企业官网建设流程全解析

SymPy Integrals 模块完整指南：从不定积分、积分变换到多胞体数值积分

【免费下载链接】sympyA computer algebra system written in pure Python项目地址: https://gitcode.com/GitHub_Trending/sy/sympy

SymPy 的sympy.integrals模块实现了对表达式进行定积分与不定积分计算的完整方法体系，其核心入口integrate函数支持从多项式、有理函数到指数—三角函数组合乃至含误差函数的非初等积分的广泛求值，并提供了 Mellin、Laplace、Fourier、Hankel 等一系列积分变换，以及面向 2D/3D 多胞体的多项式精确积分工具。读完本文，你将掌握integrate的完整调用语法与内部算法调度顺序、各积分变换的数学定义与用法、manualintegrate的"手算"步骤提取能力，以及高斯求积和polytope_integrate的实操细节。

模块概览：integrate是唯一的入口

integrals模块的核心思想非常朴素——把"求积分"这件事封装成一个统一接口：

• integrate(f, x)返回不定积分 $\int f,dx$；
• integrate(f, (x, a, b))返回定积分 $\int_{a}^{b} f,dx$。

从源码看，integrate 定义于 sympy/integrals/integrals.py，其签名中已经暴露了可调度的策略参数：

def integrate(function, *symbols, meijerg=None, conds='piecewise', risch=None, heurisch=None, manual=None, **kwargs):

它内部会构造一个未求值的Integral对象，再调用integral.doit(**doit_flags)触发实际计算。也就是说，integrate只是Integral.doit的便捷封装，二者共享同一套算法调度逻辑。

Integral：未求值积分的对象模型

Integral类 继承自AddWithLimits（后者又是ExprWithLimits的子类，与Sum共用一个超类），用于"表示未求值的积分"。它的限元（limit）有三种解释：

• (x,)或x—— 不定积分；
• (x, a)—— "求值点"形式的抽象原函数（结果用a替换x）；
• (x, a, b)—— 定积分。

几个值得注意的行为：

• 如果不给限元，且被积表达式只有一个自由符号，会自动以该符号为积分变量（Integral(x)等价于Integral(x, x)）；有多个自由符号时会报错；
• 被积函数若定义了_eval_Integral钩子，Integral.__new__会直接交给该钩子处理，这是其他类自定义积分行为的扩展点；
• 对Poly调用integrate/Integral自 1.6 版本起已被弃用，应改用Poly.integrate()；
• Integral具有free_symbols属性（返回"求值后仍会存在的符号"，例如Integral(x, (x, y, 1)).free_symbols返回{y}），以及as_dummy方法（用于查看不可被subs替换的哑元符号，积分变量本身永远不能被subs更改）。

核心用法示例

>>> from sympy import * >>> init_printing(use_unicode=False) >>> x = Symbol('x') >>> integrate(x**2 + x + 1, x) 3 2 x x -- + -- + x 3 2

多项式积分直接给出精确有理系数结果；有理函数也走完全算法：

>>> integrate(x/(x**2+2*x+1), x) 1 log(x + 1) + ----- x + 1

指数—多项式组合（教材中需要反复分部积分才能完成的类型）同样一次到位：

>>> integrate(x**2 * exp(x) * cos(x), x) 2 x 2 x x x x *e *sin(x) x *e *cos(x) x e *sin(x) e *cos(x) ------------ + ------------ - x*e *sin(x) + --------- - --------- 2 2 2 2

甚至部分非初等积分（涉及误差函数）也能求值：

>>> integrate(exp(-x**2)*erf(x), x) ____ 2 \/ pi *erf (x) -------------- 4

定积分的收敛条件处理：conds参数

定积分，尤其是反常积分，往往牵涉收敛条件。conds参数控制这些条件如何返回（对应 integrate 文档字符串中的策略说明）：

• conds='piecewise'（默认）：结果以Piecewise分段函数形式返回；
• conds='separate'：结果为(结果, 收敛条件)元组；
• conds='none'：直接丢弃条件，只返回公式本身。

>>> integrate(x**a*exp(-x), (x, 0, oo)) # 等价于 conds='piecewise' Piecewise((gamma(a + 1), re(a) > -1), (Integral(x**a*exp(-x), (x, 0, oo)), True)) >>> integrate(x**a*exp(-x), (x, 0, oo), conds='none') gamma(a + 1) >>> integrate(x**a*exp(-x), (x, 0, oo), conds='separate') (gamma(a + 1), re(a) > -1)

可以看到，当参数不满足re(a) > -1时，默认模式会保留未求值的Integral，而不是给出错误结论。

多重积分与line_integrate

integrate支持一次传入多个变量实现多重积分；若省略变量且被积函数是单变量表达式，会自动对该变量做不定积分。此外模块还提供 line_integrate 计算第一类曲线积分：

>>> from sympy import Curve, line_integrate, E, ln >>> from sympy.abc import x, y, t >>> C = Curve([E**t + 1, E**t - 1], (t, 0, ln(2))) >>> line_integrate(x + y, C, [x, y]) 3*sqrt(2)

其内部实现是：对曲线参数求导得到弧长微元，把场函数替换为F(r(t))后乘以 $\sqrt{\sum r_i'(t)^2}$，再对参数做一次定积分。注意该函数要求场函数变量数与曲线维度一致，且曲线参数不能与场变量重名。

内部算法调度：SymPy 如何决定用哪个算法

Integral.doit按固定顺序尝试多种算法，先快后慢，直到得到答案为止。这一调度逻辑在 integrals.py 的策略说明 中有完整描述，总顺序为：

1. 定积分且上下限含 $\pm\infty$ 时，优先尝试 Meijer G 函数方法；
2. 否则先找原函数（antiderivative），按性能排序：多项式积分最先、Meijer G 倒数第二、启发式 Risch（heurisch）最后；
3. 若仍未成功，再无条件尝试 G 函数方法。

meijerg=True/False/None分别表示"只用 G 函数方法""绝不使用 G 函数方法""按上述顺序使用全部方法"（默认None）。

有理函数：Lazard-Rioboo-Trager 与 Horowitz-Ostrogradsky

有理函数积分在 sympy/integrals/rationaltools.py 中实现，属于"存在完全算法"的一类：

• ratint：整体入口，负责有理函数的不定积分；
• ratint_ratpart：Horowitz-Ostrogradsky 算法，先把积分拆成"有理部分 + 对数部分"；
• ratint_logpart：Lazard-Rioboo-Trager 算法，处理对数部分（产生 $\log$ 项）。

前面的示例x/(x**2+2*x+1)正是这类算法的产物。

三角与特殊函数

• trigintegrate：通过模式匹配处理三角函数的乘积、幂次等常见形态；
• deltaintegrate（在 sympy/integrals/deltafunctions.py 中）：处理含DiracDelta的积分；
• singularityintegrate（在 sympy/integrals/singularityfunctions.py 中）：处理含SingularityFunction的积分。

Risch 算法：能证明"不存在初等原函数"的决定性过程

Risch 算法 是求初等函数原函数的通用方法，其强大之处在于它是决策过程：要么算出初等原函数，要么证明其不存在。不过 SymPy 目前只实现了完整算法的一小部分（主要是关于指数和对数的超越部分）。

risch_integrate 的签名给出了可用参数：

def risch_integrate(f, x, extension=None, handle_first='log', separate_integral=False, rewrite_complex=None, conds='piecewise'):

关键优势：如果返回的是NonElementaryIntegral（Integral的一个子类），则算法已证明该积分不可能用指数、对数、三角函数、幂函数、有理函数、代数函数及其复合来表示。在integrate中传入risch=True可以只走完整 Risch 算法——这在你只关心"是否存在初等原函数"时很有用，因为默认情况下integrate还会用 G 函数等方法尝试把非初等积分表达为特殊函数。

Meijer G 函数方法：非初等定积分的主力

对于非初等定积分，SymPy 借助 Meijer G 函数：单个 G 函数的不定积分总可计算；两个 G 函数乘积在 $0$ 到 $\infty$ 上的定积分也可计算（详见 g-functions.rst）。integrate的meijerg参数即可开关该策略，其实现位于sympy.integrals.meijerint模块。

Risch-Norman 启发式算法：兜底的最后手段

heurisch 实现了简化版的 Risch 算法（Risch-Norman 算法），与配套的components函数一起，在其它算法全部失败后兜底。它通常最慢，所以排在最后。由于它能覆盖大量普通函数，integrate默认就启用它（heurisch=None表示自动决定）。

积分变换：Mellin、Laplace、Fourier 与 Hankel

sympy.integrals.transforms子模块（源码文件 sympy/integrals/transforms.py）为定积分和积分变换提供专门支持。所有变换类都继承自 IntegralTransform 基类，无法计算时抛出 IntegralTransformError。

每个变换都同时提供函数形式（立即计算）与类形式（如MellinTransform、LaplaceTransform、FourierTransform、SineTransform、CosineTransform、HankelTransform及其逆变换类），用于表示未求值的变换、延迟计算或参与符号推导。

需要注意：Fourier 族变换默认给出的是酉普通频率（unitary, ordinary-frequency）约定，与部分文献/教材的角频率约定不同；Laplace 变换默认收敛域约定为 $\mathrm{Re}(s) > 0$ 一侧，且结果中会返回收敛条件。

手算风格积分：manualintegrate与integral_steps

前面所有算法要么基于模式匹配，要么与微积分课上教的方法差异很大。而 manualintegrate 则模拟人工手算的套路（分部积分、换元、三角公式等），其最大价值在于步骤可提取、可复现。

模块内部把每一条积分技术建模为Rule子类（见源码中的规则类层次）：ConstantRule、PowerRule、AddRule、URule（换元）、PartsRule（分部积分）、CyclicPartsRule（循环分部积分，用于exp(x)*sin(x)型）、SinRule/CosRule、ExpRule、ReciprocalRule等，规则之间可以嵌套组合成完整的求解步骤树。

用法上：

• integrate(f, x, manual=True)：只用手算风格算法求值，覆盖范围比完整调度小，但结果形式更贴近教科书；
• integral_steps(f, x)：返回完整的步骤树对象（不自动求值），便于逐条展示"如何手算出来"。

SymPy Gamma 在线服务正是基于这套机制向用户展示逐步推导过程。注意：integral_steps返回的是步骤数据结构，若要得到最终表达式需对其进一步展开处理。

数值积分辅助：高斯求积的节点与权重

当符号积分不可行或不需要精确符号结果时，sympy/integrals/quadrature.py 提供任意阶数、任意精度的高斯求积节点与权重计算，全部为符号精度（n_digits控制精度位数）：

• gauss_legendre(n, n_digits)：区间 $[-1,1]$ 上的 Gauss-Legendre 求积；
• gauss_laguerre(n, n_digits)：半无穷区间 $[0,\infty)$，权重含 $e^{-x}$；
• gauss_hermite(n, n_digits)：全实数轴，权重含 $e^{-x^2}$；
• gauss_gen_laguerre(n, alpha, n_digits)：广义 Laguerre，权重含 $x^\alpha e^{-x}$；
• gauss_chebyshev_t(n, n_digits)与gauss_chebyshev_u(n, n_digits)：第一、二类 Chebyshev 求积；
• gauss_jacobi(n, alpha, beta, n_digits)：Jacobi 求积（Legendre 是其特例）；
• gauss_lobatto(n, n_digits)：Lobatto 求积（端点固定参与）。

这些函数返回(x, w)节点与权重对，可直接用于 $\int f(x),dx \approx \sum_i w_i f(x_i)$ 的数值近似。

多胞体（Polytope）上的多项式积分：polytope_integrate

intpoly子模块（源码 sympy/integrals/intpoly.py）实现多项式在 2D/3D 多胞体上的精确积分，算法依据 Chin, Lasserre 与 Sukumar (2015) 的论文。主入口为：

def polytope_integrate(poly, expr=None, *, clockwise=False, max_degree=None):

输入表示

• 2D 多边形：直接复用sympy.geometry.polygon中的Polygon数据结构；
• 3D 多面体：最经济的表示是"顶点列表 + 每个面（多边形）的顶点索引列表"。以单位立方体为例：

unit_cube = [[(0, 0, 0), (0, 0, 1), (0, 1, 0), (0, 1, 1), (1, 0, 0), (1, 0, 1), (1, 1, 0), (1, 1, 1)], [3, 7, 6, 2], [1, 5, 7, 3], [5, 4, 6, 7], [0, 4, 5, 1], [2, 0, 1, 3], [2, 6, 4, 0]]

第一个子列表是顶点表，其余子列表（如[3, 7, 6, 2]）按顺序给出构成某个面的顶点索引。

2D 示例

单多项式：

>>> from sympy.integrals.intpoly import * >>> init_printing(use_unicode=False) >>> polytope_integrate(Polygon((0, 0), (0, 1), (1, 0)), x) 1/6 >>> polytope_integrate(Polygon((0, 0), (0, 1), (1, 0)), x + x*y + y**2) 7/24

传入多项式列表并指定max_degree（此时列表中的常数项、浮点系数同样被精确积分）：

>>> polytope_integrate(Polygon((0, 0), (0, 1), (1, 0)), [3, x*y + y**2, x**4], max_degree=4) 4 2 {3: 3/2, x : 1/30, x*y + y : 1/8}

只给max_degree而不给多项式，则计算所有次数不超过该值的单项式：

>>> polytope_integrate(Polygon((0, 0), (0, 1), (1, 0)), max_degree=3) 2 3 2 3 2 2 {0: 0, 1: 1/2, x: 1/6, x : 1/12, x : 1/20, y: 1/6, y : 1/12, y : 1/20, x*y: 1/24, x*y : 1/60, x *y: 1/60}

3D 示例

>>> cube = [[(0, 0, 0), (0, 0, 5), (0, 5, 0), (0, 5, 5), (5, 0, 0), (5, 0, 5), (5, 5, 0), (5, 5, 5)], ... [2, 6, 7, 3], [3, 7, 5, 1], [7, 6, 4, 5], [1, 5, 4, 0], [3, 1, 0, 2], [0, 4, 6, 2]] >>> polytope_integrate(cube, x**2 + y**2 + z**2 + x*y + y*z + x*z) -21875/4

带符号系数（用S(-1)/sqrt(2)构造精确值）的八面体：

>>> octahedron = [[S(-1)/sqrt(2), 0, 0), (0, S(1)/sqrt(2), 0), (0, 0, S(-1)/sqrt(2)), (0, 0, S(1)/sqrt(2)), ... (0, S(-1)/sqrt(2), 0), (S(1)/sqrt(2), 0, 0)], ... [3, 4, 5], [3, 5, 1], [3, 1, 0], [3, 0, 4], [4, 0, 2], [4, 2, 5], [2, 0, 1], [5, 2, 1]] >>> polytope_integrate(octahedron, x**2 + y**2 + z**2 + x*y + y*z + x*z) ___ \/ 2 ----- 20

参数说明

• poly：Polygon对象（2D）或"顶点列表 + 面索引列表"（3D）；
• expr：被积多项式（一元/二元/三元均可），可以是单个表达式、表达式列表，或省略（此时必须给max_degree，返回全部单项式积分结果字典）；
• max_degree：多项式最高次数，用于限制单项式枚举；
• clockwise：布尔值，指示多边形顶点是否按顺时针排列，用于内部方向/法向判断。

算法选择速查：遇到积分该怎么下手

已知局限

该模块仍有大量无法积分的函数（完整 Risch 算法也只实现了指数/对数超越部分，代数部分未覆盖）。若遇到integrate原样返回未求值Integral，原因通常是：该函数确实无初等原函数、所需算法分支尚未实现，或 G 函数改写失败。可以尝试manual=True、heurisch=True或拆分成多个子表达式分别积分来绕过部分限制。

延伸阅读

• g-functions.rst：Meijer G 函数积分方法的详细介绍；
• integrals 模块索引页：本模块的文档导航；
• 核心实现：integrals.py（integrate/Integral/line_integrate）、transforms.py（积分变换）、rationaltools.py（有理函数）、manualintegrate.py（手算步骤）、quadrature.py（高斯求积）、intpoly.py（多胞体积分）；
• 对应测试：sympy/integrals/tests/下的test_integrals.py、test_transforms.py、test_manualintegrate.py、test_intpoly.py等覆盖了本文所有示例与边界情况。

【免费下载链接】sympyA computer algebra system written in pure Python项目地址: https://gitcode.com/GitHub_Trending/sy/sympy