《用 Python 学微积分》笔记 1

浏览: 2083

《用 Python 学微积分》原文见参考资料 1。

1、多项式

f(x)=x3-5x2+9

def f(x):
return x**3 - 5*x**2 + 9

print f(3)
print f(1)

import numpy as np
x = np.linspace(-5, 5, num = 100)
y = f(x)
import matplotlib.pyplot as plt
plt.plot(x,y)
plt.show()


2、指数函数

exp(x)=ex

import numpy as np
import matplotlib.pyplot as plt

def exp(x):
return np.e**x

print exp(2)

print np.exp(2)

x = np.linspace(-5, 5, num = 100)
y = exp(x)

plt.plot(x,y)
plt.show()


3、对数函数

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0.1,10,99,endpoint = False)
y1 = np.log2(x)
y2 = np.log(x)
y3 = np.log10(x)
plt.plot(x,y1,'red',x,y2,'yellow',x,y3,'blue')
plt.show()


4、三角函数

sin(x)

import numpy as np
import matplotlib.pyplot as plt

plt.plot(np.linspace(-2*np.pi,2*np.pi),np.sin(np.linspace(-2*np.pi,2*np.pi)))
plt.show()


5、函数的复合

h(x)=x2+1

import numpy as np
import matplotlib.pyplot as plt

def f(x): return x+1

def g(x): return x**2

def h(x): return f(g(x))

x = np.array(range(-10,10))

y = np.array([h(i) for i in x])
plt.plot(x, y, 'bo')

# h2 = lambda x: f(g(x))
# plt.plot(x,h2(x),'rs')
plt.show()


6、逆函数

w=x2

winv(x)=x1/2

import numpy as np
import matplotlib.pyplot as plt

w = lambda x: x**2
winv = lambda x: np.sqrt(x)
x = np.linspace(0,2,100)

plt.plot(x, w(x),'b',x,winv(x),'r',x,x,'g-.')
plt.show()


7、高阶函数

x2 和 (x-2)2

import numpy as np
import matplotlib.pyplot as plt

def g(x): return x**2

def horizontal_shift(f,H): return lambda x: f(x-H)

x = np.linspace(-10,10,100)
shifted_g = horizontal_shift(g,2)

plt.plot(x,g(x),'b',x,shifted_g(x),'r')
plt.show()


8、欧拉公式

指数函数的多项式:

Clipboard Image.png

三角函数:

Clipboard Image.png

虚函数的基本运算规则:

Clipboard Image.png

将 ix 代入指数函数的公式中:

Clipboard Image.png


此时便得欧拉公式:

Clipboard Image.png

令 x=π,得:

Clipboard Image.png

import numpy as np
import sympy
import matplotlib.pyplot as plt

x = np.linspace(-np.pi,np.pi)
lhs = np.e**(1j*x)
rhs = np.cos(x)+1j*np.sin(x)
print sum(lhs==rhs)==len(x)

z = sympy.Symbol('z', real = True)
sympy.expand(sympy.E**(sympy.I*z), complex = True)

for p in np.e**(1j*x):
plt.polar([0, np.angle(p)],[0, abs(p)], marker = 'o')
plt.show()


9、泰勒级数

函数 f(x) 在 x=0 处展开的泰勒级数的定义为:

Clipboard Image.png

ex,sin(x) 和 cos(x) 的多项式形式,都是它们自己在 x=0 处展开的泰勒级数。其中 ex 在 x=0 的展开为:

Clipboard Image.png


泰勒级数可以把非常复杂的函数转变成无限项的和的形式。通常,我们可以只计算泰勒级数的前几项之和,便能够获得原函数的局部近似了。在做这样的多项式近似时,我们所计算的项越多,则近似的结果越精确。

下图是 e 在 x=0 处展开的泰勒级数分别取前 5、10 和 15 项时的值跟真实值的对比,可以看出,所计算的项越多,则近似的结果越精确。


import numpy as np
import sympy
import matplotlib.pyplot as plt

x = sympy.Symbol('x')
exp = np.e**x

def polyApprox(func,num_terms):
# 当我们需要反复做类似的步骤的时候,最好将步骤定义为一个函数
sums = 0
for i in range(num_terms):
numerator = func.diff(x,i)
numerator = numerator.evalf(subs={x:0})
denominator = np.math.factorial(i)
sums += numerator/denominator*x**i
return sums

sum5 = polyApprox(exp,5)
sum10 = polyApprox(exp,10)
sum15 = exp.series(x,0,15).removeO()

xvals = np.linspace(5,10,100)
for xval in xvals:
plt.plot(xval,exp.evalf(subs={x:xval}),'bo',\
xval,sum5.evalf(subs={x:xval}),'ro',\
xval,sum10.evalf(subs={x:xval}),'go',\
xval,sum15.evalf(subs={x:xval}),'yo')

plt.show()


10、极限

定义:若要称函数 f(x) 在 x=a 处的极限为 L,即:

Clipboard Image.png

则需要:对任意一个 ε>0,都能找到 δ>0,使得当 x 的取值满足 0<|x-a|<δ 时,|f(x)-L|<ε。

import numpy as np
import sympy
import matplotlib.pyplot as plt

f = lambda x: x**2-2*x-6
x = np.linspace(0,5,100)
y = f(x)

plt.plot(x,y,'red')
plt.grid('off')

l = plt.axhline(-8,0,1,linewidth = 2, color = 'black')
l = plt.axvline(0,0,1,linewidth = 2, color = 'black')

l = plt.axhline(y=2,xmin=0,xmax=0.8,linestyle="--")
l = plt.axvline(x=4,ymin=0,ymax=float(5)/9, linestyle = "--")

l = plt.axhline(-6,3.7/5,4.3/5,linewidth = 2, color = 'black')
l = plt.axvline(1,6.0/18,14.0/18,linewidth = 2, color = 'black')

p = plt.axhspan(-2,6,0,(1+np.sqrt(13))/5,alpha = 0.15, ec = 'none')
p = plt.axvspan((1+np.sqrt(5)),(1+np.sqrt(13)),0,1.0/3,alpha = 0.15, ec = 'none')

p = plt.axhspan(f(3.7),f(4.3),0,4.3/5,alpha = 0.3, ec = 'none')
p = plt.axvspan(3.7,4.3,0,(f(3.7)+8)/18,alpha = 0.3, ec = 'none')

plt.axis([0,5,-8,10])


plt.text(0.8,-1,r"$\epsilon$", fontsize = 18)
plt.text(0.8,4,r"$\epsilon$", fontsize = 18)
plt.text(3.75,-7.0,r"$\delta$", fontsize = 18)
plt.text(4.1,-7.0,r"$\delta$", fontsize = 18)
plt.text(3.95,-7.8,r"$a$", fontsize = 18)
plt.text(4.5,8.5,r"$f(x)$", fontsize = 18,color="red")

plt.show()


现在用上面的定义来证明:

Clipboard Image.png

即对于任意的 ε>0,能找到一个 δ>0,使得 0<|x-4|<δ 时,有 |f(x)-2|<ε。

证明:注意到 |f(x)-2|=|x2-2x-6-2|=|(x-4)(x+2)|=|x-4|·|x+2|,已知 |x-4|<δ,根据三角形不等式,|x+2|=|x-4+6|≤|x-4|+6<δ+6,所以

|f(x)-2|=|x-4|·|x+2|<δ·(δ+6),现在只需找到一个 δ,满足 δ·(δ+6)<ε 即可,用二元一次方程知识就可以证明这样的 δ>0 是存在的。

或者只要令 δ=min(1,ε/7),即可使得 δ≤ε/7 且 δ+6≤7,使得 δ·(δ+6)<ε。

11、泰勒级数用于极限计算

我们在中学课本中一定记忆了常见的极限,以及极限计算的规则,这里我们便不再赘言。泰勒级数也可以用于计算一些形式比较复杂的函数的极限。这里,仅举一例:

Clipboard Image.png

12、洛必达法则

利用泰勒级数来计算极限,有时也会陷入困境,例如:求极限的位置是在我们不知道泰勒展开的位置,或者所求极限是无穷的。通常遇到这些情况我们会使用各种形式的洛必达法则。

这里我们仅尝试说明

Clipboard Image.png

形式的洛必达法则为何成立。

如果 f 和 g 是连续函数,且

Clipboard Image.png


Clipboard Image.png


存在,则:

Clipboard Image.png

如果分子分母求导后仍然是 0/0 形式,那么重复该过程,直至问题解决。

运用泰勒级数,我们很容易可以理解洛必达法则为什么会成立:

Clipboard Image.png



参考资料:

[1] https://ryancheunggit.gitbooks.io/calculus-with-python/content/

推荐 1
本文由 疯狂的拖鞋 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册