1. 课程导入与符号计算环境搭建

在数值计算中，我们习惯用浮点数表示一切：sin(0.5) 得到 0.4794255386…，diff 只能通过差分近似。但很多工程与科研问题真正需要的不是"一个数"，而是"一个式子"——导数公式、化简后的表达式、含参数的解析解。符号计算（Symbolic Computation）正是处理这类问题的技术路线：它把数学对象当作表达式树来操作，变量保持符号身份，运算遵循代数规则而非浮点近似。

本课程的核心目标可以概括为三件事：能求导（对符号表达式自动求一阶、高阶、偏导数）、能化简（把求导结果整理成可读、可用的形式）、能验证（用数值代入或恒等式检验结果是否正确）。这三件事贯穿后续所有章节，而本节要完成的是最基础的一步：把符号计算环境搭起来，并亲眼看到"自动化简"到底发生了什么。

符号计算与数值计算的分工

理解符号计算，最有效的方式是与数值计算对照。数值计算把 x 绑定为具体浮点数，计算过程是"代入—求值"；符号计算把 x 保留为符号对象，计算过程是"构造表达式—应用变换规则—返回新表达式"。因此符号计算的结果天然带有精确性：Rational(1,3) 永远是 1/3，不会退化为 0.333…；sqrt(8) 会被自动整理为 2*sqrt(2)。

典型应用场景包括：推导物理公式中的雅可比矩阵、求解含参微分方程、控制系统传递函数化简、机器学习中手动核对梯度公式、教学演示中展示求导法则的中间步骤。这些场景的共同点是——结果的形式本身就有价值，而不只是一个数值答案。

安装与验证 SymPy

Python 生态中，SymPy 是最成熟的纯 Python 符号计算库，无需额外数学内核，安装即用。推荐在虚拟环境中安装，避免污染全局环境：

python -m venv symenv
# Windows: symenv\Scripts\activate
# macOS / Linux:
source symenv/bin/activate

pip install sympy
python -c "import sympy; print(sympy.__version__)"

若最后一行能打印出版本号（例如 1.12 或更高），说明安装成功。这里有一个容易被忽略的验证要点：不仅要能 import，还要能完成一次符号运算。建议用下面这段最小验证脚本，一次性确认符号定义、求导、化简三条链路都通畅：

import sympy as sp

x = sp.symbols('x')
f = sp.sin(x) * sp.exp(x)
df = sp.diff(f, x)          # 求导
print(df)                    # exp(x)*sin(x) + exp(x)*cos(x)
print(sp.simplify(df))       # 化简
print(sp.expand(df))         # 展开
print(df.subs(x, 0))         # 数值代入验证

预期输出中，df 会显示为 exp(x)*sin(x) + exp(x)*cos(x)，注意 SymPy 已经自动把乘积法则的结果整理成两项之和，并按字母序排列因子——这就是最朴素的"自动化简"。

第一个符号表达式与自动化简行为

SymPy 的化简不是单一动作，而是一组各有侧重的变换函数。初学者最常见的困惑是"为什么 simplify 没把它变成我想要的样子"。原因在于：没有全局最优的化简目标，项数最少、嵌套最浅、特定函数最少，往往是互相冲突的。因此需要理解几个核心函数的分工：

• sympy.simplify(expr)：通用启发式化简，尝试多种规则组合，适合"先试试看"，但可能较慢且结果不唯一。
• sympy.expand(expr)：展开乘积与幂，把 (x+1)**2 变成 x**2 + 2*x + 1。
• sympy.factor(expr)：因式分解，是 expand 的逆方向。
• sympy.trigsimp(expr)：专门处理三角恒等式，如把 sin²x + cos²x 化为 1。
• sympy.cancel(expr)：约分有理分式，消除公因式。

下面这张图展示了从"原始表达式"到"可用结果"的典型处理链，以及各函数的作用方向。请注意 expand 与 factor 是相反方向，simplify 则是综合调度者：

回到验证脚本，df.subs(x, 0) 的结果应为 1。手工核对：f'(x) = e^x(sin x + cos x)，代入 x=0 得 1·(0+1)=1，与程序输出一致，说明求导链路正确。这一步看似简单，却是后续所有章节的验收习惯——任何符号结果都应有一个可独立计算的数值锚点。

观察自动化简的边界

需要提前建立的心理预期是：SymPy 的化简不保证得到"最简"形式，只保证在给定规则下做合理变换。例如 simplify(sin(x)**2 + cos(x)**2) 会得到 1，但 simplify(sqrt(x**2)) 默认返回 sqrt(x**2) 而非 |x|，因为 SymPy 默认假设符号为复数，不擅自引入绝对值。若明确 x 为正实数，应声明 x = sp.symbols('x', positive=True)，此时才会化简为 x。这个细节说明：符号的假设（assumptions）是化简结果的一部分，声明得当，化简才能贴合物理或工程语境。

本节完成后，你应当具备：一个可用的 SymPy 环境、一段可复用的验证脚本、以及对 diff / simplify / expand / factor / trigsimp 分工的清晰认识。下一阶段的所有求导与化简技巧，都将建立在这套环境与验证习惯之上。