自动化简的边界 · 为什么 sin²+cos² 不自动等于 1 · 符号计算的艺术

x+x 自动变成 2x，sin²+cos² 却不自动变成 1——这不是 SymPy 偷懒，而是一个深刻的事实：判断一个表达式是否等于零，在一般情况下是「不可判定」的。这一章讲清自动化简的边界、「最简」的模糊，以及为什么 simplify 只能是一个尽力而为的启发式操作。

自动化简的边界 · 为什么 sin²+cos² 不自动等于 1

新手常有个期待：输入一个式子，CAS 就该「自动化到最简」。现实却微妙得多——有些化简自动发生，有些死活不发生。理解这条边界在哪、为什么在那，是用好符号计算的关键，也是我们第一次触到「计算的本质」。

有些化简，自动发生

SymPy 在你构造表达式的同时，就会做一批廉价、且永远正确的化简：

from sympy import *
x = symbols('x')

print(x + x)                  # 2*x
print(2*x + 3*x)              # 5*x
print(x / x)                  # 1
print(sqrt(8) - 2*sqrt(2))    # 0     —— √8 规范成 2√2,于是相减为 0
print(exp(x) * exp(-x))       # 1     —— 同底幂相乘,指数相加为 0

这些叫自动化简（automatic simplification）。它们有个共同点：又快又无脑地对——合并同类项、约分、同底幂相加，这些规则任何时候都成立，而且代价极低。SymPy 用它们把表达式维持在一个规范形式（canonical form），好让 $x+x$ 和 $2x$ 被认成同一棵树。

有些化简，死活不自动发生

但下面这些，SymPy 不会主动帮你做：

print((x + 1)**2)               # (x + 1)**2     —— 不自动展开
print(sin(x)**2 + cos(x)**2)    # sin(x)**2 + cos(x)**2   —— 不自动等于 1
print(log(x**2))                # log(x**2)      —— 不自动变 2*log(x)

$\sin^2x+\cos^2x$ 明明等于 $1$ ，为什么不自动化简？两个原因，一浅一深。

浅层原因：「最简」根本没有定义

先看 $(x+1)^2$ 。它不自动展开成 $x^2+2x+1$ ——可反过来， $x^2+2x+1$ 也不自动因式分解成 $(x+1)^2$ 。哪个更简单？

「最简形式」是个模糊、甚至自相矛盾的概念。 $(x+1)^2$ 和 $x^2+2x+1$ 哪个简单？看你要干什么：想求根，因式分解的 $(x+1)^2$ 更好；想求导或看各项系数，展开的 $x^2+2x+1$ 更方便。没有放之四海皆「最简」的形式。所以 CAS 不敢替你擅自决定朝哪个方向化——它把选择权交给你，用有明确方向的操作：expand（展开）、factor（因式分解）、collect（合并）、trigsimp（三角化简）……

print(expand((x + 1)**2))        # x**2 + 2*x + 1
print(factor(x**2 + 2*x + 1))    # (x + 1)**2

你要展开还是因式分解？你说了算，而不是系统猜。

深层原因：判断「是否等于零」是不可判定的

$\sin^2x+\cos^2x=1$ 需要一条三角恒等式——这不像「合并同类项」那样无脑，得搜索该用哪条恒等式。而搜索是昂贵的：如果每构造一个式子都自动跑一遍所有可能的恒等式，符号计算会慢到无法使用。所以这类化简被挪出「自动」范畴，交给一个你显式调用的操作：

print(simplify(sin(x)**2 + cos(x)**2))   # 1   —— 你得开口问

但代价高只是表面。真正深刻的原因是：

一个「完美的化简算法」根本不存在——这是数学上被证明的不可能。 化简的核心是判断「两个式子是否相等」，等价于判断「它们的差是否恒等于零」。而 Richardson 定理（1968） 证明：对于包含 $\pi$ 、指数、对数、 $\sin$ 、绝对值等的一大类表达式，判断一个表达式是否恒等于零，是不可判定的——不存在任何算法，能对所有这类式子给出「是零 / 非零」的正确回答。

这意味着：没有、也不可能有一个 simplify 能把任何式子都化到真正的最简。它只能是一个启发式：试一堆常见变换，挑个看起来最简的返回——大多数时候好用，但有时化不动、甚至越化越复杂。这不是 SymPy 或 Mathematica 不够聪明，而是问题本身就没有完美解。我们在上一章说精确数消灭了误差；这里则看到，精确的世界自有它无法逾越的边界——而这条边界，直指「计算」的极限。

所以：用有方向的工具，别指望「一键最简」

认清边界后，实践策略很清楚：别指望一个万能的 simplify，而是根据目的选对准的工具。 常用的一批：

你想要	用	例子
乘开括号	`expand`	$(x+1)^2 \to x^2+2x+1$
因式分解	`factor`	$x^2-1 \to (x-1)(x+1)$
按某变量合并	`collect`	整理成 $x$ 的多项式
三角化简	`trigsimp`	$\sin^2+\cos^2 \to 1$
拆对数	`expand_log`	$\log(x^2)\to 2\log x$ （需 $x>0$ ）
通用启发式	`simplify`	不确定时的兜底，可能慢

simplify 是「不知道用啥就先试它」的兜底，但生产代码里更推荐用有明确方向的操作——它们快、可预期，不会给你一个「我也不知道为啥长这样」的结果。

顺带一提 log(x**2) 那个：它不自动变 $2\log x$ ，是因为当 $x<0$ 时这一步并不成立（ $\log$ 的定义域）！CAS 不敢在不知道 $x$ 正负时乱化——这也是它「谨慎」的一面。你可以用假设告诉它 x 为正，它就放心化了（假设系统是符号计算的重要一环）。

小结与下一站

自动化简只做廉价且永远正确的规范化（ $x+x\to2x$ 、约分、同底幂）；不做有方向的变换（ $(x+1)^2$ 不自动展开）和需要搜索恒等式的化简（ $\sin^2+\cos^2$ 不自动等于 1）。深层原因是 Richardson 定理：判断表达式是否恒为零不可判定，所以完美的 simplify 不存在，它只能是启发式。实践中用 expand/factor/trigsimp 等有方向的工具。

地基就位：表达式是树、数是精确的、化简有其边界。接下来进入内核——符号计算到底怎么「算」？下一章你会发现，无论求导、化简还是解方程，底层都是同一个动作：在树里找到一个模式，把它替换掉。👉 替换与模式匹配。

参考文献

[1] Daniel Richardson.「Some Undecidable Problems Involving Elementary Functions of a Real Variable.」J. Symbolic Logic, 1968. —— 零判定不可判定性。
[2] Joel S. Cohen.《Computer Algebra and Symbolic Computation》—— 自动化简与规范形式。
[3] SymPy 文档.「Simplify.」https://docs.sympy.org/latest/tutorials/intro-tutorial/simplification.html

自动化简的边界 · 为什么 sin²+cos² 不自动等于 1

本页目录