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。# 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, domainsp.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# 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# 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。# 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from manim import * import sympy as sp class IntersectionDemo(Scene): def construct(self): # SymPy 数值求解交点 x sp.Symbol(x) f_expr sp.sin(x) # 曲线1y sin(x) g_expr x / 2 # 曲线2y x/2 equation sp.Eq(f_expr, g_expr) # 方程sin(x) x/2 # nsolve牛顿法数值求解超越方程无解析解 x_sol float(sp.nsolve(equation, 1.8)) # 初始猜测 1.8 y_sol float(f_expr.subs(x, x_sol)) # 代入求 y # 符号表达式 → Python 函数供绘图 f lambda t: float(f_expr.subs(x, t)) g lambda t: float(g_expr.subs(x, t)) # Manim 可视化 axes Axes( x_range[-5, 5, 1], y_range[-2, 2, 0.5], x_length8, y_length5, axis_config{color: BLUE} ) sin_graph axes.plot(f, colorYELLOW, stroke_width3) # sin 曲线 line_graph axes.plot(g, colorGREEN, stroke_width3) # 直线 # 交点使用 SymPy 算出的精确坐标 dot Dot(axes.c2p(x_sol, y_sol), colorRED, radius0.1) dot.set_z_index(10) label MathTex(f({x_sol:.2f}, {y_sol:.2f}), font_size30, colorRED).next_to(dot, UR) # 动画播放 self.play(Create(axes)) self.play(Create(sin_graph), Create(line_graph)) self.play(GrowFromCenter(dot), Write(label)) self.wait(1)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坐标轴登场蓝色坐标轴带着刻度标签优雅浮现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坐标标注呈现(1.90, 0.95)的精确数值出现在交点右上角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”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import sympy as sp import numpy as np # 定义符号 x, y sp.symbols(x y) # 两条直线2x y 5 和 x - y 1 eq1 sp.Eq(2*x y, 5) eq2 sp.Eq(x - y, 1) # 矩阵形式求解适合在 Manim 中做线性变换动画 A sp.Matrix([[2, 1], [1, -1]]) # 系数矩阵 b sp.Matrix([5, 1]) # 常数向量 # 求解向量 [x, y] solution_vector A.solve(b) print(solution_vector) # Matrix([[2], [1]]) → 交点 (2, 1)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。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。