기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

Sympy를 사용한 극한(limit)

내용

극한

limit() 함수

limit()함수를 사용합니다.
limit(식, 변수, 값) 이 함수의 각 인수는 다음과 같습니다. limit변수
import numpy as np
import pandas as pd
from sympy import * 


함수 f(x)=sin(x)와 g(x)=sin(x)x의 0으로의 극한을 계산합니다.

x=symbols('x')
f=sin(x)
limit(f, x, 0)
0
g=sin(x)/x
limit(g, x, 0 )
1
극한이 정해진 수에 접근하는 경우 .subs() 메서드를 적용할 수 있습니다.
ex=x**2/exp(x)
limit(ex, x, 1000)
1000000e1000
ex.subs(x, 1000)
1000000e1000 그러나 변수가 무한대로 접근하는 경우 .subs()를 적용할 수 없습니다.
limit(ex, x, oo)
0
ex.subs(x, oo)
NaN
sympy의 Limit 클래스는전달되는 식의 계산이 평가되지 않은 상태로 반환됩니다.
Limit((cos(x)-1)/x, x, 0)
limx0+(cos(x)1x)
위 표현식을 평가하기 위해 .doit() 메서드가 적용됩니다.
Limit((cos(x)-1)/x, x, 0).doit()
0
limit((cos(x)-1)/x, x, 0)
0

좌극한, 우극한

함수가 지정된 값으로 접근하는 방향은 다음 그림과 같이 두 가지입니다.
  • 왼쪽에서 접근하는 경우: 좌극한(left limit)로 '-'를 사용하여 나타냅니다.
  • 오른쪽에서 접근하는 경우: 우극한(right limit)로 '+'를 사용하여 나타냅니다.
limit(1/x, x, 0, '+')
limit(1/x, x, 0, '-')

data4limit

한 점으로 좌측에서 접근할 경우, 우측에서 접근할 경우 함수 값의 변화를 나타내기 위해 사용자 정의 함수 data4limit()함수를 작성합니다.
def data4limit(point, rng, func, symbol, factor=0.1):
    p=point
    x=[]
    x1=[]
    n=1
    for i in range(rng):
        n*=factor
        x.append(p+n)
        x1.append(p-n)
    y=[float(func.subs(symbol, i)) for i in x]
    y1=[float(func.subs(symbol, i)) for i in x1]
    return (pd.DataFrame([x, y, x1, y1], index=['x+','y+', 'x-', 'y-']).T)


함수 h(x)=(x+1)1x에 대해 x=0으로의 좌극한과 우극한을 계산해 봅니다.

x=symbols('x')
h=(x+1)**(1/x); h
(x+1)1x
data4limit(0, 3, h1, h, factor=0.001)
x+ y+ x- y-
0 1.0000e-03 2.7169 -1.0000e-03 2.7196
11.0000e-06 2.7183 -1.0000e-06 2.7183
2 1.0000e-09 2.7183 -1.0000e-09 2.7183

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...

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 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=1or1x4=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 실수...