Python Sympy计算梯度、散度和旋度的实例
sympy有个vector模块，里面提供了求解标量场、向量场的梯度、散度、旋度等计算,官方参考连接：
http://docs.sympy.org/latest/modules/vector/index.html
sympy中计算梯度、散度和旋度主要有两种方式：
一个是使用∇∇算子，sympy提供了类Del()，该类的方法有：cross、dot和gradient，cross就是叉乘，计算旋度的，dot是点乘，用于计算散度，gradient自然就是计算梯度的。
另一种方法就是直接调用相关的API：curl、divergence和gradient，这些函数都在模块sympy.vector下面。
使用sympy计算梯度、散度和旋度之前，首先要确定坐标系，sympy.vector模块里提供了构建坐标系的类，常见的是笛卡尔坐标系，CoordSys3D，根据下面的例子可以了解到相应应用。
（1）计算梯度
##1gradient
C=CoordSys3D('C')
delop=Del()#nabla算子
#标量场f=x**2*y-xy
f=C.x**2*C.y-C.x*C.y
res=delop.gradient(f,doit=True)#使用nabla算子
#res=delop(f).doit()
res=gradient(f)#直接使用gradient
print(res)#(2*C.x*C.y-C.y)*C.i+(C.x**2-C.x)*C.j
（2）计算散度
##divergence
C=CoordSys3D('C')
delop=Del()#nabla算子
#向量场f=x**2*y*i-xy*j
f=C.x**2*C.y*C.i-C.x*C.y*C.j
res=delop.dot(f,doit=True)
#res=divergence(f)
print(res)#2*C.x*C.y-C.x，即2xy-x，向量场的散度是标量
（3）计算旋度
##curl
C=CoordSys3D('C')
delop=Del()#nabla算子
#向量场f=x**2*y*i-xy*j
f=C.x**2*C.y*C.i-C.x*C.y*C.j
res=delop.cross(f,doit=True)
#res=curl(f)
print(res)#(-C.x**2-C.y)*C.k，即(-x**2-y)*k，向量场的旋度是向量
以上这篇PythonSympy计算梯度、散度和旋度的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。