기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

함수의 그래프: 평균값 정리

다음 그림들은 전자책 파이썬과 함께하는 미분적분의 5.5장에 수록된 그래프들과 코드들입니다.

import numpy as np 
import pandas as pd
from sympy import *
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style("darkgrid")
def tgline(slope, x0, y0, x):
    b=y0-slope*x0
    re=slope*x+b
    return(re)
#그림 5.5.1
x=symbols('x', real=True)
f=x**3+2*x**2
df=f.diff(x)
cp=solve(df)
a=np.linspace(-1.618, 0.618, 100)
y=[f.subs(x, i) for i in a]
dy=[df.subs(x, i) for i in a]
plt.figure(figsize=(4,3))
plt.plot(a, y, color='g', label="f(x)")
plt.plot(a, dy, color='b', ls="dashed", alpha=0.3, label=r"$\frac{df(x)}{dx}$")
idx=[(a[0],"r","A"), (cp[0], "b","D"), (cp[1], "k","C"), (a[-1], "brown","B")]
for i in idx:
    plt.scatter(i[0], f.subs(x, i[0]), s=30, c=i[1], label=f"{i[2]}")
plt.ylim(-0.5, 1.5)
plt.xlabel("x")
plt.ylabel("y", rotation="horizontal")
plt.legend(bbox_to_anchor=(1, 1), labelcolor='linecolor')
plt.show()
#그림 5.5.2
x=symbols('x')
f=x**3-x
f0=f.subs(x,0)
f2=f.subs(x, 2)
x=symbols('x')
f=x**3-x
avg=(f2-f0)/(2-0)
df=f.diff(x)
c=solve(Eq(df, avg))

a=np.linspace(0, 2, 100)
y=[f.subs(x, i) for i in a]
plt.figure(figsize=(4,3))
k=tgline(3, c[1], f.subs(x, c[1]), x)
ky=[k.subs(x, i) for i in a]
plt.plot(a, y, color="g", label="f(x)")
plt.plot(a, ky, ls="dashed",color="b", label="tangent")
plt.plot([0,2], [f0, f2], ls="dashed", color="r", label="average")
plt.xlabel("x")
plt.ylabel("y", rotation="horizontal")
plt.legend(loc="best", labelcolor='linecolor')
plt.show()

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...