기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

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


x2=1의 해를 결정합니다.

solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x21=0
import numpy as np
from sympy import *
x = symbols('x')
solve(x**2-1, x)
[-1, 1]
위 식은 계산 과정은 다음과 같습니다. x21=0(x+1)(x1)=0x=1or1


x4=1의 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. x41=(x2+1)(x+1)(x1)=0x=±1,±1=±i,±1 실수해만을 고려하기 위해서는 변수를 정의할 때 그 변수의 범위를 지정합니다.
다음 코드는 변수 x를 실수로 지정하기 위해 real=True 인수를 전달하였습니다.
x=symbols('x', real=True)
eq=x**4-1
solve(eq, set=True)
([x], {(-1,), (1,)})


함수 y=x+42x5의 해를 결정합니다.

solve((x+4)/(2*x-5), x)
[-4]
solve() 함수는 부등식의 경우에도 적용할 수 있습니다. 예를 들어 x2<3의 해를 결정합니다.
solve(x**2 < 3)
3<xx<3

두 식 이상으로 구성된 연립방정식에 solve()를 적용할 경우 전달하는 식들은 list형식으로 입력합니다. 다음의 경우는 결과를 사전 형식으로 반환합니다.


다음 방정식의 해를 결정합니다. 2y+7x=55y7x=12

x, y=symbols('x y', real=True)
eq1=2*y+7*x+5
eq2=5*y-7*x-12
sol=solve([eq1, eq2], x, y, dict=True);sol
[{x: -1, y: 1}]
위 결과의 각 요소는 다음과 같이 호출할 수 있습니다.
sol[0][x], sol[0][y]
(-1, 1)
다음은 위 예의 해를 set형으로 지정한 것으로 각 변수에 대응하는 값은 분리하여 반환됩니다.
sol1=solve([eq1, eq2], x, y, set=True);sol1
([x, y], {(-1, 1)})
solveset(식, 변수, 범위)
식의 해를 계산하는 과정에서 범위를 지정할 수 있습니다.
th =symbols('theta')
k=4*cos(th)-3; th
θ
sol=solveset(k, th, Interval(-8, 10)); sol
{2πatan(73),2π+atan(73),atan(73)+2π,atan(73)+2π,atan(73),atan(73)}
sol.evalf(3)
{7.01,5.56,0.723,0.723,5.56,7.01}

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. (1)A=PBP1P1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)BλI=P1APλP1P=P1(APλP)=P1(AλI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(BλI)=det(P1(APλP))=det(P1)det((AλI))det(P)=det(P1)det(P)det((AλI))=det(AλI)det(P1)det(P)=det(P1P)=det(I) 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 sin2(x)+cos2(x) simplify(a) 1 simplify(b) x3+x2x1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x2) simplify(c) (x2)(x1) 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. (식 1)Γ(n)={(n1)!n:자연수0xn1exdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 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...