Oscar的回答是“正确的”，但由于您是新手，所以有几件事是您想知道的。
首先，在MatLab中，您使用的是sind和cosd，它们需要以度为单位的Angular 。另一方面，math、numpy、sympy模块暴露的三角函数要求Angular 为弧度。因此，我们需要将Lb, Lm, ...转换为弧度。
注意：因为我不知道您要解决的是哪种问题，所以我对每个数字都应用了m.radians。这可能是错误的：您必须修复它！
一旦我们完成了这一点，我们就可以使用nsolve通过提供初始猜测来数值求解方程组。

import math as m
import sympy as sym
from sympy import sin, cos, lambdify, nsolve, Add

sym.init_printing()
phi,o = sym.symbols('phi,o')

Lb = m.radians(145.0)
Lm = m.radians(320.0)
IPS= m.radians(16.03)
Pivot= m.radians(-20.0)
R1x=m.radians(-46.72)-((Pivot)*m.sin(IPS))
R1y=m.radians(180.26)-((Pivot)*m.cos(IPS))
R_1x=m.radians(-43.52)-((Pivot)*m.sin(IPS))
R_1y=m.radians(-151.37)-((Pivot)*m.cos(IPS))
R4=m.radians(60.0)
R3=m.radians(203.727)
Ip=m.radians(100.1)
eta=m.radians(36.79)
f = sym.Eq(((R3*cos(phi)-R4*sin(o)+R_1x)**2)+((-R3*sin(phi)-R4*cos(o)-R_1y)**2),Lb**2)
g = sym.Eq(((((R3*cos(phi))-(R4*sin(o))-((Ip*cos(eta+o)))+(R1x))**2) + (((R3*sin(phi))+(R4*cos(o))-((Ip*sin(eta+o)))+(R1y))**2)),Lm**2)

print(nsolve([f, g], [phi, o], [0, 0]))
# out: Matrix([[0.560675440923978], [-0.0993239452750302]])

由于您要解决的是优化问题，而方程又是非线性的，因此很可能存在多个解。我们可以创建这两个方程的等高线图：等高线之间的交点表示解：

# convert symbolic expression to numerical functions for evaluation
fn = lambdify([phi, o], f.rewrite(Add))
gn = lambdify([phi, o], g.rewrite(Add))

# plot the 0-level contour of fn and gn: the intersection between
# the curves are the solutions you are looking for
import numpy as np
import matplotlib.pyplot as plt
pp, oo = np.mgrid[0:2*np.pi:100j, 0:2*np.pi:100j]
fig, ax = plt.subplots()
ax.contour(pp, oo, fn(pp, oo), levels=[0], cmap="Greens_r")
ax.contour(pp, oo, gn(pp, oo), levels=[0], cmap="winter")
ax.set_xlabel("phi [rad]")
ax.set_ylabel("o [rad]")
plt.show()

从这张图中，您可以看到有两种解决方案。我们可以通过向nsolve提供更好的初始猜测来找到另一个解决方案：

print(nsolve([f, g], [phi, o], [0.5, 3]))
# out: Matrix([[0.451286281041857], [2.54087384334971]])

您可以使用SymPy的nsolve进行初步猜测：

In [7]: sym.nsolve([f, g], [phi, o], [0, 0])
Out[7]: 
⎡0.228868116194702⎤
⎢                 ⎥
⎣0.345540167046199⎦