Derivatif numerik arikotik sangat penting dalam rekayasa untuk menganalisis fungsi ketika turunan analitik sulit diperoleh. Pustaka Python seperti NumPy dan SciPy menyediakan alat untuk menghitung turunan ini secara efisien. Artikel ini menjelaskan bagaimana menggunakan pustaka ini untuk diferensiasi numerik.

Bahasa NumPy untuk Derivatif Angka

NumPy menawarkan metode dasar untuk memperkirakan derivatif melalui perbedaan terbatas.Aturan yang paling umum adalah menggunakan perbedaan kuantien untuk memperkirakan turunan pada satu titik.

Misalnya, untuk menghitung turunan dari sebuah fungsi f(x)[ at a point x0, anda dapat menggunakan:

Fungsi tools[eFLT:0]] menghitung gradien suatu array, yang dapat digunakan untuk derivatif numerik di atas rentang titik.

Kode Contoh sebol:

Menggunakan Siin untuk Lebih Banyak Derivatif yang Akurat

BAHASA GIPY menyediakan fungsi untuk menghitung derivatif pada titik spesifik dengan akurasi yang lebih tinggi.Ia menggunakan perbedaan terbatas secara internal tetapi menawarkan pilihan untuk urutan dan ukuran langkah.

Kode Contoh sebol:

Aplikasi Aplikasi Aplikasi Aplikasi Aplikasi dalam Rekayasa

Derivatif numerik digunakan dalam berbagai tugas teknik, termasuk analisis sensitivitas, optimasi, dan pemecahan persamaan diferensial. Perhitungan turunan akurat memungkinkan pemodelan dan simulasi sistem fisik yang lebih baik.

NumPy cocok untuk perkiraan cepat atas array, sementara SciPy menawarkan perhitungan yang lebih tepat pada poin tertentu.