例如,
>>> integrate(sqrt(sin(u)*sin(u)+1), (u, 0, b)).subs(b, 0.22).evalf()
0.221745186045595
但我想反过来知道哪个b
可以得到0.221745186045595。所以我写
>>> solve(integrate(sqrt(sin(u)*sin(u)+1), (u, 0, b)) - 0.221745186045595, b)
[]
我知道我们无法得到一个非常精确的解决方案,所以我的问题是:我们如何设置SymPy的solve
以一定的容忍精度来做到这一点?
函数sqrt(sin(u)*sin(u)+1)
只是一个例子。如果可能,它应该是一个不可预测的用户输入功能。
这不是SymPy的用途。 SymPy中的“Sym”表示符号,而不是数字。你想要数值计算。使用SciPy quad
和一些寻根程序,如root
或fsolve
。例如:
import numpy as np
from scipy import integrate, optimize
target = 0.221745186045595
f = lambda u: np.sqrt(np.sin(u)**2 + 1)
x = optimize.root(lambda b: integrate.quad(f, 0, b)[0] - target, 0).x
将x
作为array([0.22])
返回。
为了将用户输入转换为像上面的f
这样的可调用函数,可以使用SymPy的lambdify
。例:
from sympy import sympify, lambdify
f_string = "sqrt(sin(u)**2+1)" # user input
f_expr = sympify(f_string)
sym = next(iter(f_expr.free_symbols))
f = lambdify(sym, f_expr, "numpy")
这里f_expr
是从字符串解析的SymPy表达式,sym
是SymPy符号(函数的参数),f
是由lambdify
创建的Python函数。然后如上使用该f
。