Có thư viện nào có sẵn để có nghịch đảo của một chức năng không? Để cụ thể hơn, được đưa ra một hàm y=f[x]
và tên miền, có thư viện nào có thể xuất x=f[y]
không? Đáng buồn thay, tôi không thể sử dụng MATLAB/Toán học trong ứng dụng của mình, tìm kiếm thư viện C/Python ..
Đã hỏi ngày 4 tháng 3 năm 2013 lúc 11:32Mar 4, 2013 at 11:32
username_4567username_4567username_4567
4.64511 Huy hiệu vàng54 Huy hiệu bạc91 Huy hiệu Đồng11 gold badges54 silver badges91 bronze badges
5
Tôi hơi muộn, nhưng đối với những độc giả trong tương lai của bài đăng, tôi vừa xuất bản một gói Python làm điều này một cách chính xác. //pypi.python.org/pypi/pynverse Có một mô tả chi tiết về cách sử dụng nó và cách nó thực hiện trong mô tả!
Đã trả lời ngày 30 tháng 10 năm 2016 lúc 23:51Oct 30, 2016 at 23:51
1
Như đã được đề cập, không phải tất cả các chức năng đều không thể đảo ngược. Trong một số trường hợp áp đặt các ràng buộc bổ sung giúp: suy nghĩ về nghịch đảo của sin[x]
.
Một khi bạn chắc chắn rằng chức năng của bạn có nghịch đảo duy nhất, hãy giải phương trình f[x] = y
. Giải pháp cung cấp cho bạn nghịch đảo, y[x]
.
Trong Python, hãy tìm người giải quyết phi tuyến từ
0.from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Đã trả lời ngày 4 tháng 3 năm 2013 lúc 11:54Mar 4, 2013 at 11:54
ev-brev-brev-br
23.9k9 Huy hiệu vàng61 Huy hiệu bạc76 Huy hiệu Đồng9 gold badges61 silver badges76 bronze badges
Tìm nghịch đảo của một chức năng.
Đầu tiên, thay thế f [x] bằng y. ....
Thay thế mọi x bằng y và thay thế mọi y bằng x ..
Giải phương trình từ bước 2 cho y. .... How to numerically compute the inverse function in python using scipy ?Thay thế y bằng f - 1 [x] f - 1 [x]. ....
Xác minh công việc của bạn bằng cách kiểm tra rằng [f∘f 1] [x] = x [f ∘ f - 1] [x] = x và [f 1∘f] [x] = x [f - 1 ∘ f] [x] = x đều đúng ..
Làm thế nào để bạn tìm thấy nghịch đảo của một hàm? Để tìm nghịch đảo của một hàm, hãy viết hàm y làm hàm của x i.e. y = f [x] và sau đó giải x là hàm của y.
- Ví dụ về cách tính toán hàm nghịch đảo trong Python bằng SCIPY:
- Xác định một chức năng đơn giản
Tìm nghịch đảo của một chức năng.
Đầu tiên, thay thế f [x] bằng y. ....
Thay thế mọi x bằng y và thay thế mọi y bằng x ..
Tìm nghịch đảo của một chức năng.
Đầu tiên, thay thế f [x] bằng y. ....
Thay thế mọi x bằng y và thay thế mọi y bằng x ..
Giải phương trình từ bước 2 cho y. ....function is used to Compute the bit-wise Inversion of an array element-wise. It computes the bit-wise NOT of the underlying binary representation of the integers in the input arrays.
Thay thế y bằng f - 1 [x] f - 1 [x]. ....
Xác minh công việc của bạn bằng cách kiểm tra rằng [f∘f 1] [x] = x [f ∘ f - 1] [x] = x và [f 1∘f] [x] = x [f - 1 ∘ f] [x] = x đều đúng .. numpy.invert[x, /, out=None, *, where=True, casting=’same_kind’, order=’K’, dtype=None, ufunc ‘invert’]
Làm thế nào để bạn nghịch đảo một chức năng?
x : [array_like] Input array.
out : [ndarray, optional] A location into which the result is stored. If provided, it must have a shape that the inputs broadcast to. If not provided or None, a freshly-allocated array is returned.
**kwargs : Allows you to pass keyword variable length of argument to a function. It is used when we want to handle named argument in a function.
where : [array_like, optional] True value means to calculate the universal functions[ufunc] at that position, False value means to leave the value in the output alone.Trả về: [ndarray hoặc vô hướng] kết quả. Đây là vô hướng nếu X là vô hướng. [ndarray or scalar] Result. This is a scalar if x is scalar.
Mã số 1: Làm việc
1from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
2from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
3from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
5from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
8from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
9from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -110
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -112
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -115
Input number : 10 inversion of 10 : -116
Đầu ra:
Input number : 10 inversion of 10 : -11
& nbsp; mã số 2:
Code
#2 :
1from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
2from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
3from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
5from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
8from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
9from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -110
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -112
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -115
Input number : 10 inversion of 10 : -116
Đầu ra:
Input array : [2, 0, 25] Output array after inversion: [ -3 -1 -26]
& nbsp; mã số 2:
Code #3 :
1from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
2from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
3from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
5from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
8from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
9from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -110
4from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -112
6from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
7from scipy.optimize import minimize
x = np.arange[np.min[y],np.max[y],0.1]
y = np.zeros[x.shape]
def diff[x,a]:
yt = function[x]
return [yt - a ]**2
for idx,x_value in enumerate[x]:
res = minimize[diff, 1.0, args=[x_value], method='Nelder-Mead', tol=1e-6]
y[idx] = res.x[0]
fig = figure[num=None, figsize=[12, 10], dpi=80, facecolor='w', edgecolor='k']
plt.plot[x,y]
plt.title[r'$f^{-1}[x]$']
plt.xlabel['x']
plt.ylabel['y']
plt.savefig["function_inverse.png", bbox_inches='tight']
plt.show[]
Input number : 10 inversion of 10 : -115
Input number : 10 inversion of 10 : -116
Đầu ra:
Input array : [True, False] Output array after inversion: [False True]