我正在使用sympy来解决一个简单的线性方程组。
它是一个耦合的ODE，存在变量的时间导数，我需要求解最高导数的方程组。
由于sympy不允许我解决像phi_1.diff(t)这样的陈述，所以我用占位符符号替换了所有衍生物。
例如：
phi.diff（t）.diff（t）+ phi（t）= 0
变为
ddphi + phi（t）= 0
这很好用。解决方案是正确的，我可以模拟系统 - 它是一个钟摆：https://youtu.be/Gc_V2FussNk
问题在于求解方程组（linsolve）需要很长时间。
对于2个方程式，需要2秒钟。 对于3个方程式，它仍然在计算（超过10分钟后）。
编辑： @asmeurer建议我尝试解决问题。
对于n = 3，linsolve花了大约34分钟 - 我只进行了一次测量。
solve需要31秒（平均超过3次）。
尽管如此，我认为线性3x3系统应该在几分之一秒内解决。
对于n = 4 solve变得难以忍受地缓慢（仍然在计算）
我已经格式化了代码并创建了一个iPython笔记本：http://nbviewer.jupyter.org/gist/lhk/bec52b222d1d8d28e0d1baf77d545ec5
如果向下滚动一点，您可以看到方程组的格式化输出，并直接在linsolve
方程式相当长，但在二阶导数中是严格线性的。 我确信这个系统可以解决。 我需要做的就是求解一个3x3线性方程组，其中系数可能是符号。
有更高效的方法吗？
答案 0 :(得分：5)
solve（不是linsolve）有一些你可以设置的标志，可以让它更快：
simplify=False：禁用结果的简化。 rational=False：禁用浮动自动转换为有理数。 solve文档字符串中有一条警告rational=False可能导致某些方程由于多边形中的问题而无法解决，因此请注意这是一个潜在的问题。
答案 1 :(得分：0)
我发现，如果在方程式之前运行sp.init_printing（），在jupyter笔记本中求解可能会非常缓慢。我有一个模块“方程式”，可在其中编写方程式并求解它们。
这更快：
import sympy as sp
import equations
sp.init_printing()
除此之外：
import sympy as sp
sp.init_printing()
import equations