摘要:在学习与科研中经常会遇到一些数学化简题运算问题,使用计算机完成运算具有速度快和准确性高的优势Python的Numpy包具有强大的科学运算功能,且具有其他许多主流科学计算语言不具备的免费、开源、轻量级和灵活的特点本文使用Python语言的NumPy库,解决数学化简题运算问题中的线性方程组问题、积分问题、微分问题及矩阵化简问题结果准确快捷,具有一定的借鉴意义
具体说来,如果x与y未曾赋值那么下列语句就会报错
而符号运算则不同,符号运算多用于公式推导不需要赋值,此时使用Sympy进行符号运算便具有方便快捷的优势如下述语句便不会报错。
2 SymPy库解决数学化简题运算问题实现
2.1 求解线性方程组
解方程的功能主要是使用Sympy中solve函数实现以式(1)为例,求解过程如下:
SymPy库中使用Symbol函数定义符号变量
使用代码表示数学化简题符号与手写体的數学化简题运算符号存在一定的差异,下面列举常用的运算符:
对于长的表达式如果不确定运算符的优先级,可以加入小括号提升其优先级由于需要将表达式都转化成右端等于0,这里把常数3和7移到等式左边。题目中表达式可表示为:
在使用Solve函数解方程之前我们先来看一丅Solve函数的定义。Solve函数的第一个参数是要解的方程要求右端等于0,第二个参数是未知数
2.2 求解微积分问题
在2.1中通过一个简单的二元一次方程组求解熟悉了该库求解数学化简题问题的基本过程,下面本文通过示例讲解使用SymPy库求解微积分的过程。
首先我们介绍limit函数的调用格式:limit(e, z, z0, dir='+'),e为任意表达式表示求取e(z)在点z0处的极限,dir='+'表示取右极限die='-'则表示取左极限。则上式的求解代码可表示如下:
这里与之前不同的是增加了函数的表示(用f(x)表示y)即例题中的y还有微分表示
y'的表示方法由以下代码组成
这里对diff函数稍作介绍:
上面是求一阶导的方法,求解高阶导的方法如下所示:
0即改变第三个参数即可
下面继续我们的解题过程。
第一个参数为微分方程(要先将等式移项为右端为0的形式)第二个参数为要解的函数(在微分方程中)
这样,我们可以将我们要解的题目用以下代码表示。
对比答案可以发现正确
平时线性代數问题中我们会遇到化简问题,虽然不算难但着实麻烦。而且出一点错就会导致
结果出错。不过好运的是SymPy提供了相关的支持
注意m的表示,需要有两个中括号
可以进一步得到化简后的式子
也许你要问我要化简后在计算怎么办下面我就举个例子。
如果上式中x1x2,x3均等于1则可这样代入。