기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

삼각함수: 코사인 법칙(cosines rule)

코사인 법칙(cosines rule)

cosine 1법칙은 식 1과 같습니다.

(식 1)a=c·cos(B)+b·cos(C)b=a·cos(C)+c·cos(A)c=b·cos(A)+a·cos(B)

그림 1. cosin 1 법칙.

그림 1로 부터 다음 식을 유도할 수 있습니다.

ByAH,ABHandAHCcos(B)=a1c,cos(C)=a2ba=a1+a2=ccos(B)+bcos(C)ByBD,ABDandCBDcos(A)=b2c,cos(C)=b1ab=b1+b2=acos(C)+ccos(A)ByCE,AECandCEBcos(A)=c2b,cos(B)=c1ac=c1+c2=bcos(A)+acos(B)

식 2의 cos제2법칙은 cos 제1법칙(식 1)으로 부터 유도할 수 있습니다.

(식 2)a2=b2+c22bc·cos(A)b2=a2+c22ac·cos(B)c2=a2+b22ab·cos(C)

식 2의 각 식의 우항 즉, a, b, c의 제곱은 식 1의 cos1 법칙을 치환하여 식 3과 같이 정리합니다.

(식 3)a2=ab·cos(C)+ac·cos(B)b2=ab·cos(C)+bc·cos(A)c2=ac·cos(B)+bc·cos(A)

식 3으로 부터 a2b2c2을 계산합니다.

a2b2c2=ab·cos(C)+ac·cos(B)ab·cos(C)bc·cos(A)ac·cos(B)bc·cos(A)=2bc·cos(A)a2=b2+c22bc·cos(A)b2a2c2=ab·cos(C)+bc·cos(A)ab·cos(C)ac·cos(B)ac·cos(B)bc·cos(A)=2ac·cos(B)b2=a2+c22ac·cos(B)c2a2b2=ac·cos(B)+bc·cos(A)ab·cos(C)ac·cos(B)ab·cos(C)bc·cos(A)=2ab·cos(c)c2=a2+b22ab·cos(c)

cos1과 2법칙은 다음과 같이 파이썬 함수로 작성하여 사용할 수 있습니다. 함수에서 인수로 사용되는 len1, len2는 길이이며 ang1, ang2는 각으로 radian이어야 합니다.

#cos 1법칙
def cos1lawS(len1, len2, ang1, ang2):
  return(len1*cos(ang2)+len2*cos(ang1))
#cos2법칙
def cos2lawS(len1, len2, ang):
  return((len1**2+len2**2-2*len1*len2*cos(ang))**0.5)

예)

길이 a, b, c가 각각 1, 1, 0.52이며 각 선분에 대응되는 각 A, B, C는 각각 5π12,5π12,π6인 삼각형에 대해 cosin 법칙을 적용하여 봅니다.

작성한 함수 cos1law()를 적용하여 cos 1 법칙을 확인합니다.

A, B, C=5*np.pi/12, 5*np.pi/12, np.pi/6 
a, b, c=1,1, 0.52

a1=cos1law(b, c, B, C ); a1.round(2)
1.0
b1=cos1law(a, c, A, C)
c1=cos1law(a, b, A, B)
b1.round(2), c1.round(2)
(1.0, 0.52)

작성한 함수 cos2law()를 적용하여 cos 2 법칙을 확인합니다.

a2=cos2law(b, c, A)
b2=cos2law(a, c, B)
c2=cos2law(a, b, C)
a2.round(2), b2.round(2), c2.round(2)
(1.0, 1.0, 0.52)

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...