4

我们需要两个微分算子矩阵,[B]例如[C]

B = sympy.Matrix([[ D(x), D(y) ],
                  [ D(y), D(x) ]])

C = sympy.Matrix([[ D(x), D(y) ]])

ans = B * sympy.Matrix([[x*y**2],
                        [x**2*y]])
print ans
[x**2 + y**2]
[      4*x*y]

ans2 = ans * C
print ans2
[2*x, 2*y]
[4*y, 4*x]

这也可以应用于计算矢量场的旋度,例如:

culr  = sympy.Matrix([[ D(x), D(y), D(z) ]])
field = sympy.Matrix([[ x**2*y, x*y*z, -x**2*y**2 ]])

为了使用 Sympy 解决这个问题,必须创建以下 Python 类:

import sympy

class D( sympy.Derivative ):
    def __init__( self, var ):
        super( D, self ).__init__()
        self.var = var

    def __mul__(self, other):
        return sympy.diff( other, self.var )

当微分算子矩阵在左边相乘时,这个类单独解决。diff仅当要区分的功能已知时才执行此处。

当微分运算符的矩阵在右侧相乘时,要解决此问题,必须按以下方式更改__mul__核心类中的方法:Expr

class Expr(Basic, EvalfMixin):
    # ...
    def __mul__(self, other):
        import sympy
        if other.__class__.__name__ == 'D':
            return sympy.diff( self, other.var )
        else:
            return Mul(self, other)
    #...

它工作得很好,但是 Sympy 中应该有更好的本地解决方案来处理这个问题。有人知道它可能是什么吗?

4

4 回答 4

5

此解决方案应用其他答案和此处的提示。D运算符可以定义如下:

  • 仅在从左侧相乘时才考虑,因此D(t)*2*t**3 = 6*t**22*t**3*D(t)什么也不做
  • 使用的所有表达式和符号D必须有is_commutative = False
  • 在给定表达式的上下文中使用evaluateExpr()
    • 它从右到左沿着表达式找到D运算符并将mydiff()* 应用于相应的右侧部分

*:mydiff用于代替diff允许D创建更高的顺序,例如mydiff(D(t), t) = D(t,t)

diff里面的内容仅供参考,因为在当前的解决方案中,__mul__()实际上是在做区分工作。创建了一个 python mudule 并保存为.DevaluateExpr()d.py

import sympy
from sympy.core.decorators import call_highest_priority
from sympy import Expr, Matrix, Mul, Add, diff
from sympy.core.numbers import Zero

class D(Expr):
    _op_priority = 11.
    is_commutative = False
    def __init__(self, *variables, **assumptions):
        super(D, self).__init__()
        self.evaluate = False
        self.variables = variables

    def __repr__(self):
        return 'D%s' % str(self.variables)

    def __str__(self):
        return self.__repr__()

    @call_highest_priority('__mul__')
    def __rmul__(self, other):
        return Mul(other, self)

    @call_highest_priority('__rmul__')
    def __mul__(self, other):
        if isinstance(other, D):
            variables = self.variables + other.variables
            return D(*variables)
        if isinstance(other, Matrix):
            other_copy = other.copy()
            for i, elem in enumerate(other):
                other_copy[i] = self * elem
            return other_copy

        if self.evaluate:
            return diff(other, *self.variables)
        else:
            return Mul(self, other)

    def __pow__(self, other):
        variables = self.variables
        for i in range(other-1):
            variables += self.variables
        return D(*variables)

def mydiff(expr, *variables):
    if isinstance(expr, D):
        expr.variables += variables
        return D(*expr.variables)
    if isinstance(expr, Matrix):
        expr_copy = expr.copy()
        for i, elem in enumerate(expr):
            expr_copy[i] = diff(elem, *variables)
        return expr_copy
    return diff(expr, *variables)

def evaluateMul(expr):
    end = 0
    if expr.args:
        if isinstance(expr.args[-1], D):
            if len(expr.args[:-1])==1:
                cte = expr.args[0]
                return Zero()
            end = -1
    for i in range(len(expr.args)-1+end, -1, -1):
        arg = expr.args[i]
        if isinstance(arg, Add):
            arg = evaluateAdd(arg)
        if isinstance(arg, Mul):
            arg = evaluateMul(arg)
        if isinstance(arg, D):
            left = Mul(*expr.args[:i])
            right = Mul(*expr.args[i+1:])
            right = mydiff(right, *arg.variables)
            ans = left * right
            return evaluateMul(ans)
    return expr

def evaluateAdd(expr):
    newargs = []
    for arg in expr.args:
        if isinstance(arg, Mul):
            arg = evaluateMul(arg)
        if isinstance(arg, Add):
            arg = evaluateAdd(arg)
        if isinstance(arg, D):
            arg = Zero()
        newargs.append(arg)
    return Add(*newargs)

#courtesy: https://stackoverflow.com/a/48291478/1429450
def disableNonCommutivity(expr):
    replacements = {s: sympy.Dummy(s.name) for s in expr.free_symbols}
    return expr.xreplace(replacements)

def evaluateExpr(expr):
    if isinstance(expr, Matrix):
        for i, elem in enumerate(expr):
            elem = elem.expand()
            expr[i] = evaluateExpr(elem)
        return disableNonCommutivity(expr)
    expr = expr.expand()
    if isinstance(expr, Mul):
        expr = evaluateMul(expr)
    elif isinstance(expr, Add):
        expr = evaluateAdd(expr)
    elif isinstance(expr, D):
        expr = Zero()
    return disableNonCommutivity(expr)

示例 1:矢量场的卷曲。请注意,定义变量很重要,commutative=False因为它们的顺序Mul().args会影响结果,请参阅this other question

from d import D, evaluateExpr
from sympy import Matrix
sympy.var('x', commutative=False)
sympy.var('y', commutative=False)
sympy.var('z', commutative=False)
curl  = Matrix( [[ D(x), D(y), D(z) ]] )
field = Matrix( [[ x**2*y, x*y*z, -x**2*y**2 ]] )       
evaluateExpr( curl.cross( field ) )
# [-x*y - 2*x**2*y, 2*x*y**2, -x**2 + y*z]

示例 2:结构分析中使用的典型 Ritz 近似。

from d import D, evaluateExpr
from sympy import sin, cos, Matrix
sin.is_commutative = False
cos.is_commutative = False
g1 = []
g2 = []
g3 = []
sympy.var('x', commutative=False)
sympy.var('t', commutative=False)
sympy.var('r', commutative=False)
sympy.var('A', commutative=False)
m=5
n=5
for j in xrange(1,n+1):
    for i in xrange(1,m+1):
        g1 += [sin(i*x)*sin(j*t),                 0,                 0]
        g2 += [                0, cos(i*x)*sin(j*t),                 0]
        g3 += [                0,                 0, sin(i*x)*cos(j*t)]
g = Matrix( [g1, g2, g3] )

B = Matrix(\
    [[     D(x),        0,        0],
     [    1/r*A,        0,        0],
     [ 1/r*D(t),        0,        0],
     [        0,     D(x),        0],
     [        0,    1/r*A, 1/r*D(t)],
     [        0, 1/r*D(t), D(x)-1/x],
     [        0,        0,        1],
     [        0,        1,        0]])

ans = evaluateExpr(B*g)

print_to_file()已经创建了一个函数来快速检查大表达式。

import sympy
import subprocess
def print_to_file( guy, append=False ):
    flag = 'w'
    if append: flag = 'a'
    outfile = open(r'print.txt', flag)
    outfile.write('\n')
    outfile.write( sympy.pretty(guy, wrap_line=False) )
    outfile.write('\n')
    outfile.close()
    subprocess.Popen( [r'notepad.exe', r'print.txt'] )

print_to_file( B*g )
print_to_file( ans, append=True )
于 2013-04-26T12:57:54.797 回答
3

SymPy 的核心中不存在微分运算符,即使它们存在“乘以运算符”而不是“运算符的应用”也是 SymPy 不支持的符号滥用。

[1] 另一个问题是 SymPy 表达式只能从 的子类构建sympy.Basic,因此class D当您输入 时很可能会引发错误sympy_expr+D(z)(expression*D(z)) * (another_expr)这就是失败的原因。(expression*D(z))无法建造。

此外,如果参数 ofD不是单个Symbol,则不清楚您对该运算符的期望。

最后,diff(f(x), x)(where fis a symbolic unknown function) 返回一个未计算的表达式,正如您所观察到的,因为当f未知时,没有其他东西可以合理地返回。稍后,当您替换expr.subs(f(x), sin(x))导数时,将评估(最坏的情况下您可能需要调用expr.doit())。

[2] 您的问题没有优雅简短的解决方案。我建议解决您的问题的一种方法是覆盖 : 的__mul__方法,Expr而不是仅仅将表达式树相乘,它会检查左表达式树是否包含的实例D并将应用它们。显然,如果您想添加新对象,这不会扩展。这是 sympy 设计中长期存在的已知问题。

编辑: [1] 只是为了允许创建包含D. [2] 对于包含更多内容的表达式是必要的,而只有一个D才能起作用。

于 2013-03-17T19:39:43.147 回答
1

如果你想让正确的乘法起作用,你需要从 just 子类化object。这将导致x*D回退到D.__rmul__. 不过,我无法想象这是高优先级,因为运算符永远不会从右侧应用。

于 2013-03-18T17:03:35.263 回答
1

目前还不可能制作一个始终自动工作的运算符。要真正完全工作,您需要http://code.google.com/p/sympy/issues/detail?id=1941。另请参阅https://github.com/sympy/sympy/wiki/Canonicalization(随意编辑该页面)。

但是,您可以使用该 stackoverflow 问题中的想法创建一个大部分时间都可以工作的类,并且对于它无法处理的情况,编写一个简单的函数,该函数通过表达式并将运算符应用到没有的地方申请了。

顺便说一句,将微分运算符视为“乘法”需要考虑的一件事是它是非关联的。即(D*f)*g= g*Df,而D*(f*g)= g*Df + f*Dg。所以当你做一些事情时你需要小心,它不会“吃掉”一个表达的一部分,而不是整个事情。例如,D*2*x0因此而放弃。SymPy 到处都假设乘法是关联的,因此它可能在某些时候错误地执行此操作。

如果这成为一个问题,我建议转储自动应用程序,并只使用一个通过并应用它的函数(正如我上面提到的,无论如何你都需要它)。

于 2013-03-18T17:15:26.377 回答