今天要介紹的是關于使用Python演算衍生品速查表的內(nèi)容。實際上是對微積分可以做的事情進行冷卻的先驅，這些微積分可以用于空空導彈中的追蹤曲線和火箭發(fā)射方程。讓我們重溫一些您很久沒有接觸過的演算主題，并使用Python復習一下，并復習所使用的常見派生和規(guī)則。

本教程旨在作為微積分教程，但是您不會使用需要API的在線計算器，例如Wolfram-Alpha。如果您想編寫自己的代碼，或者只是輕松進行計算，也很有用。這也是檢查手工計算是否正確的好方法。我將以最簡單的方式遍歷差異化規(guī)則，并提供可以使用python執(zhí)行的示例。

　　本節(jié)介紹如何安裝SymPy以及完成以下步驟：

1.功率規(guī)則

2.產(chǎn)品規(guī)則

3.商法則

4.鏈式規(guī)則

5.指數(shù)

6.偏導數(shù)

我將使用拉格朗日的導數(shù)表示法，例如盡管使用Leibniz表示法（d/dx）更常見，但在Python中運行微分方程時感覺并不自然。

　　使用SymPy

這篇文章將使用 SymPy，這是一個Python庫。也可以使用SciPy庫，但是SymPy以易于閱讀的方式打印輸出，并且在掌握差異化和集成性方面更有用。

要安裝它，請打開終端并運行以下命令：

pip install sympy

我強烈建議在Anaconda 發(fā)行版隨附的新Jupyter Notebook中編寫python代碼。

　　區(qū)分規(guī)則

　　我將首先介紹一些差異化規(guī)則，作為您很久以前可能已忘記的一些微積分主題的快速入門。

　　權力規(guī)則

如果您曾經(jīng)參加過微積分課程，那是不言而喻的。因此，讓我們以一個簡單的示例為例，并逐步進行操作;

這是一個很好的示例，可以使用SymPy庫進行測試。要在python中實現(xiàn)此功能，請首先導入該庫，然后聲明要在函數(shù)中使用的變量。以下代碼段顯示了如何聲明單個變量函數(shù)：

import sympy as sp

x=sp.Symbol('x')

最后一步是通過運行以下代碼來獲得派生：

sp.diff(x**3)

哪個輸出：

您會注意到輸出方程式的打印格式很好。如果要獲得二階微分f''(x)，則只需將x兩次包含在：

diff

命令：

sp.diff(x**3,x,x)

其中6x是二階微分，或以手寫方式放置：

　　產(chǎn)品規(guī)則

在python中運行此命令將為您提供以下信息：

sp.diff(sp.sin(x)*(2*x**2+2))

　　商法則

商規(guī)則有助于我們有效地找到一個函數(shù)除以另一個函數(shù)的導數(shù)，這就是我們在Python中執(zhí)行此操作時的樣子：

sp.diff((sp.sin(x))/x)

手動嘗試，然后在python中運行。

商規(guī)則與乘積規(guī)則非常相似，不同之處在于將加號更改為負號，以及除以g(x)^ 2 步的額外步驟。

　　連鎖規(guī)則

如前所述，我選擇使用Langrangian符號來遵循這些規(guī)則。由于某種原因，鏈式規(guī)則變得過于復雜。

因此，讓我們手動看一個例子：

內(nèi)函數(shù)g(?)為?^ 2 +1 ，當微分為2?時。外部函數(shù)f(?)是(stuff)^ 7，當微分時變?yōu)? *(stuff)^ 6。

使用鏈式規(guī)則公式時，這很簡單。這是在python中運行時的樣子：

sp.diff((x**2+1)**7)

有關鏈式規(guī)則的更深入說明，請查看Aaron Schlegel在“ 鏈式規(guī)則”上的文章。

　　指數(shù)導數(shù)

并且使用鏈式規(guī)則，同時給出e的g(x)指數(shù)，

讓我們來看一個簡單的代碼如下所示：

sp.diff(sp.exp(3*x))

這涵蓋了您在微積分課程中要記住的所有微分規(guī)則。綜上所述讓我們看一下偏導數(shù)：

　　那偏導數(shù)呢？

偏微分方程(PDE)與到目前為止所見的常微分方程不同，因為PDE包含多變量函數(shù)。不同之處在于您一次獲取一個變量的導數(shù)。讓我們從兩個變量函數(shù)開始，找到它們的偏導數(shù)：

現(xiàn)在，您可能會問我如何在Python中執(zhí)行此操作?第一步是像這樣聲明變量

x,y=sp.symbols('x y')

f=x**4*y

在上面，我已將函數(shù)分配為變量，以免每次取導數(shù)時都不會重寫此變量。

取關于x的偏導數(shù)：

sp.diff(f,x)

并取關于y的偏導數(shù)：

sp.diff(f,y)

您還可以在同一行代碼中一個接一個地對多個變量求導數(shù)：

sp.diff(f,x,y)

另一個具有3個變量功能的示例

x,y,z=sp.symbols('x y z')

f=x**3*y*z**2

現(xiàn)在剩下的部分和以前一樣：

sp.diff(f,x)

sp.diff(f,y)

sp.diff(f,z)

在衍生工具方面就差不多了。但是這些并不是在Python代碼中有用的實際函數(shù)，這更多是一項家庭作業(yè)。實際上將其放在Python代碼中！

如果我無法插入數(shù)字，那么在Python代碼中計算微分方程有什么意義？SymPy為我們提供了執(zhí)行此操作的功能！這個非常方便的功能稱為 Lambdify，用數(shù)字代替放置符號的位置。

讓我們做一個簡單的例子：

f=2*x**3+4*x

f_prime=sp.diff(f)

f_prime

所以我設置了f_prime，但是我想用數(shù)字2代替

f_prime=sp.lambdify(x,f_prime)

f_prime(2)

>> 28

那里有，讓我們再舉一個使用多個符號變量的示例

f=x**3*y*z**2

F=sp.lambdify([x,y,z],f)

F(1,2,3)

>> 18

有了這個，現(xiàn)在有了一個python庫，用于查找導數(shù)并將其轉換為函數(shù)。

通過上述介紹，如何使用Python演算衍生品速查表大家已經(jīng)清楚了吧，想了解更多關于Python的信息，請繼續(xù)關注中培偉業(yè)。