(一)泰勒级数展开

 1 #coding=utf-8
 2 from sympy import *
 3 import math
 4
 5 #定义变量x
 6 x=Symbol("x")
 7 #定义函数f
 8 f = -0.1*x**4-0.15*x**3-0.5*x**2-0.25*x+1.2
 9
10 #求出一到四阶导为
11 d1 = diff(f,x,1)
12 d2 = diff(f,x,2)
13 d3 = diff(f,x,3)
14 d4 = diff(f,x,4)
15 print d1,d2,d3,d4
16
17
18 #将x=0代入泰勒公式求出各个多项式
19 s0 = f.subs(x,0)
20 s1 = d1.subs(x,0)
21 s2 = d2.subs(x,0)
22 s3 = d3.subs(x,0)
23 s4 = d4.subs(x,0)
24 print s0,s1,s2,s3,s4
25
26 #将各个多项式代入泰勒公式求泰勒展开式的值
27 #math.factorial() 用于求阶乘
28 x=int(raw_input("输入x求泰勒展开式的值:"))
29 #将x与导函数的值带入泰勒公式中求出结果
30 g = s0/math.factorial(0) * x**0 + s1/math.factorial(1) * x**1 + s2/math.factorial(2) * x**2 + s3/math.factorial(3) * x**3 + s4/math.factorial(4) * x**4
31 print g
时间: 2024-08-07 08:11:31

(一)泰勒级数展开的相关文章

级数展开

1.泰勒级数展开 MATLAB中提供了将函数展开为幂级数的函数为taylor. 函数:taylor 功能:将函数展开为幂级数 语法:taylor(f,n) taylor(f,v,a) 说明:函数taylor(f,n)返回f的n次幂的多项式近似,其中f表示函数;函数taylor(f,v,a)返回f关于v以点a为中心进行展开. x = sym('x'); f1 = (1+x+x^2)/(1-x+x^2); f2 = sqrt(1-2*x+x^3) - (1-3*x+x^2)^(1/3); taylo

Mathematica

Mathematica是一款科学计算软件,很好地结合了数值和符号计算引擎.图形系统.编程语言.文本系统.和与其他应用程序的高级连接.很多功能在相应领域内处于世界领先地位,它也是使用最广泛的数学软件之一.Mathematica的发布标志着现代科技计算的开始.Mathematica是世界上通用计算系统中最强大的系统.自从1988发布以来,它已经对如何在科技和其它领域运用计算机产生了深刻的影响. Mathematica和MATLAB.Maple并称为三大数学软件. 软件名称 Mathematica 开

对SVM的个人理解

对SVM的个人理解 之前以为SVM很强大很神秘,自己了解了之后发现原理并不难,不过,“大师的功力在于将idea使用数学定义它,使用物理描述它”,这一点在看SVM的数学部分的时候已经深刻的体会到了,最小二乘法.梯度下降法.拉格朗日乘子.对偶问题等等被搞的焦头烂额.在培乐园听了讲课之后才算比较清晰的了解了整个数学推导的来龙去脉. 1. 为什么一定要研究线性分类? 首先说一下为什么对数据集一定要说线性可分或线性不可分,难道不可以非线性分开吗?想要非线性分开当然可以,实际上SVM只是把原来线性不可分的数

SIFT算法研究

原创作品,允许转载,转载时请务必以超链接形式标明文章 原始出处 .作者信息和本声明.否则将追究法律责任.http://underthehood.blog.51cto.com/2531780/658350 By RaySaint 2011/09/05 1综述 结合论文[1]和Rob Hess的开源SIFT代码(发现OpenCV2.3的源码里也是用的Rob Hess的SIFT代码)对SIFT算法进行了研究,下面是小结: 在计算机视觉的领域中,图像匹配是很多问题最重要的一个方面,包括物体和场景识别,通

数据挖掘中所需的概率论与数理统计知识

http://blog.csdn.net/v_july_v/article/details/8308762 数据挖掘中所需的概率论与数理统计知识 (关键词:微积分.概率分布.期望.方差.协方差.数理统计简史.大数定律.中心极限定理.正态分布) 导言:本文从微积分相关概念,梳理到概率论与数理统计中的相关知识,但本文之压轴戏在本文第4节(彻底颠覆以前读书时大学课本灌输给你的观念,一探正态分布之神秘芳踪,知晓其前后发明历史由来),相信,每一个学过概率论与数理统计的朋友都有必要了解数理统计学简史,因为,

Mean Shift具体介绍

Mean Shift,我们 翻译为“均值飘移”.其在聚类,图像平滑.图像切割和跟踪方面得到了比較广泛的应用.因为本人眼下研究跟踪方面的东西,故此主要介绍利用Mean Shift方法进行目标跟踪,从而对MeanShift有一个比較全面的介绍. (下面某些部分转载常峰学长的“Mean Shift概述”) Mean Shift 这个概念最早是由Fukunaga等人于1975年在一篇关于概率密度梯度函数的预计(The Estimation of the Gradient of a Density Fun

MATLAB入门学习(七)

开始,线性代数和微积分了,不怕.不怕. 背命令就行了... 线性代数 解线性方程组: Ax=b A是系数矩阵,x未知数,b是列向量 如果有唯一解,直接x=b\A 第二 B=null(A,'r')求Ax=0的基础解系,B的列向量就是基础解系的列向量 C=null(A) 求出基础解系后将基础解系向量正交单位化存在C中 C=rref(A)求A的行最简形 结合之前学过的一些矩阵的命令比如rank,inv可以很好的解决线性方程组的问题. 怎么解线性方程组?先求Ax=0的基础解系,然后找Ax=b的一个特解.

Matlab 符号运算

root(p):多项式求根.多项式等于0时对应方程的根. 例:,则输入p=[5 4 3 2 1]; root(p) 注:多项式系数都是按幂指数递减形式的. poly([a,b,c]):求已知根为a,b,c所对应的多项式. 例:>>P1=ploy([2,3,4]) P1= 1 -9 26 -24 %即所求多项式为 可以看出,root 和ploy互为逆运算. 注:ploy也可以求特征根.ploy(X):即求矩阵X的特征根. ployval(p,a):输出指定点x=a时的多项式值. conv(p,q

优化器--牛顿法总结

---这里记录下一些关于牛顿法来作为优化器的个人笔记 :) 关于牛顿法,先不说其中的概念,来简单看一个例子? 不用计算器,如何手动开一个值的平方根,比如计算{sqrt(a) | a=4 } ? 不用程序和代码如何求? ----比较简单有木有,直接上用公式来套就好了. xt = ( xt-1 + ( a / xt-1 ) ) / 2 我们看 sqrt(4) 这个值的区间在1<=sqrt(4)<=4里,写成这种形式吧[1,4],我们令x0 = 1, x = ( 1 + (4/1))/2 = 5/2