SymPy: как решать уравнения, брать производные и проверять формулы на Python
SymPy — бесплатная библиотека Python для символьных вычислений: она работает с формулами, а не с числами. Вы объявляете переменную x, записываете выражение, и библиотека раскрывает скобки, раскладывает на множители, решает уравнения и системы, берёт производные и интегралы, находит собственные значения матрицы и выводит результат в LaTeX. Готовую формулу функция lambdify превращает в быструю функцию NumPy. Ниже — учебный пример с поиском максимума, ловушки при проверке равенства, ограничения библиотеки и место SymPy в программах онлайн-курсов.
Содержание

Главное отличие от калькулятора и от NumPy в том, что ответ остаётся точным. NumPy на вопрос о корне из восьми выдаст 2.8284271247461903, а SymPy — 2*sqrt(2), и с этим выражением можно работать дальше без накопления погрешности. Поэтому библиотеку открывают, когда нужно понять, откуда берётся число: вывести формулу, проверить ручную выкладку, найти экстремум или подготовить выражение для расчёта на массиве данных.
Кому и для чего пригодится SymPy
Студенту технического или экономического вуза SymPy служит проверочным инструментом. Он решает задачу по матанализу на бумаге, а потом за минуту сверяет производную, предел или интеграл. Если ответы разошлись, промежуточные шаги показывают, где выкладка пошла не так.
Аналитику и специалисту по машинному обучению библиотека нужна реже, но в важные моменты: вывести градиент нестандартной функции потерь или проверить, что формула из статьи перенесена в код без опечаток. Инженер с помощью SymPy выражает из уравнения нужную величину, упрощает громоздкое выражение и получает готовую функцию для расчёта по таблице значений.
Если же задача изначально численная — обучить модель на миллионе строк, обработать сигнал, сгруппировать продажи, — SymPy не нужен. Там работают NumPy, pandas и SciPy, а символьная библиотека только замедлит расчёт.
Учебный пример: коробка наибольшего объёма
Учебная задача из курса матанализа: из квадратного листа картона 30 × 30 см нужно вырезать по углам одинаковые квадраты со стороной x и согнуть открытую коробку. При каком x объём будет наибольшим? Объём равен x(30 − 2x)², сторона выреза лежит между 0 и 15 см. Решение в SymPy занимает несколько строк:
from sympy import symbols, diff, solve, factor, latex, lambdify
x = symbols("x", positive=True)
V = x * (30 - 2*x)**2
dV = factor(diff(V, x))
solve(dV, x)
diff(V, x, 2).subs(x, 5)
V.subs(x, 5)
Функция diff возвращает производную в неудобном виде, а factor раскладывает её на множители 12, (x − 5) и (x − 15). Функция solve находит два корня, 5 и 15. Второй корень даёт коробку без стенок, поэтому он не подходит. Вторая производная в точке 5 равна −120, то есть это максимум, а объём коробки — 2000 см³. Вручную ответ тот же, но без риска ошибиться при раскрытии квадрата.
Дальше формулу можно передать в NumPy. Вызов lambdify(x, V, «numpy») создаёт обычную функцию Python, которая принимает массив NumPy и считает объём сразу для всех его элементов. Если подать ей 1501 точку от 0 до 15 через np.linspace, наибольшее значение окажется около x = 5,0. Так символьный ответ проверяется численно, а latex(V) выдаёт запись формулы для отчёта или курсовой.
Как SymPy проверяет формулы и где он обманывает ожидания
Самая частая ошибка новичка — проверять равенство двух формул оператором ==. По официальной документации SymPy этот оператор сравнивает структуру выражений, а не их математическое значение. Поэтому (x + 1)2 == x2 + 2*x + 1 возвращает False, хотя формулы тождественны. Проверять нужно иначе: simplify(a − b) должен дать 0. Метод a.equals(b) подставляет в оба выражения случайные числа и сравнивает результаты; так он подтверждает, например, что cos(x)² − sin(x)² совпадает с cos(2x).
Со сравнением связано и изменение, которое ломает старые ноутбуки и тесты. В заметках к выпуску SymPy 1.13 от 8 июля 2024 года оно помечено как несовместимое: десятичные числа Float и точные Integer и Rational больше не считаются равными при сравнении через ==, то есть Float(2.0) != Integer(2). Проверка, где результат с десятичной дробью сравнивается с целым числом, после обновления начнёт сообщать о расхождении, хотя число то же самое. Выход — держать вычисления точными (Rational вместо 0.5) или сравнивать через simplify и equals. Актуальная версия на странице пакета в PyPI — 1.14.0 от 27 апреля 2025 года, она требует Python 3.9 или новее.
Ещё две ловушки из той же документации. Запись 1/2 Python вычисляет раньше, чем SymPy её увидит, поэтому x + 1/2 превращается в x + 0.5; точная половина записывается как Rational(1, 2). Знак ^ в Python означает исключающее «или», а степень — **. Наконец, знак = только присваивает значение переменной, а уравнение записывается через Eq: Eq(x + 1, 4).
С чего начать и в каком порядке осваивать
Порядок подсказывает сама библиотека: каждое следующее действие опирается на предыдущее. Без символов нет выражений, без упрощения трудно читать ответы solve, а lambdify имеет смысл, когда у вас уже есть проверенная формула. Начать удобно в Google Colab, где SymPy обычно уже установлен, или в Jupyter: там формулы после init_printing() отображаются в математической записи.
- Символы и выражения: symbols, подстановка subs, точные числа Rational, перевод в десятичную дробь через evalf.
- Преобразования: expand, factor, simplify, cancel. Полезно сравнить, что делает каждая функция с одним и тем же выражением.
- Уравнения: solve и solveset, системы через linsolve.
- Анализ: diff, integrate, limit, разложение в ряд series.
- Матрицы: Matrix, определитель, обратная матрица, собственные значения.
- Связь с численными расчётами: lambdify и графики через matplotlib.
Если хочется освоить символьные вычисления внутри более широкой программы по машинному обучению, на курсе «Machine Learning с нуля до Junior» от Skillbox есть раздел «Математика и статистика»: функции, производные, векторы, матрицы, регрессия и распределения, а расчёты, выполняют в SymPy. Программа рассчитана примерно на девять месяцев, но сведения о сроках расходятся, поэтому длительность стоит уточнить у школы.
Упражнения для самопроверки и типичные ошибки
Хорошее упражнение проверяется двумя способами: решите задачу из учебника на бумаге, затем в SymPy и численно через lambdify. Для уравнений полезно сравнить solve и solveset: по руководству по решению уравнений solve для sin(x) = 0 возвращает только два корня, 0 и π, а solveset — бесконечное множество 2πn и 2πn + π. Ещё одно упражнение: найти корни x² + 1 = 0 сначала без ограничений, а потом с domain=S.Reals и убедиться, что среди действительных чисел решений нет.
Вторая группа ошибок связана с допущениями о переменных. Без указаний SymPy считает x комплексным числом, поэтому sqrt(x**2) не упрощается до x: для x = −3 это было бы неверно. Если переменная по смыслу положительна, как сторона выреза в примере с коробкой, объявите её с positive=True, и упрощения заработают. Третья ошибка — путать символ и обычную переменную Python. После строки x = 5 имя x больше не символ, и следующая формула превратится в число.
Ограничения SymPy и сравнение с Wolfram и Mathematica
SymPy написан на Python и распространяется по лицензии BSD: его можно бесплатно использовать в учёбе и коммерческих проектах рядом с pandas и NumPy. Платить приходится скоростью: выражения из сотен слагаемых упрощаются долго, а подстановка значений в цикле медленнее численного расчёта. Правило простое: выводите формулу символьно, а считайте через lambdify.
Вторая граница — полнота. Если SymPy не умеет взять интеграл, он не выдаёт ошибку, а возвращает его невычисленным, как объект Integral. Коммерческие системы компьютерной алгебры, Wolfram Mathematica и Maple, на сложных интегралах и специальных функциях нередко находят ответ, который SymPy не получает. Веб-сервис Wolfram|Alpha удобен для разовой проверки, но не встраивается в код анализа данных. Для учебных задач, проверки выкладок и подготовки формул к расчётам SymPy обычно хватает.
Чему учат на курсах
Отдельного курса только по SymPy в каталоге Учи.Онлайн нет: библиотеку проходят в математических модулях программ по анализу данных и машинному обучению. Смотреть стоит на то, в каком модуле она появляется, есть ли задания, где надо самому вывести формулу, и проверяет ли их наставник.
На курсе Machine Learning Engineer от Skillfactory второй модуль «Основы математики для Data Science» рассчитан на 120 часов: SymPy, функции одной и нескольких переменных, линейная алгебра и линейная регрессия. После него идут 70 часов статистики и теории вероятностей. Программа совместная со Skillbox; сведения о сроках расходятся: от 12 до 25 месяцев, так что их лучше уточнить у школы.
Длинная профессия подходит тем, кто только меняет сферу: там SymPy быстро становится вспомогательным инструментом перед моделями. Тому, кто уже знает Python и хочет закрыть пробел в математике, хватит короткой программы.
Если нужна именно математика без всей профессии, на курсе «Математика для Data Science» от Skillbox за четыре месяца проходят анализ, линейную алгебру и вероятность, а инструментом в описании названы Python и SymPy для вычислений и проверки идей. В программе 25 практических заданий, а на старте нужны основы Python: синтаксис, переменные и простые функции.
Как навык влияет на доход
Открытой зарплатной статистики по SymPy нет: если библиотеку и упоминают в вакансиях, то строкой в списке требований рядом с NumPy, SciPy и pandas. Данных о надбавке за неё мы не нашли, поэтому сумму не называем.
На доход SymPy влияет косвенно, через задачи. Аналитик, который умеет вывести градиент собственной функции потерь или проверить формулу из научной статьи, может браться за модели, где готовой реализации нет. Инженеру она экономит время на ручных преобразованиях формул. Чтобы оценить рынок для своей профессии, сравните вакансии с математическими требованиями и без них в одном регионе и на одном уровне опыта, смотрите на медиану вилок и уточняйте, указана сумма до вычета налога или на руки.
Как выбрать обучение
Перед оплатой курса откройте учебный план и найдите, где появляется математика, есть ли в ней работа на Python и сколько заданий проверяет живой человек. Если SymPy упомянут только в списке инструментов, а заданий на вывод формул нет, библиотеку вы, скорее всего, увидите один-два раза.
Сравнить онлайн-школы поможет рейтинг онлайн-школ с обучением Python. Он шире темы статьи: в нём программы по разработке, анализу данных и автоматизации тестирования, поэтому математический блок каждой сверяйте с учебным планом.
Проверить готовность можно на задаче с коробкой. Если вы сами записали объём, нашли производную, объяснили, почему корень 15 не подходит, и получили тот же максимум через lambdify, базу SymPy вы уже освоили, и дальше стоит учить ту математику, ради которой библиотека понадобилась.