Implementering av Partielle Deriverte i Python
I denne videoen lærer du hvordan du kan beregne partielle deriverte av funksjoner med flere variabler ved hjelp av Python. De er essensielle innen optimalisering, maskinlæring og datavitenskap for å analysere hvordan en funksjon endrer seg med hensyn til én variabel mens de andre holdes konstante.
1. Definere en funksjon med flere variabler
x, y = sp.symbols('x y')
f = 4*x**3*y + 5*y**2
- Her definerer vi x og y som symbolske variabler;
- Deretter definerer vi funksjonen f(x,y)=4x3y+5y2.
2. Beregning av partielle deriverte
df_dx = sp.diff(f, x)
df_dy = sp.diff(f, y)
sp.diff(f, x)
beregner ∂x∂f mens y behandles som en konstant;sp.diff(f, y)
beregner ∂y∂f mens x behandles som en konstant.
3. Evaluering av partiellderivert i (x=1, y=2)
df_dx_val = df_dx.subs({x: 1, y: 2})
df_dy_val = df_dy.subs({x: 1, y: 2})
- Funksjonen
.subs({x: 1, y: 2})
erstatter x=1 og y=2 i de utregnede derivatene; - Dette gjør det mulig å numerisk evaluere derivatene i et spesifikt punkt.
4. Utskrift av resultater
Vi skriver ut den opprinnelige funksjonen, dens partiellderivert, og deres evalueringer i (1,2).
12345678910111213141516import sympy as sp x, y = sp.symbols('x y') f = 4*x**3*y + 5*y**2 df_dx = sp.diff(f, x) df_dy = sp.diff(f, y) df_dx_val = df_dx.subs({x: 1, y: 2}) df_dy_val = df_dy.subs({x: 1, y: 2}) print("Function: f(x, y) =", f) print("∂f/∂x =", df_dx) print("∂f/∂y =", df_dy) print("∂f/∂x at (1,2) =", df_dx_val) print("∂f/∂y at (1,2) =", df_dy_val)
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Can you explain what a partial derivative is in simple terms?
What is the output of the code when evaluated at (x=1, y=2)?
How can I practice more problems like this?
Awesome!
Completion rate improved to 1.96
Implementering av Partielle Deriverte i Python
Sveip for å vise menyen
I denne videoen lærer du hvordan du kan beregne partielle deriverte av funksjoner med flere variabler ved hjelp av Python. De er essensielle innen optimalisering, maskinlæring og datavitenskap for å analysere hvordan en funksjon endrer seg med hensyn til én variabel mens de andre holdes konstante.
1. Definere en funksjon med flere variabler
x, y = sp.symbols('x y')
f = 4*x**3*y + 5*y**2
- Her definerer vi x og y som symbolske variabler;
- Deretter definerer vi funksjonen f(x,y)=4x3y+5y2.
2. Beregning av partielle deriverte
df_dx = sp.diff(f, x)
df_dy = sp.diff(f, y)
sp.diff(f, x)
beregner ∂x∂f mens y behandles som en konstant;sp.diff(f, y)
beregner ∂y∂f mens x behandles som en konstant.
3. Evaluering av partiellderivert i (x=1, y=2)
df_dx_val = df_dx.subs({x: 1, y: 2})
df_dy_val = df_dy.subs({x: 1, y: 2})
- Funksjonen
.subs({x: 1, y: 2})
erstatter x=1 og y=2 i de utregnede derivatene; - Dette gjør det mulig å numerisk evaluere derivatene i et spesifikt punkt.
4. Utskrift av resultater
Vi skriver ut den opprinnelige funksjonen, dens partiellderivert, og deres evalueringer i (1,2).
12345678910111213141516import sympy as sp x, y = sp.symbols('x y') f = 4*x**3*y + 5*y**2 df_dx = sp.diff(f, x) df_dy = sp.diff(f, y) df_dx_val = df_dx.subs({x: 1, y: 2}) df_dy_val = df_dy.subs({x: 1, y: 2}) print("Function: f(x, y) =", f) print("∂f/∂x =", df_dx) print("∂f/∂y =", df_dy) print("∂f/∂x at (1,2) =", df_dx_val) print("∂f/∂y at (1,2) =", df_dy_val)
Takk for tilbakemeldingene dine!