Manim物理模拟：别自己写欧拉了！

如果你曾经用Manim做过物理动画，大概率会陷入一个“经典陷阱”：自己写欧拉法（Euler Method）来更新粒子的位置和速度。一开始感觉挺简单——v += a*dt; x += v*dt，两行代码搞定。但当你开始模拟弹簧、行星轨道、或者任何稍微复杂的系统时，你会发现：欧拉法不仅精度低，而且会导致能量漂移，动画看起来就像“物理崩坏”。更糟糕的是，你每次都要手动管理一堆self.add_updater和状态变量，代码迅速膨胀。但好消息是：Manim本身就是一个面向动画的数学引擎，它内置了比欧拉法更优雅的物理模拟工具。本文将从基础到进阶，教会你如何用Manim“正当地”做物理模拟，而不是自己造欧拉轮子。—## 一、为什么“别自己写欧拉”？先看一个简单例子：模拟一个弹簧上的质点。如果你用欧拉法，代码大概长这样：pythonclass EulerSpring(Scene): def construct(self): mass = Dot(ORIGIN, color=YELLOW) spring = Line(LEFT*2, mass.get_center(), color=BLUE) self.add(mass, spring) v = 0 k = 0.5 dt = 0.01 def update(obj, dt): nonlocal v # 欧拉更新：先算加速度，再更新速度，最后更新位置 a = -k * obj.get_center()[0] v += a * dt obj.shift(RIGHT * v * dt) spring.put_start_and_end_on(LEFT*2, obj.get_center()) mass.add_updater(update) self.wait(3)这段代码的问题：1. 精度低：欧拉法是一阶方法，每步误差与dt²成正比，长时间模拟会导致轨道漂移。2. 能量不守恒：系统会慢慢“吸能”或“放能”，动画看起来不真实。3. 状态管理混乱：需要手动定义v、k、dt等变量，并且把它们“闭包”进updater里，可读性差。如果换成Manim自带的MovingCamera和ValueTracker，或者更优雅的方式，会怎样？—## 二、用ValueTracker + Updater 做“半物理”模拟Manim的ValueTracker可以存储数值，并且支持插值。我们可以用它来驱动粒子运动，而不必手动写微分方程。但注意：这依然是“动画驱动”，不是真正的物理模拟——不过对于演示来说，已经足够。pythonclass ValueTrackerDemo(Scene): def construct(self): # 用一个ValueTracker来存储时间t t = ValueTracker(0) dot = Dot(UP*2, color=RED) path = TracedPath(dot.get_center, stroke_color=RED, stroke_width=2) self.add(dot, path) def update_dot(d): # 从ValueTracker读取时间 time = t.get_value() # 这里可以放任何解析函数，比如简谐运动 x = np.sin(time) y = np.cos(time) * 2 d.move_to(np.array([x, y, 0])) dot.add_updater(update_dot) self.play(t.animate.set_value(2*PI), run_time=3) self.wait()优点：代码简洁，适合演示解析解。 缺点：不能模拟复杂力场（比如多体引力，或者非线性摩擦）。—## 三、进阶：使用 ODE 模块（Scipy）实现真实物理Manim本身没有内置ODE求解器，但你可以结合scipy.integrate.solve_ivp（Runge-Kutta方法，比欧拉高好几个数量级）来获取高精度轨迹，然后把这轨迹“喂”给Manim的Mobject。这种“先算物理，再放动画”的做法，才是工程级解法。### 示例：双摆模拟（混沌系统）双摆是经典混沌系统，欧拉法完全不可用。我们用solve_ivp求解，然后让Manim播放结果。pythonimport numpy as npfrom scipy.integrate import solve_ivpfrom manim import *class DoublePendulum(Scene): def construct(self): # 物理参数 L1, L2 = 2, 2 m1, m2 = 1, 1 g = 9.8 def deriv(t, y): # y = [theta1, omega1, theta2, omega2] q1, w1, q2, w2 = y delta = q2 - q1 den = 2*m1 + m2 - m2*np.cos(2*q1 - 2*q2) a1 = -g*(2*m1+m2)*np.sin(q1) - m2*g*np.sin(q1-2*q2) a2 = -2*np.sin(q1-q2)*m2*(w2**2*L2 + w1**2*L1*np.cos(q1-q2)) a1 += a2 a1 /= L1*den b1 = 2*np.sin(q1-q2)*(w1**2*L1*(m1+m2) + g*(m1+m2)*np.cos(q1) + w2**2*L2*m2*np.cos(q1-q2)) b1 /= L2*den return [w1, a1, w2, b1] # 初始条件：theta1=120°, theta2=10°, 静止 y0 = [np.radians(120), 0, np.radians(10), 0] t_span = (0, 15) sol = solve_ivp(deriv, t_span, y0, method='RK45', t_eval=np.linspace(0, 15, 300)) # 转换为笛卡尔坐标 the1, the2 = sol.y[0], sol.y[2] x1 = L1*np.sin(the1) y1 = -L1*np.cos(the1) x2 = x1 + L2*np.sin(the2) y2 = y1 - L2*np.cos(the2) # 创建动画对象 p1 = Dot(ORIGIN, color=BLUE) p2 = Dot(np.array([x1[0], y1[0], 0]), color=YELLOW) p3 = Dot(np.array([x2[0], y2[0], 0]), color=RED) rod1 = Line(p1.get_center(), p2.get_center(), color=BLUE) rod2 = Line(p2.get_center(), p3.get_center(), color=YELLOW) trace = TracedPath(p3.get_center, stroke_color=RED, stroke_width=2) self.add(p1, p2, p3, rod1, rod2, trace) # 使用ValueTracker控制时间索引 idx_tracker = ValueTracker(0) def update_objs(): i = int(idx_tracker.get_value()) if i >= len(x2): i = len(x2)-1 pos2 = np.array([x1[i], y1[i], 0]) pos3 = np.array([x2[i], y2[i], 0]) p2.move_to(pos2) p3.move_to(pos3) rod1.put_start_and_end_on(p1.get_center(), pos2) rod2.put_start_and_end_on(pos2, pos3) self.add_updater(update_objs) self.play(idx_tracker.animate.set_value(len(x2)-1), run_time=15, rate_func=linear) self.wait()关键点：- 物理计算完全独立（用scipy），动画只是“播放器”。- 避免了欧拉法的一切问题。- 代码虽然长，但逻辑清晰：先算轨迹，再画动画。—## 四、更高级：用ManimPhysics库（或自封装）如果你经常做物理模拟，建议自己封装一个简单的Particle类，内部维护状态和ODE求解器。这样其他项目可以直接复用。pythonclass Particle: def __init__(self, pos, vel, mass=1, color=YELLOW): self.pos = np.array(pos, dtype=float) self.vel = np.array(vel, dtype=float) self.mass = mass self.dot = Dot(self.pos, color=color) self.trace = TracedPath(self.dot.get_center, stroke_color=color) def update_physics(self, dt, forces): # 使用半隐式欧拉（比显式好一些），但实际可以用RK4 acc = forces(self) / self.mass self.vel += acc * dt self.pos += self.vel * dt self.dot.move_to(self.pos)但建议：直接调用scipy的solve_ivp，因为半隐式欧拉依然不够稳定。—## 五、总结**“别自己写欧拉”** 的核心思想是： 1. 欧拉法精度低、能量漂移，不适合长时间模拟。 2. Manim不是物理引擎，但可以结合scipy等数值库，实现高精度物理动画。 3. 正确做法：用solve_ivp（RK45）计算轨迹，然后用Manim的ValueTracker和Updater来播放结果。 4. 代码组织：物理计算与动画分离，让代码可维护、可复用。如果你只是演示简单运动，可以用解析解+ValueTracker；如果是复杂系统，直接用scipy。记住：动画只是展示，物理计算请交给专业的数值库。希望这篇文章能帮你告别手写欧拉，写出既精确又优雅的Manim物理模拟。