기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

[python] 반복문: while 문

반복문(loop statement)

관련 내용

while 문

while 문 역시 하위문을 포함하는 블럭을 구성하며 조건이 True일 경우 하위문이 실행되며 조건이 False가 될때 블럭이 종결됩니다. 이 구문의 기본 형식은 식 1과 같습니다.

while 조건식: #메인문1(main1)(식 1)
본문 1 #하위문1(sub1)
else: #메인문2(main2)
본문 2 #하위2(sub2)

식 1에서 사용된 키워드는 다음과 같습니다.

  • while: while문을 시작하기 위한 키워드
  • else: 생략 가능한 문,
     while 문 실행 후에 결과가 반환

for 문과 같이 하위문을 포함하는 while 문은 블럭을 구성하며 이외의 다른 코드와는 분리됩니다. 옵션으로 첨가되는 else 문while 문이 종료된 후에 실행됩니다. 그림 1은 while 문의 진행과정을 시각화한 것입니다.

그림 1. while 문의 실행과정.

자연수에서 2와 3의 최소공배수는 두 수에 의해 모두 나누어지는 첫 수를 의미합니다. 이것을 코드화하면 다음과 같습니다. 즉, 1부터 시작하는 수를 2 또는 3으로 나누어지지 않는다는 조건으로 while 문을 적용합니다.

x=1 #①
while (x%2!=0) | (x%3!=0): #②
    x +=1 #③
x #④
6

위 코드의 실행 단계는 다음과 같습니다.

  • ① 코드
    • 순회(loop)를 x = 1부터 시작
  • ② 코드
    • x값이 2 또는 3으로 나누어지지 않는다면 ③ 코드 실행
    • 조건이 만족되지 않는 경우 while loop는 종결
  • ③ 코드
    • ②코드의 조건를 만족한 수에 1을 더함
  • ④ 코드
    • ②가 충족되지 않는 경우 실행

for 문과 같이 옵션인 else 문을 첨가할 수 있으며 while 문이 종결된 후에 실행됩니다.

x=1
while (x%2!=0) | (x%3!=0):
    x +=1
else:
    print(f"자연수에서 2와 3의 최소 공배수는 {x}입니다.")
자연수에서 2와 3의 최소 공배수는 6입니다.

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...