Python 中的Sympy详细使用

最新推荐文章于 2023-11-16 11:15:53 发布
最新推荐文章于 2023-11-16 11:15:53 发布
阅读量1.3k 收藏 5
点赞数 1
文章标签： python 机器学习 数学建模 scipy 人工智能
原文链接：https://blog.csdn.net/cj151525/article/details/95756847
版权

                              Python 中的Sympy详细使用

        遇到复杂计算找python绝对不让你失望，sympy是一个Python的科学计算库，用一套强大的符号计算体系完成诸如多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等等计算问题。虽然Matlab的类似科学计算能力也很强大，但是Python以其语法简单、易上手、异常丰富的三方库生态，个人认为可以更优雅地解决日常遇到的各种计算问题。安装在本博客就不细讲了！

        1、表达式与表达式求值：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #--------多项式求解--------
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     fx=
     
     5*x+
     
     4
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #使用evalf函数传值
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y1=fx.evalf(subs={x:
     
     6})
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(y1)
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #多元表达式
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     fx=x*x+y*y
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     result=fx.evalf(subs={x:
     
     3,y:
     
     4})
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(result)

       2、函数方程求解：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #解方程 有限解
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     fx=x*
     
     3+
     
     9
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #可求解直接给出解向量
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(sympy.solve(fx,x))
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #解方程无穷多解
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     fx=x*
     
     3+y**
     
     2
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #得到是x与y的关系式，
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(sympy.solve(fx,x,y))
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   

 
 

 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #解方程组
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f1=x+y
     
     -3
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f2=x-y+
     
     5
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.solve([f1,f2],[x,y])

 

        3、求和 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     import sympy
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     n=sympy.Symbol(
     
     'n')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=
     
     2*n
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #前面参数放函数，后面放变量的变化范围
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     s=sympy.summation(f,(n,
     
     1,
     
     100))
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(s)

解带有求和式的方程 ：

    


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #解释一下，i可以看做是循环变量，就是x自己加五次
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #先定义变量，再写出方程
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     i=sympy.Symbol(
     
     'i')
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=sympy.summation(x,(i,
     
     1,
     
     5))+
     
     10*x
     
     -15
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     result=sympy.solve(f,x)
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(result)

         4、求极限（注意，math包中sin和很多数学函数会报错，要用sympy中的，无穷大用 sympy.oo 表示）


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求极限使用limit方法
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #定义变量与函数
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f1=sympy.sin(x)/x
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f2=(
     
     1+x)**(
     
     1/x)
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f3=(
     
     1+
     
     1/x)**x
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #三个参数是 函数，变量，趋向值
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     lim1=sympy.limit(f1,x,
     
     0)
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     lim2=sympy.limit(f2,x,
     
     0)
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     lim3=sympy.limit(f3,x,sympy.oo)
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(lim1,lim2,lim3)

           5、求导


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求导使用diff方法
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f1=
     
     2*x**
     
     4+
     
     3*x+
     
     6
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #参数是函数与变量
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f1_=sympy.diff(f,x)
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(f1_)
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f2=sympy.sin(x)
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f2_=sympy.diff(f2,x)
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(f2_)
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求偏导
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f3=
     
     2*x**
     
     2+
     
     3*y**
     
     4+
     
     2*y
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #对x，y分别求导，即偏导
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f3_x=sympy.diff(f3,x)
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f3_y=sympy.diff(f3,y)
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(f3_x)
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(f3_y)

           6、求定积分


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求定积分用 integrate方法
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=
     
     2*x
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #参数传入 函数，积分变量和范围
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     result=sympy.integrate(f,(x,
     
     0,
     
     1))
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(result)

          上面的求法有点烂，难的就罢工不干了，我丢，还是喜欢scipy，如下：

http://liao.cpython.org/scipy18/  scipy 还能解决很多数值计算，包括多重积分。


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     from scipy 
     
     import integrate
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     def f(x):
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
        
     
     return x + 
     
     1
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     v, err = integrate.quad(f, 
     
     1, 
     
     2)
     
     # err为误差
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print （v）

 以下计算多重积分： 


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求多重积分，先求里面的积分，再求外面的
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x,t=sympy.symbols(
     
     'x t')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f1=
     
     2*t
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f2=sympy.integrate(f1,(t,
     
     0,x))
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     result=sympy.integrate(f2,(x,
     
     0,
     
     3))
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(result)

 

        7、求不定积分

      结果是         


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求不定积分其实和定积分区别不大
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=(sympy.E**x+
     
     2*x)
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f_=sympy.integrate(f,x)
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(f_)

         8、数学符合补充：


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
     
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #数学符合
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #虚数单位i
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.I
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #自然对数低e
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.E
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #无穷大
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.oo
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #圆周率
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.pi
    
    
    
   
   
  11. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求n次方根
    
    
    
   
   
  12. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.root(
     
     8,
     
     3)
    
    
    
   
   
  13. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求对数
    
    
    
   
   
  14. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.log(
     
     1024,
     
     2)
    
    
    
   
   
  15. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #求阶乘
    
    
    
   
   
  16. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.factorial(
     
     4)
    
    
    
   
   
  17. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #三角函数
    
    
    
   
   
  18. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.sin(sympy.pi)
    
    
    
   
   
  19. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.tan(sympy.pi/
     
     4)
    
    
    
   
   
  20. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     sympy.cos(sympy.pi/
     
     2)

         9、公式展开与折叠


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #公式展开用expand方法
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=(
     
     1+
     
     2*x)*x**
     
     2
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ff=sympy.expand(f)
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(ff)
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #公式折叠用factor方法
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=x**
     
     2+
     
     1+
     
     2*x
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ff=sympy.factor(f)
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(ff)

         10、公式分离与合并（分数的分离与合并）


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     x=sympy.Symbol(
     
     'x')
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     y=sympy.Symbol(
     
     'y')
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #公式展开用apart方法,和expand区别不是很大，常用于分数进行分离
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=(x+
     
     2)/(x+
     
     1)
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ff=sympy.apart(f)
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(ff)
    
    
    
   
   
  7. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #公式折叠用tegother方法
    
    
    
   
   
  8. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     f=(
     
     1/x+
     
     1/y)
    
    
    
   
   
  9. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     ff=sympy.together(f)
    
    
    
   
   
  10. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     print(ff)

          11、表达式简化


 
 
  1. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #simplify( )普通的化简
    
    
    
   
   
  2. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     simplify((x**
     
     3 + x**
     
     2 - x - 
     
     1)/(x**
     
     2 + 
     
     2*x + 
     
     1))
    
    
    
   
   
  3. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #trigsimp( )三角化简
    
    
    
   
   
  4. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     trigsimp(sin(x)/cos(x))
    
    
    
   
   
  5. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     #powsimp( )指数化简
    
    
    
   
   
  6. 
   
   
    
    
    
    
   
   
    
   
   
    
    
    
    
     
     powsimp(x**a*x**b)

 

十分感谢简书博主：https://www.jianshu.com/p/339c91ae9f41，原博客可能更加详细含有运行结果！侵删谢谢！

 

 

转载自：https://blog.csdn.net/cj151525/article/details/95756847
鼠小米
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python中的Sympy详细介绍
09-05
Python中的Sympy详细介绍。 一篇文章带你快速了解！
【SymPy】（一）SymPy简介
weixin_44378835的博客
02-03 1万+
SymPy介绍 文章目录SymPy介绍1 什么是符号计算2 另一个例子3 SymPy强大之处 SymPy的全称为Symbolic Python，是一款用于符号运算的python库。 1 什么是符号计算 符号计算以符号的方式处理数学对象的计算。这意味着数学对象是精确表示的，而不是近似表示的，带有未赋值变量的数学表达式是以符号形式保留的。 举个例子。假设我们想使用内置的Python函数来计算平方根。我们可以这样做 In [1]: import math In [2]: math.sqrt(9) Out[2].
快速入门 Python sympy 库：解决数学难题从此不再困扰！
最新发布
白帽阿叁的博客
11-16 1447
Sympy 是一个纯 Python 的数学计算库，可以用于解决从初中数学到高级数学的各类问题。它支持符号计算、数值计算、代数运算、微积分、线性代数等功能，涵盖了数学、物理、工程等领域的大量应用。与 Matlab 等类似软件相比，Sympy 的优势在于其简洁的语法和丰富的第三方库生态，使得 Python 在科学计算领域更具竞争力。Python Sympy 库凭借其强大的数学计算功能、简洁的语法和丰富的第三方库，已成为广大 Python 开发者解决数学计算问题的必备工具。
用于符号数学的 Python 库——sympy(一)
飞华的博客
11-09 1343
SymPy 是用于符号数学的 Python 库。 它旨在成为功能齐全的计算机代数系统。 SymPy 包括从基本符号算术到微积分，代数，离散数学和量子物理学的功能。 它可以在 LaTeX 中显示结果。
python中sympy库的使用与示例！！！
m0_73609188的博客
09-06 2623
Sympy是Python中的一个开源库，专注于符号计算。它提供了一套强大的工具，可以进行符号数学运算、代数操作、求解方程、微积分、矩阵运算等。
「SymPy」符号运算(1) 简介/符号/变量/函数/表达式/等式/不等式/运算符
weixin_45549554的博客
01-16 1848
「SymPy」符号运算系列第(1) 篇——SymPy简介、符号/变量、函数、表达式、等式/不等式、运算符
python中sympy库求常微分方程的用法
12-20
问题1： 程序，如下 from sympy import * f = symbols('f', cls=Function) ...1.利用python的Sympy库求解微分方程的解 y=f(x)，并尝试利用matplotlib绘制函数图像 程序，如下 from sympy import
python/sympy求解矩阵方程的方法
12-24
使用qtconsole输入下面程序进行求解 In [26]: from sympy import * In [27]: from sympy.abc import * In [28]: A=Matrix([[4,2,3],[1,1,0],[-1,2,3]]) In [29]: A Out[29]: Matrix([ [ 4, 2, 3], [ 1, 1, 0], [-1,...
Python 中的Sympy详细介绍
Petrel__Cloud的博客
06-17 1万+
我发现这个作者写的特别好，我就把它转载过来啦。 2、函数方程求解： 3、求和 解带有求和式的方程 ： 4、求极限（注意，math包中sin和很多数学函数会报错，要用sympy中的，无穷大用 sympy.oo 表示） 5、求导 6、求定积分 还有其他方法。 上面的求法有点烂，难的就罢工不干了，我丢，还是喜欢scipy，如下： http://liao.cpython.or
python之sympy库--数学符号计算与绘图必备
热门推荐
yifengchaoran的专栏
12-12 16万+
在实际进行数学运算的时候，其实有两种运算模式，一种是数值运算，一种是符号运算（代数）。而我们日常使用计算机进行数值运算，尤其是比如除、开平方等运算时，往往只能得到其近似值，最终总会已一定的误差，如果使用符号运算模式，则可以完全避免此种问题。 一、数学符号及符号表达式 符号表达式，区别于常规的数值型数学表达式，常规数学表达式，比如x+y*2等，基本x和y是一个变量，且变量最终也会被赋值，由变量组成的表达式，最后得出的也是一个数值。 而符号表达式，则真正的由符号组成，而符号无需提前赋值，由符号组成的表达式
SymPy符号运算库
12-11
SymPy是一个符号计算的Python库。它的目标是成为一个全功能的计算机代数系统，同时保持代码简 洁、易于理解和扩展。它完全由Python写成，不依赖于外部库。SymPy支持符号计算、高精度计算、模式匹配、绘图、解方程、微积分、组合数学、离散 数学、几何学、概率与统计、物理学等方面的功能。 该文档提供了许多复杂计算时的脚本示例，供开发者们参考。
Sympy简单教程(1)
weixin_45616112的博客
01-20 2416
Python的符号计算工具包Sympy的简单教程
使用Python-sympy计算高等数学（多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等）
冷色调的夏天的博客
08-13 3万+
使用Python-sympy计算高等数学（多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等） sympy是一个Python的科学计算库，用一套强大的符号计算体系完成诸如多项式求值、求极限、解方程、求积分、微分方程、级数展开、矩阵运算等等计算问题。虽然Matlab的类似科学计算能力也很强大，但是Python以其语法简单、易上手、异常丰富的三方库生态，个人认为可以更优雅地解决日常遇...
Python-sympy计算问题入门-求极限
年少轻狂的博客
08-15 3579
最近该学一下数学了，数学对我们来说是走到哪都应该学的，我们应该从基础的开始学，了解极限的定义以及运算法则，进行一步一步推导。对于Sympy能更方便的计算出结果，用于我们进行参考，我们学习数学，就应该懂得如何计算得出的。遇到复杂计算找python绝对不让你失望，Sympy是一个Python的科学计算库，用一套强大的符号计算体系完成诸如求极限、求导数、求微分、求积分等等计算问题。接下来我们将学习如何利用Sympy库求数列及函数极限。......
python数学方程计算_用Python解方程
weixin_39816260的博客
12-03 835
我们先从简单的来例题1： 这是北师大版小学六年级上册课本95页的一道解方程练习题：大家可以先口算一下，这道题里面的x的值为200接下来我们用python来实现，代码如下，每一句代码后面都写有解释语：1 import sympy # 引入解方程的专业模块sympy2 x = sympy.symbols("x") # 申明未知数"x"3 a = sympy.solve([x+(1/5)*x-2...
Sympy简单教程(7)
weixin_45616112的博客
01-21 4993
Python符号计算工具包Sympy简介之七
python怎么算二元一次方程_用python解决高数所有计算题--sympy求解极限、积分、微分、二元一次方程等...
weixin_39556811的博客
11-25 416
sympy是什么？Sympy是一个数学符号库（sym代表了symbol，符号），包括了积分，微分方程等各种数学运算方法，为python提供了强大的数学运算支持。对于图像来说，虽然都是做离散的计算，操作最多的还是numpy里的数组，但实际上，这个库包含了积分微分，三角等最基本的数学运算，可以说是工科最基本的，用起来媲美matlab。--摘自网络什么是基于符号的计算（符号求解）？在高数学习中，甚至在工...
【Python】遗传算法求解二元函数最值
includei的博客
12-22 1万+
序言 遗传算法算是我接触最早的优化算法了，之前大学建模竞赛时学习过，不过当时云里雾里始终没明白其中的原理机制，如今朝花夕拾，看了些博客，又自己动手试了试，总算解决了曾经的困惑。 这里主要参考了（https://blog.csdn.net/ha_ha_ha233/article/details/91364937）的思路，该博主文章写的通俗易懂，建议大家有兴趣的去看看。 我本身不太会Python，借这次机会除了复习遗传算法，也是为了学习Python语法，故我在代码中添加了大量注释，以供同样和我基础薄弱的同学参考
python中sympy计算矩阵秩
07-11
在Python中，使用Sympy库可以计算矩阵的秩。下面是一个示例代码： ```python from sympy import Matrix # 创建一个矩阵 matrix = Matrix([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 计算矩阵的秩 rank = matrix.rank...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值