SymPy 为 Eq.solve 返回 False

如何解决SymPy 为 Eq.solve 返回 False

我正在努力解决这个问题，而不是使用 M.eigenvects()，我一直无法弄清楚如何为可变特征向量值设置方程，然后解决它们。我相信这与允许一个特征向量分量发生变化然后找到该特征向量的相关 b1 的能力有关。我确实试着说，

a1 = 1

但我没有运气。任何帮助将不胜感激，我也是 python 的新手，所以任何方面的建议也会很棒！

这是我的导入和代码的第一部分：

import sympy as sp
from scipy import linalg
import numpy as np

x1,x2,m,k,?,λ = sp.symbols('x1,λ')

M = sp.Matrix([ [ m,0 ],[ 0,2*m] ])

K = sp.Matrix([ [ -2*k,k ],[   k,-2*k] ])

Minv = M.inv()

#forming our matrix
Matrix = - Minv * K

I = sp.eye( 2 )


Matrix_eqn = - Minv * K - I * ?**2

det_chara = sp.det( Matrix_eqn ).simplify()    # determinant of M^-1K-w^2I

det_chara_eqn = sp.Eq(det_chara,0)            # creates an equation = to 0
display(det_chara_eqn)

#det_chara_eqn = det_chara_eqn.subs( ?,sp.sqrt(λ) ) # sympy subs in ? for sp.sqrt(λ)

?2 = sp.solve(det_chara_eqn,?**2)             #solves the equation for lambda
?2

这个输出，

这是找到特征值后的第二部分：

   # Finding 1st eigenvector related to ?^2
   a1,b1,a2,b2 = sp.symbols(' a1,b2')


   Matrix_eqn_vec1 = - Minv * K - I * ?2[0]                  # taking eigenvalue 1
   Matrix_eqn_vec1 = Matrix_eqn_vec1 * sp.Matrix( [a1,b1] ) # taking our eigenvector values
   display( Matrix_eqn_vec1 )

   sp.Eq(Matrix_eqn_vec1,0)

哪个返回，