SymPy 是 Python 生态中最知名的开源符号计算库，也是计算机代数系统（Computer Algebra System, CAS）的代表实现。其表达式表示、规则应用和化简策略等机制对理解符号计算系统至关重要。本文将研究 SymPy 的核心机制，涵盖运算结构、求导与积分的规则实现、化简策略及积分变换，并在文末对比类 SymPy 系统（如 Symbolica、MathCore、Symmetrica 等）在表达式表示、规则驱动等层面的实现差异。
运算与核心结构
基本运算
SymPy 将表达式抽象为统一的 Basic 对象，核心运算对应以下内部结构：
| 结构 | 对应运算 | 示例 |
|---|---|---|
Add | 加法 | a + b |
Mul | 乘法 | a * b |
Pow | 幂 | a ** b |
Sub | 减法 | a - b（内部为 a + (-1)*b） |
Div | 除法 | a / b（内部为 a * b**(-1)） |
Mod | 取模 | a % b |
所有符号对象通过 sympify() 转为 SymPy 可用的类型；支持 evaluate=False 延迟求值，便于保留表达式原始结构。
关系与逻辑
比较运算包括 Eq（Equal，等于）、Ne（Not Equal，不等于）、Lt（Less Than，小于）、Le（Less or Equal）、Gt（Greater Than）、Ge（Greater or Equal）；逻辑运算有 Or、And、Not。符号对象可通过 .is_* 属性查询假设（如 is_real、is_positive），用于基于假设的化简。
初等函数
三角函数：sin、cos、tan、cot、sec、csc、sinc。当自变量为 π 的有理倍数时（如 π/2、π/6）会自动求值。
反三角函数：asin、acos、atan、acot、asec、acsc、atan2。atan2(y, x) 按象限正确确定角度范围 ((-\pi, \pi])。
双曲函数：sinh、cosh、tanh、coth、sech、csch 及对应反函数 asinh、acosh、atanh 等。
指数与对数：exp、log（自然对数）、ln。sqrt(x) 等价于 x**0.5。
复数与其它：re、im、conjugate、Abs、sign、arg；Min、Max 用于多变量极值。
特殊函数
支持 gamma、factorial、binomial、hyper、meijerg（Meijer G 函数）、besselj、besseli、erf（误差函数，error function）等。部分积分会返回含这些函数的非初等表达式。
求导规则
API 与用法
diff(expr, x)或expr.diff(x)：对expr关于x求导- 高阶导数：
diff(expr, x, 3)或diff(expr, x, x, x) - 混合偏导：
diff(expr, x, y, y, z, 4)表示 ∂⁷/(∂x ∂y² ∂z⁴) - 未求值形式：
Derivative(expr, x).doit()可延迟计算
自定义求导
_eval_derivative(self, x)：在自定义子类中实现，可调用链式法则fdiff(argindex=1)：在Function子类中实现，返回函数本身导数（不含链式法则）
常用导数规则
| 表达式 | 导数 |
|---|---|
x 对 x | 1 |
| 常数 | 0 |
a + b | a' + b' |
a * b | a'*b + a*b' |
a / b | (a'*b - a*b')/b² |
a**b | b*a**(b-1)*a' + a**b*ln(a)*b' |
sin(x) | cos(x) |
cos(x) | -sin(x) |
tan(x) | sec²(x) 或 1 + tan²(x) |
exp(x) | exp(x) |
log(x) | 1/x |
asin(x) | 1/sqrt(1-x²) |
Abs(x) | sign(x) |
隐式求导与有限差分
sympy.geometry.util.idiff(eq, y, x)：隐式微分differentiate_finite()、as_finite_difference()：在无解析导数时用有限差分近似
积分规则
主 API
- 不定积分：
integrate(f, x)→ ∫f dx - 定积分：
integrate(f, (x, a, b))→ ∫ₐᵇ f dx - 多重积分：传入多个
(变量, 下界, 上界)元组
积分策略
SymPy 使用多种策略组合：
- heurisch：基于 Risch-Norman 启发式的积分算法，通用性强
- manualintegrate：规则驱动的分步积分，便于教学或逐步推导
- meijerg：利用 Meijer G 函数（广义超几何函数的推广）处理特殊函数积分
- Risch：Risch 算法（判定初等函数不定积分是否存在的形式化方法，部分实现），用于初等函数积分
通过 sympy_rubi 扩展还可使用 Rubi（Rule-based Integration，基于规则的积分）规则式积分，可提供更细粒度的分步结果。
无法得到闭式解时，会返回未求值的 Integral 对象，可配合 evalf()（evaluate to float，数值求值）做数值积分。
常用积分示例
| 被积函数 | 积分 |
|---|---|
1 | x + C |
xⁿ (n≠-1) | x^(n+1)/(n+1) + C |
1/x | log(x) + C |
exp(x) | exp(x) + C |
sin(x) | -cos(x) + C |
cos(x) | sin(x) + C |
1/(1+x²) | atan(x) + C |
多项式与 exp、sin、cos 的乘积也可积分；部分积分会得到含误差函数 erf、菲涅尔积分（Fresnel）等非初等结果。
积分变换
| 变换 | 函数 |
|---|---|
| Mellin | mellin_transform / inverse_mellin_transform |
| Laplace | laplace_transform / inverse_laplace_transform |
| Fourier | fourier_transform / inverse_fourier_transform |
| 正弦 / 余弦 | sine_transform / cosine_transform 及逆变换 |
| Hankel | hankel_transform / inverse_hankel_transform |
Laplace 变换还提供 laplace_correspondence、laplace_initial_conds 等辅助函数，便于求解微分方程。
化简规则
通用化简
simplify(expr) 综合多种策略，无保证输出形式。参数包括：
ratio：默认 1.7，若(结果长度)/(输入长度) > ratio则返回原式measure：自定义复杂度函数，默认count_ops（统计运算数量的函数）rational、inverse：控制有理数转换与逆函数化简
建议在明确需求时优先使用专项化简函数，以获得可预期的结果。
多项式与有理式
| 函数 | 作用 |
|---|---|
expand() | 展开多项式与乘积 |
factor() | 有理系数因式分解 |
collect(expr, x) | 按 x 合并同类项 |
cancel() | 化为 p/q 并约分 |
apart() | 部分分式分解 |
together() | 合并为单分式 |
三角函数与幂
| 函数 | 作用 |
|---|---|
trigsimp() | 三角恒等式化简 |
expand_trig() | 展开 sin(x+y)、倍角公式等 |
powsimp() | x^a·x^b → x^(a+b)，x^a·y^a → (xy)^a |
expand_power_exp() | x^(a+b) → x^a·x^b |
expand_power_base() | (xy)^a → x^a·y^a |
powdenest() | (x^a)^b → x^(ab) |
对数与根式
| 函数 | 作用 |
|---|---|
expand_log() | log(xy) → log(x)+log(y)，log(xⁿ) → n·log(x) |
logcombine() | 逆操作：log(x)+log(y) → log(xy) |
radsimp() | 分母有理化、去根号 |
collect_sqrt() | 合并含 √ 的项 |
collect_const() | 合并常数系数 |
rcollect() | 递归收集和式 |
其它专用化简
separatevars()、nsimplify()、combsimp()、gammasimp()、besselsimp()、kroneckersimp()、hyperexpand()、posify() 等用于特定类型的化简。基于假设时可使用 refine(expr, assumptions) 和 ask()。
级数展开与极限
- 级数：
expr.series(x, x0, n)，默认x0=0、n=6，返回带O(x^n)的展开式 - 去除阶项：
.removeO() - 极限：
limit(f, x, x0)，支持'+'、'-'单侧极限 - 未求值形式：
Limit(...).doit()
方程求解与矩阵
- 代数方程：
solve(eq, x)求解线性、二次及部分高阶方程 - 微分方程：
dsolve（differential equation solve）求常微分方程（Ordinary Differential Equation, ODE）符号解 - 矩阵：
Matrix支持行列式、逆、特征值、LU 分解（Lower-Upper 分解）等 - LaTeX 输出：
latex(expr)生成 LaTeX 代码，便于文档与论文排版
数值计算
expr.evalf()（evaluate to float）：符号表达式数值求值integral.evalf(50)：可指定精度- 依赖
mpmath（多精度浮点运算库）实现高精度计算
类符号计算系统的机制对比
表达式表示
SymPy 将表达式抽象为不可变 Basic 树结构，子类（Add、Mul、Pow 等）通过 .args 和 .func 实现结构化遍历。同类系统在表示层有多种取舍：AST 指抽象语法树（Abstract Syntax Tree）；DAG 指有向无环图（Directed Acyclic Graph）；Hash-consed 指哈希一致化（hash consing），一种结构共享技术；GMP 指 GNU 多精度算术库；i64 指 64 位有符号整数。
| 系统 | 表达式结构 | 特点 |
|---|---|---|
| SymPy | 不可变 AST | Basic 基类，func(*args) 结构共享 |
| Symbolica | 内部 DAG | 侧重性能，有理算术基于 GMP |
| Symmetrica | Hash-consed DAG | 结构共享、确定性排序、无浮点（i64 有理数） |
| rusymbols | 极简 AST | 100% Rust、易扩展，适合研究实现 |
规则与策略
求导、积分、化简均依赖规则应用。SymPy 的 _eval_derivative、fdiff 实现链式法则；积分组合 heurisch、manualintegrate、meijerg 等策略。对比：
- Symbolica：模式匹配（
replace_all）驱动重写，级数展开、Gröbner 基（格罗布纳基，用于多项式理想计算的代数工具）等 - MathCore：类 SymPy 的规则式微积分，字符串解析 + 符号计算
- Symmetrica：模块化
calculus、polys、solver，规则与内核分离
化简机制
SymPy 的 simplify() 无保证输出形式，依赖 ratio、measure 等启发式；专项函数（trigsimp、powsimp、logcombine 等）提供可预期变换。Symbolica 通过模式匹配做重写；Symmetrica 的 simplify 与 Store 配合，在 hash-consed（哈希一致化）结构上做等价化简。
参考文献
SymPy 文档：
Rust 生态：