当不等式经简化后不含目标变量（如 `x`）时，`sympy.solve()` 无法构造关于该变量的解集，故返回空列表 `[]`，而非直观的 `true` 或 `false`；这是其设计逻辑所致，并非错误。
在使用 SymPy 求解不等式时，solve() 表现出高度依赖表达式结构与符号存在性的行为。它并非直接判定命题真假，而是尝试“求出使不等式成立的变量取值范围”。一旦目标变量在不等式化简后完全消失，函数便失去求解对象，从而返回空列表 []。
例如：
from sympy import symbols, solve
x = symbols('x')
# ✅ 含 x：正常返回区间解
print(solve(x**2 > 4, x)) # ((-oo < x) & (x < -2)) | ((2 < x) & (x < oo))
# ✅ 恒假（含 x，但无解）→ 返回 False
print(solve(x**2 > x**2 + 4, x)) # False
# ✅ 恒真（含 x，且对所有 x 成立）→ 返回 True
print(solve(x**2 >= x**2, x)) # True
# ❌ 无 x：x - x 化简为 0，不等式退化为纯布尔常量
print(solve(x - x > 0, x)) # [] → 实际等价于 solve(False, x)
print(solve(x - x >= 0, x)) # [] → 实际等价于 solve(True, x)关键在于：x - x 在传入 solve 前即被自动简化为 0（SymPy 的默认预处理行为），因此 x - x > 0 等价于 0 > 0（即 False），而 x - x >= 0 等价于 0 >= 0（即 True）。此时原不等式中已不再含有符号 x —— solve 的任务是“解关于 x 的不等式”，但输入中已无 x 可解，故返回 []。
AI舌诊面诊问诊医疗系统+诊疗商城系统源码
下载
AI 舌诊面诊问诊医疗系统 + 诊疗商城系统源码是一套结合 AI 辅助诊断与商品转化的健康类程序，基于浩创云、ThinkPHP（PHP）开发，支持微信服务号与 H5 端，适合做中医舌诊面诊问答、健康建议推送以及配套诊疗商品的运营。
⚠️ 注意：这与 solve(x**2 >= x**2, x) 返回 True 形成对比——后者虽恒真，但 x 显式存在于左右两侧，SymPy 能识别其对任意 x 成立；而 x - x >= 0 经简化后 x 完全消失，触发了“无变量可解”的分支逻辑。
正确应对方式：若需统一处理恒真/恒假情形，建议先用 simplify() 或 refine() 预判，或改用 solveset()（更现代、语义更清晰）：
from sympy import solveset, S # solveset 明确区分解集类型，对无变量情形更鲁棒 print(solveset(x - x > 0, x, domain=S.Reals)) # EmptySet print(solveset(x - x >= 0, x, domain=S.Reals)) # Reals
solveset 将恒假返回 EmptySet，恒真（在实数域）返回 Reals，语义准确且避免歧义。因此，在新项目中推荐优先使用 solveset 替代 solve 处理不等式，尤其涉及边界或恒定逻辑时。
