我有以下只有两个未知数的简单非线性方程：
我了解在复杂领域中获得所有可能的数值解几乎是不可能的. 因此，任何具有足够准确度的特定给定初始值的数值复数解都是可以的。
通过符号-数值计算，很容易得到一个解：
但是，我发现很难使用 Matlab 中的内置积分函数来处理这样的问题，因为这些 integral和quadgk函数仅接受function handle-form 被积函数。
我的尝试是首先将非线性方程组合成用户定义的函数，然后使用特定的初始值按迭代算法（例如牛顿法）求解它），但是当我尝试传递符号变量或全局变量时,，会发生问题（错误消息）。
虽然符号计算可以得到一个解，但它太慢了，尤其是对于更一般的非线性方程。由于我需要的解决方案只是数字解决方案，我想知道：
是否可以在不使用符号计算的情况下通过 Matlab 解决这样的问题？如果积分函数必须接受符号,，如何在 Matlab（或 C++）中处理它？
您可以在 Python 中以数字方式解决此问题，而无需符号计算。
从 __future__ 导入 print_function，除法
将 numpy 导入为 np
从 numpy 导入 exp
从 scipy.integrate 导入四边形
从 scipy.optimize 导入根目录
定义 f1（a1，a2，x）：
返回 exp(a1 * x + a2 * x * x * x) / (1 + x * x)
定义 f2（a1，a2，x）：
返回 exp(a1 * x + a2 * x * x * x) * x
定义 g(a1, a2, f):
定义 r(x):
返回 f(a1, a2, x).real
定义 i(x):
返回 f(a1, a2, x).imag
y = quad(r, 1, 2)[0] + quad(i, 1, 2)[0] * 1j
返回 y
定义函数（Z）：
a1 = Z[0] + Z[1] * 1j
a2 = Z[2] + Z[3] * 1j
y1 = g(a1, a2, f1) - 1
y2 = g(a1, a2, f2) - 1/3
返回 np.array([y1.real, y1.imag, y2.real, y2.imag])
X0 = np.array([2.0, -2.0, -0.1, 1.0])
打印（根（函数，X0，tol=1e-12））
输出：
fjac: 数组([[-0.30890916, 0.05007557, 0.09254457, 0.94525291],
[-0.12460792，-0.41710616，-0.89760745，0.06925448]，
[0.41309815，-0.83196711，0.34050112，0.14573825]，
[0.84758358，0.36241635，-0.26418811，0.28365668]]）
有趣：数组（[-2.88657986e-15，-2.49800181e-15，-1.89293026e-14，
-2.43138842e-14])
消息：“解决方案收敛。”
nfev：24
qtf: 数组([ -9.32740208e-12, 6.42466839e-12, -3.53520661e-12,
-1.78427395e-12])
r：数组（[-3.43272029，0.72043771，-14.00467579，-11.98268077，
-2.65005807、13.29034808、-12.53526771、-7.04373163、
2.58188876, -7.03891799])
状态：1
成功：真
x：数组（[2.08361998，-2.16305211，-0.14431126，1.20659059]）
请注意，我已将第二个函数的定义更改为使用x术语而不是x^2术语，以便它与您的解决方案匹配:) 我猜这是您问题中的错字。