用Python学数学之Sympy代数符号运算

在我们初、高中和大学近10年的学习时间里，数学一直占据着非常大的分量，但是回忆过去可以发现，我们把大量的时间都花在反复解题、不断运算上，计算方法、运算技巧、笔算能力以及数学公式的记忆仿佛成了我们学习数学的全部。这些记忆和技巧没几年就忘掉了，但很多人甚至还记得那份阴影；笔算与解题在AI、图形图像、数据分析等上被软件所取代。那我们学生时代的数学还剩下什么呢？
计算器与数学
说起数学计算器，我们常见的是加减乘除四则运算，有了它，我们就可以摆脱笔算和心算的痛苦。四位数以上的加减乘除在数学的原理上其实并不难，但是如果不借助于计算器，光依赖我们的运算能力（笔算和心算），不仅运算的准确度大打折扣，而且还会让我们对数学的运用停留在一个非常浅的层次。

尽管四则运算如此简单，但是多位数运算的心算却在我们生活中被归为天才般的能力。但是数学的应用应该生活化、普及化，而不是只属于天才的专利，计算器改变了这一切，这就是计算器的魅力。
计算器还可以做科学运算，比如乘方、开方、指数、对数、三角函数等，尽管这些知识在我们初中时代，通过纸笔也是能运算起来的，但是也仅限于一些极其常用和简单的运算，一旦复杂起来，通过纸笔来运算就是一项复杂的工程了。所以说，计算器可以让我们离数学的应用更近。

但是我们学生时代所学的数学可远不止这些，尤其是高等数学（微积分）、线性代数、概率统计等数学知识应用非常广泛（我也是后来才知道），但是由于他们的运算非常复杂，我们即便掌握了这些知识，想要应用它又谈何容易，那有没有微积分、线性代数、概率统计等的计算器呢？

答案是有的，它们就是计算机代数系统Computer Algebra System，简称CAS，Python的Sympy库也支持带有数学符号的微积分、线性代数等进行运算。

有了计算器，我们才能真正脱离数学复杂的解题本身，把精力花在对数学原理和应用的学习上，而这才是（在工作方面）数学学习的意义。
计算机代数系统
Sympy可以实现数学符号的运算，用它来进行数学表达式的符号推导和验算，处理带有数学符号的导数、极限、微积分、方程组、矩阵等，就像科学计算器一样简单，类似于计算机代数系统CAS，虽然CAS通常是可视化软件，但是维基百科上也把Sympy归为CAS。

几大知名的数学软件比如Mathematica、Maxima、Matlab(需Symbolic Math Toolbox)、Maple等都可以做符号运算，在上篇文章中我们已经拿Python和R、Matlab对比了，显然Python在指定场景下确实优势非常明显，于是我又调研了一下Sympy与Mathematica的比较，在输入公式以及生成图表方面，Sympy确实不行（这一点Python有其他库来弥补），Mathematica能够做什么，Sympy基本也能做什么。

所以说Python在专业数学（数学、数据科学等）领域，由于其拥有非常多而且强大的第三方库，构成了一个极其完善的生态链，即使是面对世界上最为强势最为硬核的软件也是丝毫不虚的。

本专栏用Python学数学的下一期也会介绍一些非常实用的数学工具和数学教材资源，让数学的学习更简单更生动。
Sympy的符号运算
如果之前是学数学相关专业了解计算机代数系统CAS，就会对数学符号的运算比较熟悉，而如果之前是程序员，可能会有点不太明白，下面我们就来了解一下。

Sympy与Math函数的区别

我们先来看一下Sympy库和Python内置的Math函数对数值计算的处理有什么不同。为了让代码可执行，下面的代码都是基于Python3的完整代码。

import sympy,math
print(math.sqrt(8))
print(sympy.sqrt(8))
执行之后，结果显示为：

2.8284271247461903
2*