Thực hành Toán cao cấp - Chương 4: Tích phân hàm số

Thực hành Toán cao cấp - Chương 4: Tích phân hàm số. Chương này cung cấp cho học viên những nội dung về: hàm linspace của numpy; giới thiệu cơ bản về lập trình hàm; tích phân của các hàm số;... Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Thực hành Toán cao cấp - Chương 4: Tích phân hàm sốBộ môn Khoa học Dữ liệuTHỰC HÀNH TOÁN CAO CẤPTÀI LIỆU PHỤC VỤ SINH VIÊN NGÀNH KHOA HỌC DỮ LIỆUNhóm biên soạn: TS. Hoàng Lê Minh – Khưu Minh Cảnh – Hoàng Thị Kiều Anh – Lê Thị NgọcHuyên – … TP.HCM – Năm 2019Thực hành Toán cao cấp - 2019 Trang 1Bộ môn Khoa học Dữ liệuMỤC LỤCCHƯƠNG 4: TÍCH PHÂN HÀM SỐ........................................................................................................... 31. Hàm linspace của numpy ...................................................................................................................... 32. Giới thiệu cơ bản về lập trình hàm........................................................................................................ 7 2.1. Hàm ẩn/vô danh lambda ............................................................................................................... 7 2.2. Ứng dụng cơ bản của hàm lambda ................................................................................................ 7 2.3. Giới thiệu cơ bản về lập trình hàm................................................................................................ 83. Tích phân của các hàm số ................................................................................................................... 10 3.1. Việc tính tích phân ...................................................................................................................... 10 3.2. Tích phân với gói phần mềm scipy ............................................................................................. 13 3.3. Tích phân với gói sympy............................................................................................................. 14 3.4. Một ví dụ về hàm mật độ xác suất .............................................................................................. 16BÀI TẬP CHƯƠNG 4 ................................................................................................................................ 19Thực hành Toán cao cấp - 2019 Trang 2Bộ môn Khoa học Dữ liệu CHƯƠNG 4: TÍCH PHÂNMục tiêu: - Sơ lược về numpy, giới thiệu thêm các tính năng của gói Anaconda, phong cách lập trình - Bổ túc cơ bản về lập trình Python: vẽ đồ thị, hàm ẩn/vô danh lambda - Giới thiệu về lập trình hàm dạng cơ bản - Tích phân của hàm số.Nội dung chính:1. Hàm linspace của numpyThư viện numpy và hàm linspace để tạo các số thực đều nhauTrong các bài trước, chúng ta đã làm quen với hàm range cho để tạo 1 khoảng đều các số tựnhiên. Và sau đó, chúng ta làm quen với việc viết bổ sung hàm (frange) hỗ trợ cho việc tạokhoảng đều số thực. Trong bài này, chúng ta sẽ sử dụng hàm của linspace của gói tính toánnumpy.Cùng với các gói sympy, scipy,…, gói numpy là một trong những gói hỗ trợ nhiều cho tính toánvà xử lý dữ liệu. Tuy vậy, khác với sympy, numpy không tập trung vào việc giải toán hình thức(công thức) mà là giải cụ thể ra các con số. Numpy còn được xem là thư viện trung gian vàchuẩn về cấu trúc dữ liệu để các thư viện xử lý như sympy, scipy tương tác dữ liệu (ma trận, dãysố, lưới, đa thức, vector, số phức… cũng như nhiều hàm xử lý). Hình ảnh về các gói xử lý khoa học dữ liệu được gói Anaconda hỗ trợThư viện numpy hỗ trợ hàm linspace để tạo ra các dãy số thực đều nhau trong một khoảng.Đầu ra của lệnh là một kiểu dữ liệu dạng array của numpy được các gói phần mềm trên hỗ trợ.Ví dụ: Để chia miền 0 đến 2 thành 10 miền (11 giá trị), chúng ta thực hiện lệnh linspace như sau:Thực hành 1: Chia khoảng dữ liệuThực hành Toán cao cấp - 2019 Trang 3Bộ môn Khoa học Dữ liệu>>> import numpy as np>>> mienchia = np.linspace(0, 2, 11)>>> mienchia……………………………………………………… sinh viên điền vào.Kết hợp linspace của numpy để vẽ các đồ thị hình sin bằng matplotlib:Thực hành 2: Vẽ các đồ thịimport numpy as npimport matplotlib.pyplot as pltfs = [1, 2, 4]all_time = np.linspace(0, 2, 200)t = all_time[:100]for f in fs: y = np.sin(2 * np.pi * f * t) plt.plot(t, y, label={} Hz.format(f))plt.legend()import osos.chdir(d:\)plt.savefig(basics_python.pdf)plt.show()Kết quả là đồ thị và tập tin pdf được xuất ra:Thực hành Toán cao cấp - 2019 Trang 4Bộ môn Khoa học Dữ liệuLưu ý: trong một số báo cáo khoa học, việc sử dụng tập tin pdf là bắt buộc do ảnh không bị vỡkhi phóng to hoặc thu nhỏ. Ngoài ra, định dạng pdf là định dạng của nhiều h ...