Nano Hash - криптовалюты, майнинг, программирование

Корни уравнения: параметр не упрощается

Я использую Python с Sympy.

Мне нужно решить следующее уравнение, найдя 4 корня (омега моя неизвестная):

deter= 0.6*omega**4*cos(omega*t)**2 - 229.0*omega**2*cos(omega*t)**2 + 5880.0*cos(omega*t)**2

Я попытался использовать решение:

eqcarr=solve(deter,omega,exclude=[t])

Я получаю этот вывод:

[-18.8143990830350, -5.26165884593044, 5.26165884593044, 18.8143990830350, 1.5707963267949/t, 4.71238898038469/t]

Мне нужны только первые 4 значения, а не значения с коэффициентом t. Я ожидаю, что cos(omega*t)**2 упростится при решении, но этого не происходит.

python parameters sympy equation
26.06.2014

Ответы:


1

Согласно документации solve не будет решать ни один из бесплатных символов, переданных в exclude.

'exclude=[] (по умолчанию)' не пытайтесь найти ни один из свободных символов в исключении; если заданы выражения, свободные символы в них будут извлечены автоматически.

Он не предназначен для фильтрации раствора.

Вы можете решить свою проблему, выполнив следующие действия:

In [10]: from sympy import *
In [11]: from sympy.abc import omega, t
In [12]: deter= 0.6*omega**4*cos(omega*t)**2 - 229.0*omega**2*cos(omega*t)**2 + 5880.0*cos(omega*t)**2

In [13]: eqcarr=solve(deter,omega,exclude=[t])

In [14]: filtered = [i for i in eqcarr if not i.has(t)]
In [15]: filtered
Out[15]: [-18.8143990830350, -5.26165884593044, 5.26165884593044, 18.8143990830350]
26.06.2014
  • Это решение работает, но я хотел бы знать значение решений с t, чтобы понять, как ими управлять. 26.06.2014
  • t, которое вы передали в выражении, является просто символом, и ему не присвоено никакого значения. Так что это будет выглядеть так, как в некоторых решениях. 26.06.2014
  • Решения исходят из того факта, что вы можете выделить cos(omega*t)**2 из своего выражения. Два решения с t делают cos(omega*t) равным 0. Символически это pi/(2*t) и 3*pi/(2*t). Остальные четыре корня являются корнями многочлена 0.6*omega**4 - 229.0*omega**2 + 5880.0. 27.06.2014
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..