Matrix 收集矩阵系数的符号？ 我试图将一个表达式因子化，并将系数分离为矩阵形式，以便：

与密切相关，其中使用野生符号与

匹配（形式）

来确定其矩阵形式的系数。但是，我无法使用

match（form）

方法处理以下内容

为什么

匹配（表单）

方法失败？

实现这一目标的清洁替代方案是什么？

线性插值函数：V（x） v_1，θ_1，v_2，θ_2，x，L=符号（“v_1，θ_1，v_2，θ_2，x，L”） a_1，a_2，a_3，a_4=符号（“a_1，a_2，a_3，a_4”，real=True） V=a_1*x**0+a_2*x**1+a_3*x**2+a_4*x**3 #用BC:V（x）@x=0，x=L求解系数（a_1，a_2，a_3，a_4） shape_coefs=solve（[Eq（v_1，v.subs（{x:0}））， 方程（θu 1，V.diff（x）.subs（{x:0}））， 等式（v_2，v.subs（{x:L}））， 方程（θu 2，V.diff（x）.subs（{x:L}））]， （a_1，a_2，a_3，a_4）） V=V.subs（形状系数） #矩阵因子 V=同向收集（同向展开（V），（V_1，θu 1，V_2，θu 2））

并收集术语，直到矩阵形式变得明显。要匹配表格：

C_1、C_2、C_3、C_4=符号（“C_1、C_2、C_3、C_4”，cls=Wild）
形式=c_1*v_1+c_2*theta_1+c_3*v_2+c_4*theta_2
材料系数=V.匹配（形式）
N=矩阵（[C_1，C_2，C_3，C_4]）。转置（）
N=N.subs（材料系数）
v=矩阵（[v_1，θu 1，v_2，θu 2]）

与引用的问题不同，

V.match（form）

，返回None，而不是包含

{C_1:f（x）、C_2:f（x）、C_3:f（x）、C_4:f（x）}的dict（）。为什么会失败？--通过检查，解决方案是显而易见的。
因为
收集（扩展（V），…）
已经将
V
显示为变量
V_1、θ_1、V_2、θ_2
中的线性多项式，而不是使用
V.match（form）
，也许更简单、更直接的方法是使用
V.coeff
方法：

N=sy.矩阵（[V.coeff（V）表示V in（V_1，θu 1，V_2，θu 2）]）。转置（）


将sympy导入为sy
#线性插值函数：V（x）
v_1，θ_1，v_2，θ_2，x，L=sy(
“v_1，θ_1，v_2，θ_2，x，L”）
a_1，a_2，a_3，a_4=sy.符号（“a_1，a_2，a_3，a_4”，real=True）
V=a_1*x**0+a_2*x**1+a_3*x**2+a_4*x**3
#用BC:V（x）@x=0，x=L求解系数（a_1，a_2，a_3，a_4）
shape_coefs=sy.solve（[sy.Eq（v_1，v.subs（{x:0}）），
sy.Eq（theta_1，V.diff（x）.subs（{x:0}）），
sy.Eq（v_2，v.subs（{x:L}）），
sy.Eq（theta_2，V.diff（x）.subs（{x:L}））]，
（a_1，a_2，a_3，a_4））
V=V.subs（形状系数）
V=sy.collect（sy.expand（V），（V_1，theta_1，V_2，theta_2））
N=sy.矩阵（[V.coeff（V）表示V in（V_1，θu 1，V_2，θu 2）]）。转置（）
打印（N）

屈服

矩阵（[[1-3*x**2/L**2+2*x**3/L**3，x-2*x**2/L+x**3/L**2，3*x**2/L**2-2*x**3/L**3，-x**2/L+x**3/L**2]]
极好的解决方案：我有一个使用
.coeff（）
的方法，但是如果您不理解列表，它有点混乱
.coeff（）
似乎在所有情况下都是最稳定的。不过，有人猜测为什么
.match（form）
失败了吗？这两种方法都有好处吗？再次感谢。对不起，我不太了解
.match（form）
是如何实现的。寻找多项式的系数有一个确定性（保证成功）算法。模式匹配是一个更开放的问题。因此，如果一个问题同时适用于这两种方法——只要
V
可以表示为
V
和
theta
变量中的多项式——我肯定会选择使用
.coeff（）
。