我知道python中的sympy可以设置变量的假设,例如x是正的、负的、实的、复杂的等等。我想知道sympy是否可以设置变量相对于其他变量的假设。例如,如果我有变量x和y,我可以设置sympy来假设x>;y在其解中。或者,如果我有两个变量a和B,我可以设置sympy来假设a+2B<;1吗?这些假设可能有助于简化求解()和特征向量的复杂解。
我找遍了所有地方,但没有找到与在sympy中设置这些假设相关的信息。
我问是因为我试图找到一个特殊矩阵的特征向量
a,b = symbols('a,b', nonnegative=False)
M = Matrix([ [1-a-2*b, a, b, b],
[a, 1-a-2*b, b, b],
[b, b, 1-a-2*b, a],
[b, b, a, 1-a-2*b] ])
symphy正确地找到特征值
M.eigenvals()
我已经通过MATLAB和WolframAlpha确认了,它们都给出了相同的结果。然而,特征向量是混乱的
M.eigenvects()
MATLAB和WolframAlpha都返回[1,1,1,1][1,-1,1,1][0,0,-1,1][1,1,0,0]的特征向量,这是正确的特征向量。我甚至没有试着简化sympy的结果,因为它们非常长而且复杂。我怀疑这与对变量的假设有关,比如指定a+2b<;1,但我不确定。
我想知道是否将此作为评论发布,但时间太长:
简言之:不是以一种有用的方式。
SymPy的假设系统现在有点混乱(0.7.2版,最新于2013年5月发布)。由于一个潜在的GSoC项目,今年夏天情况可能会好转,但目前还不确定。
在SymPy中实际上有两个假设系统。旧的是将假设添加到符号本身(因此导致表达式树的重建问题),并在构造函数中调用(例如
Symbol(..., positive=True)
),而新的是基于全局假设的全局变量和局部假设的上下文管理器(with assume(...):
)。SymPy中的许多函数确实检查了旧的假设(例如
Abs
将检查是否设置了关键字参数positive
),但是仍然可能会有未命中的情况。新的假设系统可能更强大,但目前几乎没有使用(除了最近的子模块)。在旧的假设系统中,你想要什么是不可能的。在新的版本中它是可能的,但可能还没有实现,也没有在SymPy的任何部分中使用。
所以你有两个选择:帮助我们处理假设系统,或者帮助我们处理矩阵模块。两者都需要更多的爱。
假设在这里不起作用。这通常只在有平方根时才重要,因为
sqrt(x**2) = x
只有在x >= 0
时才重要。你要做的就是简化结果。
Matrix.eigenvects
有一个simplify
标志,但它显然没有简化结果。我会就此提出一个问题。同时,您可以手动执行此操作。注意Matrix.simplify
的作用是适当的(如果您不喜欢,可以使用Matrix.applyfunc(simplify)
相关问题 更多 >
编程相关推荐