做数学动画时,我经常遇到这样一个问题:

辛辛苦苦画好了两条曲线,y = sin(x) 和 y = x/2,想让它们交点的位置亮起一个发光点,标注出坐标。结果发现:我根本不知道交点到底在哪。

你可能会怎么做?

  • 方案 A:用 NumPy 生成一堆点,然后暴力遍历找最接近的位置。
  • 方案 B:打开 Desmos 或 GeoGebra,估计交点坐标,再手动写进代码里。

这两种方法我都试过,结果总是不尽人意。要么精度不够,动画一放大就露馅;

要么过程繁琐,每次改函数都得重新估算。更别提当函数变得更复杂时,比如加入指数或对数项,肉眼基本就失效了。

有没有一种方法,能让 Python 自动算出精确的解析解,或者至少给出一个高精度的数值解,

然后直接喂给 Manim?还真有,就是 SymPy。

1. 痛点场景还原

想象你要做一个动画:展示正弦曲线 y = sin(x) 和直线 y = x/2 的交点,并在交点处放置一个脉动的光点。

靠肉眼看,交点大概在x ≈ 1.895 附近。但这显然不是一个精确值。即便你用 numpy 的数值方法去逼近,也需要手动写寻根算法,步骤繁琐且不够优雅。

1
2
3
4
5
6
7
8
9
10
11
12
from manim import *
# 以前你可能这样干(甚至更原始)
import numpy as np

# 手动定义寻根函数,还要选初始猜测值
def f(x):
return np.sin(x) - x/2

# 需要手动调用 root 求解器,还有可能不收敛
from scipy.optimize import root
result = root(f, 1.8) # 初始猜测还得靠蒙
print(result.x) # 输出 [1.89549427]

这种方式的问题在于:

  • 流程割裂:需要在一个环境里求解,再手动复制数字到 Manim 脚本里
  • 不精确:数值解有精度损失,且解析解(如果存在)被完全忽略
  • 不可维护:换个函数就要重新跑一遍流程

SymPy 可以优雅地解决这一切,并且能和 Manim 无缝衔接。

2. SymPy 解决方案介绍

SymPy可以像在纸上推公式一样处理数学表达式。

对于交点问题,它提供了三大利器:

方法 适用场景 特点
solve(Eq, x) 有解析解的方程 返回精确表达式
solveset() 复杂方程,尤其是周期函数 返回解集,支持无穷多解
nsolve() 没有解析解的情况 数值求解,需要初始猜测

2.1 符号求解:solve 和 solveset

对于 sin(x) = x/2 这种超越方程,没有初等函数形式的解析解。但我们可以用 SymPy 验证这一点,并获取符号形式的解集表示:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
from manim import *
import sympy as sp

# 定义符号变量
x = sp.Symbol('x')

# 定义方程 sin(x) = x/2
equation = sp.Eq(sp.sin(x), x/2)

# 尝试求解(对于超越方程,可能返回未求值的形式)
symbolic_solutions = sp.solve(equation, x)
print(symbolic_solutions) # 因为没有解析解,返回空列表或用数值表示

# 使用 solveset 可以更好地处理这类方程
solution_set = sp.solveset(equation, x, domain=sp.S.Reals)
print(solution_set) # 返回一个包含数值解的条件集合

对于有解析解的方程,solve 就非常强大了:

1
2
3
4
5
from manim import *
# 有解析解的例子:x^2 - 5x + 6 = 0
equation_quad = sp.Eq(x**2 - 5*x + 6, 0)
exact_roots = sp.solve(equation_quad, x)
print(exact_roots) # 输出 [2, 3] —— 精确解!

2.2 数值求解:nsolve

对于没有解析解的超越方程,nsolve 是真正的主力。它基于牛顿法等高精度算法,只需一个初始猜测就能给出高精度数值解:

1
2
3
4
5
6
from manim import *
# 数值求解 sin(x) = x/2
# 初始猜测 1.8,因为从图像看交点大概在那个位置
numerical_solution = sp.nsolve(equation, 1.8)
print(numerical_solution) # 输出 1.89549426703398
print(type(numerical_solution)) # <class 'mpmath.ctx_mp_python.mpf'>

关键点:nsolve 返回的是 mpmath 的高精度浮点数,可以轻松转换成 Python 的 float 供 Manim 使用。

1
2
3
4
5
6
from manim import *
# 转换成普通浮点数
x_intersection = float(numerical_solution)
y_intersection = float(sp.sin(numerical_solution))
print(f"交点坐标:({x_intersection:.6f}, {y_intersection:.6f})")
# 输出:交点坐标:(1.895494, 0.947747)

3. Manim 联动实战

现在我们把 SymPy 的计算结果直接传递给 Manim,实现“计算即所得”的动画效果。

下面是核心代码部分:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
from manim import *
import numpy as np
import sympy as sp
def head(cn, en):
t = Text(cn, font="STLiti", font_size=27).to_edge(UP)
s = Text(en, font="Consolas", font_size=20, color=YELLOW).next_to(t, DOWN, buff=0.10)
return VGroup(t, s)
def foot(cn):
return Text(cn, font="STLiti", font_size=20, color=YELLOW).to_edge(DOWN)
class CurveIntersection(Scene):
def construct(self):
self.add(head("曲线交点:SymPy 数值求解", "sp.nsolve / Axes.plot"))
x = sp.symbols("x")
root = float(sp.nsolve(sp.sin(x) - x / 2, 1.8))
axes = Axes(x_range=[-4, 4, 1], y_range=[-2, 2, 1], x_length=9, y_length=4.8,
axis_config={"color": GREY_B}).shift(DOWN * 0.3)
g1 = axes.plot(lambda t: np.sin(t), x_range=[-4, 4], color=BLUE).set_stroke(width=5)
g2 = axes.plot(lambda t: t / 2, x_range=[-4, 4], color=YELLOW).set_stroke(width=5)
dot = Dot(axes.c2p(root, np.sin(root)), color=RED, radius=0.16)
lab = Text("x = %.4f" % root, font="Consolas", font_size=22,
color=GREY_A).to_corner(UR)
self.add(axes, g1, g2, lab)
self.play(Create(g1), Create(g2), run_time=2.4)
self.play(FadeIn(dot, scale=2), Flash(dot, color=RED), run_time=1.4)
self.play(FadeIn(foot("nsolve 给出数值解,无需手算或目测")), run_time=0.4)
self.wait(1.4)

下载 Python 脚本

4. 效果展示说明

运行上面的脚本,你会看到这样的动画流程:

  1. 坐标轴登场:蓝色坐标轴带着刻度标签优雅浮现
  2. 两条曲线依次绘制:金黄色的 sin(x) 曲线蜿蜒登场,随后翠绿色的直线 x/2 贯穿而过
  3. 交点精确定位:两条红色虚线从坐标轴“引路”,水平线和垂直线交汇处,一个醒目的红点从中心绽放
  4. 坐标标注呈现:(1.90, 0.95) 的精确数值出现在交点右上角
  5. 脉动高亮:红点膨胀为金黄色,再收缩回原状,强调“这就是你要找的交点”
  6. 底部总结文字:提示观众这些坐标完全由 SymPy 自动计算得出

整个过程中,你不需要手动输入任何坐标数字——所有位置都是 SymPy 实时计算、Manim 直接渲染。如果想换一组函数?只需修改 SymPy 表达式和初始猜测值,其余流程自动适配。

进阶:扩展到线性变换的交点

除了曲线交点,SymPy 还能处理向量和矩阵运算。比如你想展示二维空间中两条直线的交点(本质是解线性方程组):

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
from manim import *
import numpy as np
import sympy as sp
def head(cn, en):
t = Text(cn, font="STLiti", font_size=27).to_edge(UP)
s = Text(en, font="Consolas", font_size=20, color=YELLOW).next_to(t, DOWN, buff=0.10)
return VGroup(t, s)
def foot(cn):
return Text(cn, font="STLiti", font_size=20, color=YELLOW).to_edge(DOWN)
class CurveMultiRoot(Scene):
def construct(self):
self.add(head("曲线交点:多个零点一次找出", "sp.nsolve / multi-start"))
x = sp.symbols("x")
roots = []
for guess in (-3.0, -1.5, 1.5, 3.0):
try:
r = float(sp.nsolve(sp.sin(x) - x / 3, guess))
if all(abs(r - q) > 0.05 for q in roots):
roots.append(r)
except Exception:
pass
axes = Axes(x_range=[-4, 4, 1], y_range=[-2, 2, 1], x_length=9, y_length=4.8,
axis_config={"color": GREY_B}).shift(DOWN * 0.3)
g1 = axes.plot(lambda t: np.sin(t), x_range=[-4, 4], color=BLUE).set_stroke(width=5)
g2 = axes.plot(lambda t: t / 3, x_range=[-4, 4], color=GREEN).set_stroke(width=5)
dots = VGroup(*[Dot(axes.c2p(r, np.sin(r)), color=RED, radius=0.14) for r in roots])
lab = Text("roots = %d" % len(roots), font="Consolas", font_size=22,
color=GREY_A).to_corner(UR)
self.add(axes, g1, g2, lab)
self.play(LaggedStart(*[FadeIn(d, scale=2) for d in dots], lag_ratio=0.25),
run_time=2.4)
self.play(FadeIn(foot("换不同初值多次求解,就能找齐全部交点")), run_time=0.4)
self.wait(2.9)

这种矩阵求交点的方式非常契合 Manim 的 LinearTransformationScene,你可以用 SymPy 算出精确交点,然后在 Manim 中用向量箭头直观展示线性变换的过程。

下载 Python 脚本

5. 本期小结

核心思路:让 SymPy 负责**“算数学”,Manim 负责“画数学”**,两者各司其职、无缝衔接。

你遇到的问题 解决方案
两条曲线交点靠肉眼估计 nsolve() 一键求数值解
想得到精确解析解 solve() / solveset() 代数求解
坐标需要手动复制粘贴 SymPy 计算结果直接传给 Manim
换函数后流程要重新走 封装成函数,表达式即变量

写 Manim 脚本时,把坐标系和几何体的所有关键坐标(交点、极值点、切点)都交给 SymPy 计算。

哪怕方程有解析解,也让 SymPy 先算一遍——代码的可维护性会提升一个档次。