4. 方程与方程组符号求解

在符号计算中，方程求解是最核心的能力之一。SymPy 的 solve、solveset、dsolve 等函数分别面向代数方程、集合形式解与微分方程。理解它们各自适用的对象、返回结构以及如何验证解的正确性，是避免"算出结果却用错结果"的关键。本节围绕代数方程、线性与非线性方程组、微分方程三类对象展开，并给出符号解与数值解对比的完整流程。

一、代数方程：solve 与 solveset 的分工

对于单变量代数方程，solve 返回解的列表，适合快速取用；solveset 返回集合对象，能更完整地表达解集（包括空集、区间、无穷多解）。例如求解 x**2 - 5*x + 6 = 0：

from sympy import symbols, solve, solveset, S
x = symbols('x')
solve(x**2 - 5*x + 6, x)        # [2, 3]
solveset(x**2 - 5*x + 6, x, domain=S.Reals)  # {2, 3}

当方程无实根时，solve(x**2 + 1, x) 返回 [-I, I]，而 solveset(x**2 + 1, x, domain=S.Reals) 返回空集 EmptySet。这一差异说明：求解前必须明确定义域。工程问题中若变量代表长度、浓度等物理量，应主动限定 domain=S.Reals 或附加 positive=True 假设，否则复数解会混入结果。

对于含参数的方程，solve 会把参数当作符号保留在解中。例如 solve(a*x + b, x) 得到 [-b/a]，但该解在 a = 0 时失效。严谨做法是配合 solveset 或手动讨论参数分支，避免遗漏退化情形。

二、线性与非线性方程组

多变量方程组同样交给 solve，传入方程列表与未知量列表，返回字典列表。线性方程组 2*x + y = 5, x - y = 1 可直接求得 {x: 2, y: 1}。对于欠定系统，SymPy 会用自由符号表示通解；对于矛盾系统则返回空列表，提示无解。

非线性方程组更能体现符号求解的价值。以圆与直线的交点为例：

from sympy import symbols, solve
x, y = symbols('x y')
eqs = [x**2 + y**2 - 25, x - y + 1]
sol = solve(eqs, [x, y])
# [(-4, -3), (3, 4)]

非线性系统可能有多组解，solve 返回全部符号解，但高次系统可能因无法因式分解而返回 ConditionSet 或空结果。此时应改用 nonlinsolve，它对非线性多项式系统更稳健，返回的是有限集或条件集，结构比 solve 更规范。

三、微分方程：dsolve 与初始条件

常微分方程使用 dsolve。先定义函数 y = Function('y')，再构造方程 Eq(y(x).diff(x), -2*y(x))，求解得到通解 C1*exp(-2*x)。若给出初始条件 y(0) = 3，通过 ics 参数或 dsolve(..., ics={y(0): 3}) 可定出 C1 = 3，得到特解 3*exp(-2*x)。

需要注意，dsolve 对高阶、非线性或含变系数的方程不一定能给出初等函数形式的解，可能返回未求值形式或提示无法求解。此时应转向数值方法（如 scipy.integrate.odeint 或 SymPy 的 lambdify 配合数值积分），而不是强行等待符号结果。

四、解的结构与验证

符号解必须验证。最直接的方式是把解代回原方程，用 simplify 或 equals 判断是否恒为零：

from sympy import simplify
sol = solve(x**2 - 5*x + 6, x)
[simplify(x**2 - 5*x + 6).subs(x, s) for s in sol]  # [0, 0]

对微分方程，验证时需将解函数代入方程两边并化简差值。若差值化简为 0，说明解成立；若不为 0，常见原因是遗漏了积分常数、定义域限制或 dsolve 返回的是隐式解。隐式解需用 checkodesol 专门检验，它比手工代入更可靠。

解的结构也值得关注：代数方程的解是离散点集，线性方程组是点、线或平面，微分方程通解含任意常数、特解则被初始条件固定。理解这一层级关系，才能在结果异常时快速定位是"解错了"还是"解的形式与预期不同"。

五、符号解与数值解对比

符号解给出精确表达式，便于分析参数影响；数值解给出近似值，适合符号求解失败或表达式过于复杂的情形。以 x**5 - x - 1 = 0 为例，solve 无法给出根式解，但 nsolve 可在给定初值下求得数值根：

from sympy import nsolve
nsolve(x**5 - x - 1, x, 1.0)   # 约 1.1673

对比时应关注：符号解是否完整覆盖所有根、数值解是否收敛到正确分支、两者在相同点上是否一致。下图概括了从方程输入到符号求解、验证、数值对比的完整判断路径。

数值对比的实用做法是：先用 lambdify 把符号解转成可调用函数，在若干采样点上计算符号解与数值解的差值，若差值在容差（如 1e-9）内，则可认为两者一致。对于多解系统，还要逐组比对，防止数值方法只收敛到其中一支而漏掉其他分支。

综上，方程求解的完整闭环是：明确方程类型与定义域 → 选择 solve/solveset/nonlinsolve/dsolve → 检查解的结构是否完整 → 代回或 checkodesol 验证 → 必要时用 nsolve 做数值交叉验证。把这条路径固化为习惯，符号计算的结果才真正可信、可用。