基础

from sympy import *

数学格式输出:

init_printing()

添加变量:

x, y, z, a, b, c = symbols('x y z a b c')

声明分数:

Rational(1, 3)

\(\displaystyle \frac{1}{3}\)

化简式子:

simplify((x**3 + x**2 - x - 1)/(x**2 + 2*x + 1))

\(\displaystyle x - 1\)

因式分解:

expand((x + 2)*(x - 3))

\(\displaystyle x^{2} - x - 6\)

提取公因式:

factor(x**3 - x**2 + x - 1)

\(\displaystyle \left(x - 1\right) \left(x^{2} + 1\right)\)

约分:

cancel((x**2 + 2*x + 1)/(x**2 + x))

\(\displaystyle \frac{x + 1}{x}\)

裂项:

apart((4*x**3 + 21*x**2 + 10*x + 12)/(x**4 + 5*x**3 + 5*x**2 + 4*x))

\(\displaystyle \frac{2 x - 1}{x^{2} + x + 1} - \frac{1}{x + 4} + \frac{3}{x}\)

变换形式:

tan(x).rewrite(sin)

\(\displaystyle \frac{2 \sin^{2}{\left(x \right)}}{\sin{\left(2 x \right)}}\)

数列求和:

Sum(x ** 2, (x, 1, a)).doit()

\(\displaystyle \frac{a^{3}}{3} + \frac{a^{2}}{2} + \frac{a}{6}\)

数列求积:

Product(x**2,(x, 1, a)).doit()

\(\displaystyle a!^{2}\)

微积分

求导:

diff(cos(x), x)

\(\displaystyle - \sin{\left(x \right)}\)

求高阶导:

diff(x**4, x, 3)

\(\displaystyle 24 x\)

连续求偏导:

diff(exp(x*y*z), x, y, 2, z, 4)

\(\displaystyle x^{3} y^{2} \left(x^{3} y^{3} z^{3} + 14 x^{2} y^{2} z^{2} + 52 x y z + 48\right) e^{x y z}\)

不定积分:

integrate(cos(x), x)

\(\displaystyle \sin{\left(x \right)}\)

定积分:

integrate(exp(-x), (x, 0, oo))

\(\displaystyle 1\)

多重积分:

integrate(exp(-x**2 - y**2), (x, -oo, oo), (y, -oo, oo))

\(\displaystyle \pi\)

极限:

limit(sin(x)/x, x, 0)

\(\displaystyle 1\)

泰勒展开(到第4阶):

sin(x).series(x, 0, 4)

\(\displaystyle x - \frac{x^{3}}{6} + O\left(x^{4}\right)\)

泰勒展开(在x=6处):

exp(x - 6).series(x, 6)

\(\displaystyle -5 + \frac{\left(x - 6\right)^{2}}{2} + \frac{\left(x - 6\right)^{3}}{6} + \frac{\left(x - 6\right)^{4}}{24} + \frac{\left(x - 6\right)^{5}}{120} + x + O\left(\left(x - 6\right)^{6}; x\rightarrow 6\right)\)

矩阵

矩阵求逆:

Matrix([[1, 3], [-2, 3]])**-1

\(\displaystyle \left[\begin{matrix}\frac{1}{3} & - \frac{1}{3}\\\frac{2}{9} & \frac{1}{9}\end{matrix}\right]\)

求转置:

Matrix([[1, 2, 3], [4, 5, 6]]).T

\(\displaystyle \left[\begin{matrix}1 & 4\\2 & 5\\3 & 6\end{matrix}\right]\)

生成单位矩阵:

eye(3)

\(\displaystyle \left[\begin{matrix}1 & 0 & 0\\0 & 1 & 0\\0 & 0 & 1\end{matrix}\right]\)

求行列式:

Matrix([[1, 0, 1], [2, -1, 3], [4, 3, 2]]).det()

\(\displaystyle -1\)

化成行阶梯形矩阵:

Matrix([[1, 0, 1, 3], [2, 3, 4, 7], [-1, -3, -3, -4]]).rref()

\(\displaystyle \left( \left[\begin{matrix}1 & 0 & 1 & 3\\0 & 1 & \frac{2}{3} & \frac{1}{3}\\0 & 0 & 0 & 0\end{matrix}\right], \ \left( 0, \ 1\right)\right)\)

求列向量空间:

Matrix([[1, 1, 2], [2 ,1 , 3], [3 , 1, 4]]).columnspace()

\(\displaystyle \left[ \left[\begin{matrix}1\\2\\3\end{matrix}\right], \ \left[\begin{matrix}1\\1\\1\end{matrix}\right]\right]\)

M = Matrix([[3, -2,  4, -2], [5,  3, -3, -2], [5, -2,  2, -2], [5, -2, -3,  3]])

求特征值:

M.eigenvals()

\(\displaystyle \left\{ -2 : 1, \ 3 : 1, \ 5 : 2\right\}\)

求特征向量:

M.eigenvects()

\(\displaystyle \left[ \left( -2, \ 1, \ \left[ \left[\begin{matrix}0\\1\\1\\1\end{matrix}\right]\right]\right), \ \left( 3, \ 1, \ \left[ \left[\begin{matrix}1\\1\\1\\1\end{matrix}\right]\right]\right), \ \left( 5, \ 2, \ \left[ \left[\begin{matrix}1\\1\\1\\0\end{matrix}\right], \ \left[\begin{matrix}0\\-1\\0\\1\end{matrix}\right]\right]\right)\right]\)

求对角化矩阵,返回两个矩阵P、D满足\(PDP^{-1}=M\):

M.diagonalize()

\(\displaystyle \left( \left[\begin{matrix}0 & 1 & 1 & 0\\1 & 1 & 1 & -1\\1 & 1 & 1 & 0\\1 & 1 & 0 & 1\end{matrix}\right], \ \left[\begin{matrix}-2 & 0 & 0 & 0\\0 & 3 & 0 & 0\\0 & 0 & 5 & 0\\0 & 0 & 0 & 5\end{matrix}\right]\right)\)

解方程

求解集:

solveset(x**2 - x, x)

\(\displaystyle \left\{0, 1\right\}\)

求解集(显示多少个重根):

roots(x**3 - 6*x**2 + 9*x, x)

\(\displaystyle \left\{ 0 : 1, \ 3 : 2\right\}\)

求解集(用Eq构造等式):

solveset(Eq(sin(x), 1), x, domain=S.Reals)

\(\displaystyle \left\{2 n \pi + \frac{\pi}{2}\; |\; n \in \mathbb{Z}\right\}\)

解线性方程组:

linsolve([x + y + z - 1, x + y + 2*z - 3 ], (x, y, z))

\(\displaystyle \left\{\left( - y - 1, \ y, \ 2\right)\right\}\)

解线性方程组(矩阵表示):

linsolve(Matrix(([1, 1, 1, 1], [1, 1, 2, 3])), (x, y, z))

\(\displaystyle \left\{\left( - y - 1, \ y, \ 2\right)\right\}\)

解非线性方程组:

nonlinsolve([exp(x) - sin(y), 1/y - 3], [x, y])

\(\displaystyle \left\{\left( \log{\left(\sin{\left(\frac{1}{3} \right)} \right)}, \ \frac{1}{3}\right), \left( \left\{2 n i \pi + \left(\log{\left(\sin{\left(\frac{1}{3} \right)} \right)}\bmod{2 i \pi}\right)\; |\; n \in \mathbb{Z}\right\}, \ \frac{1}{3}\right)\right\}\)

解微分方程:

f, g = symbols('f g', cls=Function)
dsolve(Eq(f(x).diff(x, x) - 2*f(x).diff(x) + f(x), sin(x)), f(x))

\(\displaystyle f{\left(x \right)} = \left(C_{1} + C_{2} x\right) e^{x} + \frac{\cos{\left(x \right)}}{2}\)

解不等式组:

from sympy.solvers.inequalities import *
reduce_inequalities([x <= x ** 2], [x])

\(\displaystyle \left(1 \leq x \wedge x < \infty\right) \vee \left(x \leq 0 \wedge -\infty < x\right)\)

逻辑代数

from sympy.logic.boolalg import *

合取范式:

to_cnf(~(x | y) | z)

\(\displaystyle \left(z \vee \neg x\right) \wedge \left(z \vee \neg y\right)\)

析取范式:

to_dnf(x & (y | z))

\(\displaystyle \left(x \wedge y\right) \vee \left(x \wedge z\right)\)

化简逻辑函数:

simplify_logic((~x & ~y & ~z) | ( ~x & ~y & z))

\(\displaystyle \neg x \wedge \neg y\)

from sympy.logic import *

化简最小项之和为析取范式

minterms = [0, 7]
SOPform([x, y, z], minterms)

\(\displaystyle \left(x \wedge y \wedge z\right) \vee \left(\neg x \wedge \neg y \wedge \neg z\right)\)

化简最小项之和为合取范式

minterms = [[1, 0, 1], [1, 1, 0], [1, 1, 1]]
POSform([x, y, z], minterms)

\(\displaystyle x \wedge \left(y \vee z\right)\)

化简最小项之和为析取范式(第7项任取)

minterms = [[1, 0, 1], [1, 1, 0]]
dontcares = [7]
SOPform([x, y, z], minterms, dontcares)

\(\displaystyle \left(x \wedge y\right) \vee \left(x \wedge z\right)\)

数论

from sympy.ntheory import *

阶乘:

factorial(10)

\(\displaystyle 3628800\)

分解质因数:

factorint(300)

\(\displaystyle \left\{ 2 : 2, \ 3 : 1, \ 5 : 2\right\}\)

factorint(300, visual=True)

\(\displaystyle 2^{2} \cdot 3^{1} \cdot 5^{2}\)

求欧拉函数:

totient(25)

\(\displaystyle 20\)

判断质数:

isprime(101)
True

莫比乌斯函数:

mobius(13 * 17 * 5)

\(\displaystyle -1\)

乘法逆元(模后者意义):

mod_inverse(3, 5)

\(\displaystyle 2\)

from sympy.ntheory.factor_ import *

求因子:

divisors(36)

\(\displaystyle \left[ 1, \ 2, \ 3, \ 4, \ 6, \ 9, \ 12, \ 18, \ 36\right]\)

from sympy.ntheory.modular import *

中国剩余定理解同余方程(模数需互质,前三个数为模数,后三个数为余数,返回第一个数为结果):

crt([99, 97, 95], [49, 76, 65])

\(\displaystyle \left( 639985, \ 912285\right)\)

解同余方程(模数不需互质但比中国剩余定理慢,每个元组第一个数为余数,第二个数为模数,返回第一个数为结果):

solve_congruence((2, 3), (3, 5), (2, 7))

\(\displaystyle \left( 23, \ 105\right)\)

from sympy.ntheory.residue_ntheory import *

求原根(如下2在模19意义下的所有幂占满了0到18):

primitive_root(19)

\(\displaystyle 2\)

求离散对数(如下\(7^3 mod 15 = 41\)):

discrete_log(41, 15, 7)

\(\displaystyle 3\)

Sympy常用函数总结的更多相关文章

  1. oracle常用函数及示例

    学习oracle也有一段时间了,发现oracle中的函数好多,对于做后台的程序猿来说,大把大把的时间还要学习很多其他的新东西,再把这些函数也都记住是不太现实的,所以总结了一下oracle中的一些常用函 ...

  2. 总结js常用函数和常用技巧(持续更新)

    学习和工作的过程中总结的干货,包括常用函数.常用js技巧.常用正则表达式.git笔记等.为刚接触前端的童鞋们提供一个简单的查询的途径,也以此来缅怀我的前端学习之路. PS:此文档,我会持续更新. Aj ...

  3. [转]SQL 常用函数及示例

    原文地址:http://www.cnblogs.com/canyangfeixue/archive/2013/07/21/3203588.html --SQL 基础-->常用函数 --===== ...

  4. PHP常用函数、数组方法

    常用函数:rand(); 生成随机数rand(0,50); 范围随机数时间:time(); 取当前时间戳date("Y-m-d H:i:s"); Y:年 m:月份 d:天 H:当前 ...

  5. Oracle常用函数

    前一段时间学习Oracle 时做的学习笔记,整理了一下,下面是分享的Oracle常用函数的部分笔记,以后还会分享其他部分的笔记,请大家批评指正. 1.Oracle 数据库中的to_date()函数的使 ...

  6. Thinkcmf:页面常用函数

    Thinkcmf:页面常用函数 全站seo: 文章列表: {$site_seo_title}        <!--SEO标题--> {$site_seo_keywords}   < ...

  7. matlab进阶:常用功能的实现,常用函数的说明

    常用功能的实现 获取当前脚本所在目录 current_script_dir = fileparts(mfilename('fullpath')); % 结尾不带'/' 常用函数的说明 bsxfun m ...

  8. iOS导航控制器常用函数与navigationBar常用属性

    导航控制器常用函数触发时机 当视图控制器的View将要出现时触发 - (void)viewWillAppear:(BOOL)animated 当视图控制器的View已经出现时触发 - (void)vi ...

  9. 《zw版·Halcon-delphi系列原创教程》 zw版-Halcon常用函数Top100中文速查手册

    <zw版·Halcon-delphi系列原创教程> zw版-Halcon常用函数Top100中文速查手册 Halcon函数库非常庞大,v11版有1900多个算子(函数). 这个Top版,对 ...

随机推荐

  1. sorted排序

    sorted(['bob', 'about', 'Zoo', 'Credit']) # ['Credit', 'Zoo', 'about', 'bob'] ''' 默认情况下,对字符串排序,是按照AS ...

  2. if test表达式逻辑判断不能用&&

    用&&会报错 用and 例如: <if test="age!=null and name!=null">

  3. pip超时问题解决

    阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban ...

  4. 恕我直言你可能真的不会java第3篇:Stream的Filter与谓词逻辑

    一.基础代码准备 建立一个实体类,该实体类有五个属性.下面的代码使用了lombok的注解Data.AllArgsConstructor,这样我们就不用写get.set方法和全参构造函数了.lombok ...

  5. .NET Framework、.NET Core 和 .NET 5+ 的产品生命周期

    本文整理记录了 .NET Framework..NET Core 和 .NET 各个版本的产品支持周期和操作系统兼容性. 早于 .NET Framework 2.0 和 .NET Core 2.1 的 ...

  6. 数据库事务(2)---ACID与并发问题

    事务 事务(Transaction),一般是指要做的或所做的事情.在计算机术语中是指访问并可能更新数据库中各种数据项的一个程序执行单元(unit).在计算机术语中,事务通常就是指数据库事务. 概念 一 ...

  7. 调用php命令出错

    调用php -v命令.php artisan route:list等命令均出现一下错误. MIB search path: c:/usr/share/snmp/mibsCannot find modu ...

  8. 底层剖析Python深浅拷贝

    底层剖析Python深浅拷贝 拷贝的用途 拷贝就是copy,目的在于复制出一份一模一样的数据.使用相同的算法对于产生的数据有多种截然不同的用途时就可以使用copy技术,将copy出的各种副本去做各种不 ...

  9. Spring7——开发基于注解形式的spring

    开发基于注解形式的spring SpringIOC容器的2种形式: (1)xml配置文件:applicationContext.xml; 存bean:<bean> 取bean: Appli ...

  10. keras中loss与val_loss的关系

    loss是训练集的损失值,val_loss是测试集的损失值 以下是loss与val_loss的变化反映出训练走向的规律总结: train loss 不断下降,test loss不断下降,说明网络仍在学 ...