기본 콘텐츠로 건너뛰기

[matplotlib]quiver()함수

미분, 적분_python

1. 미분 

미분은 어떤 지점에서 순간변화율을 나타낸다.
다음과 같이 정의된다.
$$f'(a)=\lim_{x\rightarrow a} \frac{f(x)-f(a)}{x-a}
=\lim_{h \rightarrow 0} \frac{f(a+h)-f(a)}{h}$$
위의 정의를 사용하여 미분계수를 계산하여 보자.
$$f(x)=3x^2 - 4x +1$$

from sympy import symbols, Limit
x, a, h = symbols('x, a, h')
fx=3*x**2-4*x+1 #f(x) 정의
fxa=fx.subs({x:a}) #f(a) 생성
fxh=fx.subs({x:a+h}) #f(a+h) 생성
Limit((fxh-fxa)/h, h, 0). doit() #미분의 정의에 의한 극한값(미분계수) 계산
  6*a - 4

sympy 패키지를 사용하여 미분을 실행하기 위해서는 먼저 사용될 식, 변수, 상수를 정의해야 한다.

각각의 정의는 symbls() 함수로 실행된다.

from sympy import *

x, y, z, t=symbols('x, y, z, t') #변수 정의
k, m, n=symbols('k, m, n', integer=True) #상수 정의
f, g, h=symbols('f,g,h', cls=Function) #함수 정의

미분은 diff()로 시행된다.
print(diff(cos(x), x))
 -sin(x)
print(diff(exp(x**2), x))
  2*x*exp(x**2)

diff() 함수에 의해 2차 이상의 미분 역시 시행된다.
diff(x**4, x, x, x)
24*x
diff(x**4, x, 3)
24*x

두개이상의 변수에 대한 미분을 시행할 수 있다.
$$e^{xy}$$에 대한 다음과 같은 코딩으로 미분할 수 있다.
ex=exp(x*y)
diff(ex,x,y)
  (x*y + 1)*exp(x*y)

위 식 exp(x*y)를 x에 관해 먼저 미분하고 다음으로 y에 관해 미분하는 것으로 다음과 같은 과정에 의한 것이다.
exp(xy)/dx =y exp(xy)
[y exp(xy)]/(dy) = exp(xy)+xy exp(xy)=91+xy)exp(xy) 

위의 코딩 형식은 다음과 같이 변수부분에 직접 diff를 입력하여 수행할 수 있다. 

ex.diff(x, y)
 (x*y + 1)*exp(x*y)

또한 Derivative() 클래스를 이용하여 클래스 객체를 먼저 생성한 후 .doit() 메소드로 실행할 수 있다. 

deriv=Derivative(ex, x, y)
print(deriv)
 Derivative(exp(x*y), x, y)
deriv.doit()
 (x*y + 1)*exp(x*y)


S곡선으로 알려진 sigmodal curve 식을 미분하여 보자. 

$$y=\frac{1}{1+e^{-x}}$$

x, y = symbols("x, y")
si=1/(1+exp(-x))
der=Derivative(si, x)
print(der)
 Derivative(1/(1 + exp(-x)), x)
der.doit()
 exp(-x)/(1 + exp(-x))**2

또는 
diff(si, x)
 exp(-x)/(1 + exp(-x))**2

2. 적분

>>> from sympy import *
>>> x=Symbol('x')
>>> integrate(log(x)**2, x)
 x*log(x)**2 - 2*x*log(x) + 2*x
integrate(객체, 적분변수, 하한치, 상한치) 함수에 의해 적분을 계산한다. 
부정적분 계산은 위 함수에서 한한치와 상한치 인수를 전달하지 않는다. 

integrate(cos(x), x)
 sin(x)

다음은 $$e^x$$를 [0, $$\inf$$]까지의 정적분을 실행한 것이다.
sympy 패키지에서 무한대는 영문 소문자 o를 두개 연속해서 사용한다."oo" 
integrate(exp(-x), (x, 0, oo))
 1
그러면 이중 적분의 실행 역시 가능할 것이다. 
$$\int^\inf_{-\inf} \int^\inf_{-\inf} e^{-x^2 -y^2} dxdy$$

integrate(exp(-x**2-y**2), (x, -oo, oo), (y, -oo, oo))
 pi

미분의 경우와 같이 integrate 객체를 생성하여 .doit() 메소드를 사용하여 위의 부정적분과 동일한 결과를 나타낼 수 있다. 

ex=integrate(log(x)**2, x)
print(ex)
x*log(x)**2 - 2*x*log(x) + 2*x
ex.doit()
 x*log(x)**2 - 2*x*log(x) + 2*x


3. Limits

위의 미분과 적분의 과정과 같이 극한을 실행하는데 limit() 함수를 적용하거나 Limit() 함수로 극한 객체를 설정하여 .doit()으로 평가하는 방법이 있다.
$$\lim_{x \rightarrow 0} f(x)$$

limit(sin(x)/x, x, 0)
  1
obj=Limit(sin(x)/x, x, 0)
obj.doit()
  1

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...