مشتقات عددی در مهندسی برای تجزیه و تحلیل توابع ضروری هستند، زمانی که مشتقات تحلیلی دشوار است به دست آوردن کتابخانه های پایتون مانند NumPy و SciPy ابزار برای محاسبه این مشتقات به طور موثر.این مقاله توضیح می دهد که چگونه به استفاده از این کتابخانه ها برای تمایز عددی.

استفاده از NumPy برای مشتقات عددی

NumPy ارائه می دهد روش های اساسی برای مشتقات تقریبی از طریق تفاوت های محدود است. متداول ترین رویکرد استفاده از تفاوت جهت برآورد مشتق در یک نقطه است.

برای مثال، برای محاسبه ی تابع (FLT:0) [x] [x] در نقطه ای x0 [FLT3]، می توانید از آن استفاده کنید:

تابع گرادیان یک آرایه را محاسبه می کند که می تواند برای مشتقات عددی در محدوده ای از نقاط استفاده شود.

کد مثال:

[[ویرایش]

استفاده از SciPy برای انگیزه های دقیق تر

SciPy تابع (FLT:2) را برای محاسبه مشتقات در نقاط خاص با دقت بالاتر فراهم می کند، از تفاوت های محدود داخلی استفاده می کند، اما گزینه هایی برای سفارش و اندازه گام ارائه می دهد.

کد مثال:

[FLT3]

برنامه های کاربردی در مهندسی

مشتقات عددی در وظایف مهندسی مختلف، از جمله تجزیه و تحلیل حساسیت، بهینه سازی و حل معادلات مختلف استفاده می شود. محاسبات مشتق دقیق مدل سازی و شبیه سازی سیستم های فیزیکی را بهتر می کند.

انتخاب روش مناسب بستگی به دقت و منابع محاسباتی مورد نیاز دارد. NumPy برای برآورد سریع بر روی آرایه ها مناسب است، در حالی که SciPy محاسبات دقیق تری را در نقاط خاص ارائه می دهد.