假設有一個複雜函數（以一元爲例），且是關於自變量的隱函數，即 f(x) = y 無法寫出 x = g(y) 的表達式，那麼就可以採用圖像法求解。
需要用到的庫爲 numpy 和 matplotlib，在這裏以 openSUSE 12.2 x64 爲例：
sudo zypper in python-numpy python-matplotlib python-matplotlib-tk
其餘 Linux 系統相似。Windows 系統需要去官方網站下載編譯好的 exe 文件安裝庫。
範例代碼：
#!usr/bin/env python
# -*- coding: utf-8 -*-
from __future__ import division #除法糾正
import numpy as np
import matplotlib.pyplot as plt
# 基本常數定義
# 隱函數定義
def f(x):
y = f(x)
return y
# 定義自變量如何取值
xx = np.arange(-1,1,0.1)
def calc(): #計算並繪圖
a,b = [],[] #建立繪製點的座標列表
for x in xx.tolist(): #要將array對象轉換成列表對象
det = matrix(x)
a.append(x)
b.append(y)
plt.plot(a,b) #繪製圖形
plt.show() #顯示圖形
if __name__=='__main__':
calc()運行之後便可以得到曲線了：
左下角有移動、放大、保存圖像等等選項，比較方便。
其實 plot 可以直接繪製函數圖像，得到非常光滑的曲線，在曲線上取點所得的值也會準確很多；但這裏之所以採用描點的方法，是出於對隱函數特殊情況的考慮，比如隱函數中有矩陣的計算的話，使用 numpy.linalg.det() 函數求矩陣的值，就對變量輸入有着類型的要求，不能是數組，否則會產生諸如
ValueError: setting an array element with a sequence
這樣的錯誤，我是覺得有點麻煩，而描點相對簡單，更改自變量取值的步進長度就可以更改精度了，只要不是要求太精確的一般都可以滿足需要。
至於二元函數 z = h(x,y)，則同樣可以通過繪製 3D 圖像來求解。需要用到的是 mlab 這個庫。具體可以 Google。
方法還有很多，numpy 和 matplotlib 的強大遠遠不止於此，但這一次課程設計，好像這樣就比較夠了。我感覺只要庫強大，python 能做的是不輸給 matlab 的。