假设您有一个耦合偏微分方程系统,例如
F(a,b)中的第一个PDE
F(a,b)中的第二个PDE
以下代码能够分别解决每个PDE:
import numpy as np
import sympy as sp
# definition of variables
a, b = sp.symbols('a b')
f = sp.Function('f')
F = f(a, b)
Fda = F.diff(a)
Fdb = F.diff(b)
# definition of PDEs
eq1 = Fda - 2
eq2 = Fda + Fdb + 2
# solution of separated PDEs
sp.pprint(sp.pdsolve(eq1))
sp.pprint(sp.pdsolve(eq2))
是否有可能解决偏微分方程系统?语法类似sp.pprint(sp.pdsolve([eq1, eq2]))
。我尝试了[eq1, eq2]
,{eq1, eq2}
,np.array([eq1, eq2])
等。我查看了help(sp.pdsolve)
和help(sp.pde)
,但尚未找到解决方案。
答案 0 :(得分:3)
不,没有实现偏微分方程组的解。实际实施的内容:
求解具有常系数的一阶线性偏微分方程:解的一般形式是已知的并且在求解器中是硬编码的;解算器返回它,插入给定的系数。
通过将具有可变系数的一阶线性PDE转换为ODE(称为特征方法)来求解。仅限单个PDE。
除了:我一般对PDE的符号解决方案持怀疑态度,特别是对系统的怀疑。它不仅仅是在精心编写的教科书示例之外发生的事情。教科书配方适用(教科书问题),或者隐藏的结构可以用人类的聪明才智(罕见)揭开,或者找不到符号解决方案。
答案 1 :(得分:1)
由于您的系统是可分离的,因此可以使用dsolve
来解决。但是,dsolve
目前不喜欢f(a, b)
之类的内容,因此您需要手动解决切片。您还需要使用函数手动替换常量:
>>> fa, fb = symbols('fa fb', cls=Function)
>>> eq1 = fb(a).diff(a) - 2
>>> eq2 = fb(a).diff(a) - fa(b).diff(b) + 2
>>> dsolve(eq1, fb(a))
Eq(fb(a), C1 + 2*a)
>>> fbsol = dsolve(eq1, fb(a)).subs(Symbol("C1"), Function("Ca")(b))
>>> fbsol
Eq(fb(a), 2*a + Ca(b))
>>> eq2.subs(*fbsol.args).doit()
Derivative(fa(b), b) + 4
>>> fasol = dsolve(eq2.subs(*fbsol.args).doit(), fa(b)).subs(Symbol("C1"), Function("Cb")(a))
>>> fasol
Eq(fa(b), -4*b + Cb(a))
>>> fbsol
Eq(fb(a), 2*a + Ca(b))
从这里开始,应该清楚Cb(a) = 2*a + C
和Ca(b) = -4*b + C
,给出解决方案f(a, b) = 2*a - 4*b + C
,您可以检查它是否满足原始版本。
这绝对是pdsolve
应该能够自动完成的事情,但目前还没有实现。