本文介绍如何在 sympy 中定义满足线性性（对第一个变量可加）和对称性（dot(a,b) = dot(b,a)）的自定义点积函数，并通过递归重写规则实现表达式的自动 expand 和 simplify，无需依赖 pattern-matching 扩展库。
本文介绍如何在 sympy 中定义满足线性性（对第一个变量可加）和对称性（dot(a,b) = dot(b,a)）的自定义点积函数，并通过递归重写规则实现表达式的自动 expand 和 simplify，无需依赖 pattern-matching 扩展库。
在 SymPy 中，原生 Function 类支持符号化定义，但默认不具备代数运算规则。要让 dot(a + b, c) 自动展开为 dot(a, c) + dot(b, c)，且保证 dot(a, b) 恒等于 dot(b, a)，关键在于重载 Python 函数逻辑，而非仅声明符号规则（如 Eq 对象），因为 SymPy 的 simplify() 或 expand() 不会自动应用用户定义的等式规则，除非显式集成到重写系统中。
以下是一种简洁、可靠且符合 SymPy 编程范式的实现方式：
from sympy import Function, symbols, Add, ordered
dot = Function('dot')
def dot_expr(a, b):
# 步骤1：强制对称性 —— 总按 canonical order 排序参数
A, B = ordered((a, b))
if A != a:
return dot_expr(B, A)
# 步骤2：利用线性性展开第一个参数（若为和式）
if isinstance(a, Add):
terms = a.as_ordered_terms() # 确保展开顺序稳定
return Add(*[dot_expr(term, b) for term in terms])
# 步骤3：基础情形 —— 返回未计算的符号函数
return dot(A, B)
使用示例：
x, y, z = symbols('x y z')
print(dot_expr(x + y, z)) # → dot(x, z) + dot(y, z)
print(dot_expr(x, y + z)) # → dot(x, y) + dot(x, z) （因对称性，x 仍为第一参数）
print(dot_expr(x + 1, y + 2)) # → dot(1, 2) + dot(1, y) + dot(2, x) + dot(x, y)
✅ 注意：上述实现隐含了 dot 关于两个变量均线性（即双线性），但仅通过对称性+单侧展开达成；若需严格控制线性方向（如仅左线性），应移除 ordered 调用，并单独处理 dot(c, a+b) 的展开逻辑。
更紧凑的等价实现（利用 Add.make_args 和笛卡尔积）如下：
from sympy.utilities.iterables import cartes
def dot_expand(a, b):
args_a = Add.make_args(a)
args_b = Add.make_args(b)
return sum(dot(*ordered((ia, ib))) for ia, ib in cartes(args_a, args_b))
该版本将 dot(a, b) 视为所有单项式对的“张量积求和”，天然满足双线性与对称性，且代码更简明、不易出错。
⚠️ 重要限制说明：
- SymPy 原生 simplify()、expand() 不会自动调用你的 dot_expr 函数；你必须显式用 dot_expr(expr1, expr2) 构造表达式，或封装为自定义 Dot 类并重写 _eval_expand 方法；
- 若需深度集成（如在 expr.simplify() 中自动触发），推荐继承 Function 并重写 _eval_expand_basic 和 _eval_simplify，但复杂度显著上升；
- 替代方案：Mathematica 可通过 UpValues 直接定义 dot 的代数规则；Maple 支持 define 命令；而 Python 生态中，SymPy 仍是符号代数最成熟的选择，辅以少量定制即可满足绝大多数需求。
综上，不依赖外部库、仅用 SymPy 原生机制，通过函数式递归构造即可高效实现自定义点积的展开与规范化——核心在于将代数规则转化为可控的 Python 控制流，而非寄望于黑盒简化器自动推导。
