如何仅用NumPy求解二元多项式零点并绘制奇异代数曲线？

一、求解二元多项式的零点 #

直接通过F == 0筛选零点不可行，因为离散网格点几乎不可能刚好落在曲线上，尤其是奇异代数曲线（存在自交点、尖点等特殊结构），会漏掉绝大多数零点。正确的思路是捕捉函数值符号变化的网格边，通过线性插值估算零点坐标：

实现步骤与代码 #

import numpy as np

# 定义网格参数
xmin, xmax, deltaX = -1.5, 1.5, 0.01 
ymin, ymax, deltaY = -1.5, 1.5, 0.01 

# 生成网格
xrange = np.arange(xmin, xmax, deltaX)
yrange = np.arange(ymin, ymax, deltaY)
x, y = np.meshgrid(xrange, yrange)

# 计算多项式值
F = x**2 * y**3 - (x**2 + y**2 - 1)**3

# 捕捉x方向网格边的符号变化（曲线穿过垂直边）
mask_x = (F[:,:-1] * F[:,1:]) < 0
# 线性插值计算零点坐标
x_zero_x = x[:,:-1][mask_x] - F[:,:-1][mask_x] * deltaX / (F[:,1:][mask_x] - F[:,:-1][mask_x])
y_zero_x = y[:,:-1][mask_x]

# 捕捉y方向网格边的符号变化（曲线穿过水平边）
mask_y = (F[:-1,:] * F[1:,:]) < 0
# 线性插值计算零点坐标
y_zero_y = y[:-1,:][mask_y] - F[:-1,:][mask_y] * deltaY / (F[1:,:][mask_y] - F[:-1,:][mask_y])
x_zero_y = x[:-1,:][mask_y]

# 合并所有零点坐标
x_zeros = np.concatenate([x_zero_x, x_zero_y])
y_zeros = np.concatenate([y_zero_x, y_zero_y])

原理说明 #

• 当曲线穿过网格边时，边的两端点函数值符号相反（乘积小于0），说明零点在这条边上。
• 利用线性插值近似零点位置：假设边两端点的函数值线性变化，通过比例计算零点的精确坐标，相比直接采样更贴合曲线形态。

二、仅用NumPy绘制代数曲线 #

仅用NumPy无法直接生成可视化图像，但可以生成曲线的离散点集，作为绘制的核心数据：

• 上述代码得到的x_zeros和y_zeros就是曲线上的离散点坐标数组。
• 可以将这些点保存为NumPy数组文件（如np.savez('curve_points.npz', x=x_zeros, y=y_zeros)），后续可直接用于可视化工具加载，或通过文本输出点坐标来间接呈现曲线结构。

内容的提问来源于stack exchange，提问作者protarius