Table of Contents
संख्यात्मक डेरिवेटिव इंजीनियरिंग में कार्य के विश्लेषण के लिए आवश्यक हैं जब विश्लेषणात्मक डेरिवेटिव प्राप्त करना मुश्किल होता है। पायथन पुस्तकालयों जैसे कि NumPy और SciPy इन डेरिवेटिव को कुशलतापूर्वक समझने के लिए उपकरण प्रदान करते हैं। यह लेख बताता है कि कैसे इन पुस्तकालयों का उपयोग करने के लिए संख्यात्मक भेदभाव के लिए किया जाता है।
न्यूमेरिकल डेरिवेटिव्स के लिए NumPy का उपयोग करना
NumPy परिमित मतभेदों के माध्यम से व्युत्पन्न डेरिवेटिव को अनुमानित करने के लिए बुनियादी तरीकों की पेशकश करता है। सबसे आम दृष्टिकोण एक बिंदु पर व्युत्पन्न का अनुमान लगाने के लिए अंतर कोटिंट का उपयोग करना है।
उदाहरण के लिए, एक समारोह के व्युत्पन्न की गणना करने के लिए f(x)] एक बिंदु पर x0]], आप उपयोग कर सकते हैं:
]] समारोह एक सारणी के ढाल को computes, जिसका उपयोग कई बिंदुओं पर संख्यात्मक डेरिवेटिव के लिए किया जा सकता है।
उदाहरण कोड:
अधिक सटीक डेरिवेटिव के लिए SciPy का उपयोग करना
SciPy (SciPy) उच्च सटीकता के साथ विशिष्ट बिंदुओं पर डेरिवेटिव की गणना के लिए फ़ंक्शन प्रदान करता है। यह आंतरिक रूप से परिमित अंतर का उपयोग करता है लेकिन ऑर्डर और स्टेप साइज के लिए विकल्प प्रदान करता है।
उदाहरण कोड:
]]
इंजीनियरिंग में अनुप्रयोग
संख्यात्मक डेरिवेटिव का उपयोग विभिन्न इंजीनियरिंग कार्यों में किया जाता है, जिसमें संवेदनशीलता विश्लेषण, अनुकूलन और अलग-अलग समीकरणों को हल किया जाता है। सटीक व्युत्पन्न गणना भौतिक प्रणालियों के बेहतर मॉडलिंग और अनुकरण को सक्षम करती है।
उपयुक्त विधि का चयन आवश्यक सटीकता और कम्प्यूटेशनल संसाधनों पर निर्भर करता है। NumPy सरणी पर त्वरित अनुमानों के लिए उपयुक्त है, जबकि SciPy विशिष्ट बिंदुओं पर अधिक सटीक गणना प्रदान करता है।