新！您看过NLsolve.jl文档了吗？这不是定义函数的方式。如果您的函数不在适当的位置，您可以使用

nlsolve（不在适当的位置（f），首字母为x）

。但是为什么不直接使用文档中的就地版本呢<代码>函数f！（x，fvec）第一个向量是输入，第二个是输出？谢谢！不是在你的位置（f）会这样做。我只需要保留函数的奇怪定义！按照惯例，您不应该调用函数

h如果不是变异函数。看见此外，您应该将其标记为解决方案，以便其他用户可以看到它已解决。好的！但由于我自己写了一个答案，我将能够在48小时内做出标记。但是我会做的。。。