怎么在Python中使用SymPy求極值

本篇文章為大家展示了怎么在Python中使用SymPy求極值，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。

python主要應用領域有哪些

1、云計算，典型應用OpenStack。2、WEB前端開發，眾多大型網站均為Python開發。3.人工智能應用，基于大數據分析和深度學習而發展出來的人工智能本質上已經無法離開python。4、系統運維工程項目，自動化運維的標配就是python+Django/flask。5、金融理財分析，量化交易，金融分析。6、大數據分析。

1、求極限、求導、求偏導以及帶值求導

import sympy
#求極限
#設置符號變量Symbol只能創建一個變量 symbols 可一次定義多個變量
x1,x2,x3,x4=sympy.symbols('x1,x2,x3,x4')
#創建函數建立方程式
def F(t):
    return sympy.sin(t)/t
def N(t):
    return (x1**3+3*x1**2+1)/(4*x1**3+2*+3)
#調用limit求極限
limF=sympy.limit(F(x1),x1,0)
limN=sympy.limit(N(x1),x1,sympy.oo)
print("x1趨于0的極限為{}".format(limF))
print("x1趨于0的極限為{}".format(limN))
#求導
#創建求導函數
def S(t):
    return sympy.sec(t) #正割
def S1(x):
    return 2*x**4+2
#調用diff函數求導
s=sympy.diff(S(x1),x1).subs(x1,1) #subs 帶值求導
print('S在1處的導數為{}'.format(s))
#求多階導數 2階
s1=sympy.diff(S1(x1),x1,2)
#帶值計算
print("S1的二階導數{}   帶入值2計算為{}".format(s1,s1.subs(x1,2)))
#建立求偏導函數
def PD(x,y,z):
    return sympy.sin(x+pow(y,2)-sympy.exp(z))
#對x求偏導
x=sympy.diff(PD(x1,x2,x3),x1)
# print(x.subs(x1,2))
#對y求偏導
y=sympy.diff(PD(x1,x2,x3),x2)
#對z求偏導
z=sympy.diff(PD(x1,x2,x3),x3,2)
print("x的偏導為{}\ny的偏導為{}\nz的二次偏導為{}".format(x,y,z))
片

2、建立極限表達式

不求其極限，只需要表達式。也就是說是一個未計算(評估)的極限，是一個極限表達式。

from sympy import Limit, sin, Symbol
from sympy.abc import x
Limit(sin(x)/x, x, 0) # 這是一個極限表達式，不執行計算
Limit(1/x, x, 0, dir='-') # 這也是一個極限表達式，不執行計算

上述內容就是怎么在Python中使用SymPy求極值，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注億速云行業資訊頻道。