使用SymPy求解方程组时程序卡顿，需获取解析解

问题场景 #

尝试求解含θ2、θ5两个未知量的向量环方程组，运行Jupyter时程序无限卡顿，无法得到解析解。原代码如下：

import numpy as np
import sympy as smp
#Enable LaTex display
smp.init_printing()

L1,L2,L3,L4,L5,theta1,theta2,theta3,theta4,theta5=smp.symbols('L1,L2,L3,L4,L5,theta1,theta2,theta3,theta4,theta5')
def position_vectors():
    R1=np.array([L1*smp.cos(theta1),L1*smp.sin(theta1)])
    R2=np.array([L2*smp.cos(theta2),L2*smp.sin(theta2)])
    R3=np.array([L3*smp.cos(theta3),L3*smp.sin(theta3)])
    R4=np.array([L4*smp.cos(theta4),L4*smp.sin(theta4)])
    R5=np.array([L5*smp.cos(theta5),L5*smp.sin(theta5)])
    return smp.Matrix([R1,R2,R3,R4,R5])
R=position_vectors()
print('Vector Matrix:')
display(R)

i_comps=smp.Eq(R[1,0]+R[2,0]+R[3,0]-R[0,0]-R[4,0],0)
j_comps=smp.Eq(R[1,1]+R[2,1]+R[3,1]-R[0,1]-R[4,1],0)
print('Vector Loop Equations:')
display(i_comps)
display(j_comps)

theta_solutions=smp.solve([i_comps,j_comps],[theta2,theta5],dict=True)
print(theta_solutions)

问题原因 #

• 混用numpy数组与sympy符号：numpy数组对sympy符号的兼容性差，会导致生成的表达式冗余复杂，大幅降低sympy的求解效率。
• 方程组形式未优化：直接求解含两个三角函数未知量的方程，sympy需要处理大量复杂的三角恒等变换，容易陷入计算瓶颈。

优化后的代码 #

核心思路 #

1. 移除numpy依赖，直接用sympy构造向量，减少表达式冗余
2. 将方程整理为线性组合形式，通过平方消元把二元三角方程组转化为一元方程，降低求解难度

import sympy as smp
smp.init_printing()

# 定义符号变量
L1,L2,L3,L4,L5,theta1,theta2,theta3,theta4,theta5 = smp.symbols('L1 L2 L3 L4 L5 theta1 theta2 theta3 theta4 theta5')

# 直接用sympy构造位置向量，避免numpy干扰
def position_vectors():
    R1 = smp.Matrix([L1*smp.cos(theta1), L1*smp.sin(theta1)])
    R2 = smp.Matrix([L2*smp.cos(theta2), L2*smp.sin(theta2)])
    R3 = smp.Matrix([L3*smp.cos(theta3), L3*smp.sin(theta3)])
    R4 = smp.Matrix([L4*smp.cos(theta4), L4*smp.sin(theta4)])
    R5 = smp.Matrix([L5*smp.cos(theta5), L5*smp.sin(theta5)])
    return smp.Matrix([R1, R2, R3, R4, R5])

R = position_vectors()
print('Vector Matrix:')
display(R)

# 整理向量环方程，将含theta2的项单独放在等式一侧
eq1 = smp.Eq(L2*smp.cos(theta2), L1*smp.cos(theta1) + L5*smp.cos(theta5) - L3*smp.cos(theta3) - L4*smp.cos(theta4))
eq2 = smp.Eq(L2*smp.sin(theta2), L1*smp.sin(theta1) + L5*smp.sin(theta5) - L3*smp.sin(theta3) - L4*smp.sin(theta4))

print('整理后的向量环方程：')
display(eq1)
display(eq2)

# 对两个方程平方后相加，消去theta2，得到仅含theta5的方程
eq_squared = smp.expand(eq1.lhs**2 + eq2.lhs**2 - eq1.rhs**2 - eq2.rhs**2)
eq_theta5 = smp.Eq(eq_squared, 0)

print('消元后关于theta5的方程：')
display(eq_theta5)

# 求解theta5的解析解
sol_theta5 = smp.solve(eq_theta5, theta5, dict=True)
print('theta5的解析解：')
display(sol_theta5)

# 将theta5的解回代，求解对应的theta2
if sol_theta5:
    full_solutions = []
    for sol in sol_theta5:
        subbed_eq = eq1.subs(sol)
        theta2_sol = smp.solve(subbed_eq, theta2, dict=True)[0]
        full_solutions.append({**sol, **theta2_sol})
    print('theta2与theta5的对应解析解：')
    display(full_solutions)

效果说明 #

优化后的代码避免了numpy与sympy的兼容性问题，同时通过消元简化了求解逻辑，能快速输出方程组的解析解，满足报告撰写的需求。

内容的提问来源于stack exchange，提问作者remusconnor