在 sympy 或 alternatives 中推导点云方程
deriving equations for point clouds in sympy or alternatives
假设您在 3D 正交坐标系中有一个点云(存储在 R
,3xN 维矩阵中),
并且您想导出 R 复杂函数的解析表达式(包括微分、求和等
举个简单的例子:
A_il(R)=\sum_jk df(R)/dR_ij df(R)/dR_kl
有没有办法在 sympy(或其他任何...)中做到这一点,例如将 x,y,z
概括为 X={x_i}, Y={y_i}, Z={z_i}
?
我想用 Dirac 增量获得一般表达式,这样我就不需要单独处理所有选项。如果这是一个选项,我更喜欢爱因斯坦符号。
感谢期待
在此处回复您的评论。也许这就是你想要的:
In [12]: X = IndexedBase('X')
In [13]: i, j = symbols('i, j')
In [14]: X[i].diff(X[j])
Out[14]:
δ
i,j
假设您在 3D 正交坐标系中有一个点云(存储在 R
,3xN 维矩阵中),
并且您想导出 R 复杂函数的解析表达式(包括微分、求和等
举个简单的例子:
A_il(R)=\sum_jk df(R)/dR_ij df(R)/dR_kl
有没有办法在 sympy(或其他任何...)中做到这一点,例如将 x,y,z
概括为 X={x_i}, Y={y_i}, Z={z_i}
?
我想用 Dirac 增量获得一般表达式,这样我就不需要单独处理所有选项。如果这是一个选项,我更喜欢爱因斯坦符号。
感谢期待
在此处回复您的评论。也许这就是你想要的:
In [12]: X = IndexedBase('X')
In [13]: i, j = symbols('i, j')
In [14]: X[i].diff(X[j])
Out[14]:
δ
i,j