SAGE das ultimative open source Computer-Algebra-System

Transkript

1 das ultimative open source Computer-Algebra-System Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB IIA-Kolloquium, , ZIMT

2 Agenda 1 für Computer Algebra Systeme 2 = System for Algebraic & Geometric Experimentation 3 = (Symbolic) Calculus Gewöhnliche Differentialgleichungen IVP 7 Gewöhnliche Differentialgleichungen BVP 8 Programmierung 9 10 ausprobieren!

3 für CASs in Forschung & Lehre CASe als Werkzeuge zum Problem-Lösen: kennenlernen, nutzen, lösen CASe als Werkzeug zur Untersuchung von Algorithmen: implementieren, analysieren, Leistung messen CASe helfen, Mathematik zu verstehen: visualisieren, animieren, Konzepte illustrieren/verifizieren CASe zu untersuchen, deckt die Mathematik dahinter auf: untersuchen, erweitern, vergleichen relevante Eigenschaften von CASen = Leistung/Potential CAS für Forschung & Lehre Gebrauchswert CAS ist intuitiv und Problem-Orientiert. Verfügbarkeit CAS ist unmittelbar verfügbar bzw. einfach zu installieren.

4 Ähnlichkeiten = System for Algebraic and Geometric experimentation vs MATLAB oder Octave&GinaC resp. beide CASe (incl. Symbolic Math Toolbox) command line, programmierbar, problem orientiert, erweiterbar gemeinsame Merkmale: graphics, workspaces, interpretiert, precompiled, object orientation etc Differenzen local implementation & web interface Python viele predefined data types objects modules open source MATLAB local implementation & kostenpflichtiger mcc m-files wenig predefined data types handles toolboxes proprietary/open source

5 (Symbolic) Calculus: Visualisierung plot(sin(x)) plot(sin(x),-3,3) p=plot(sin(x),-3,3, \ color='red'); q=plot(cos(x),-3,3, \ color='blue'); show(p+q); ezplot('sin(x)') ezplot('sin(x)',-3,3) hdl=ezplot('sin(x)',-3,3); set(hdl,'color','r'); hold on; hdl=ezplot('cos(x)',-3,3); set(hdl,'color','b'); hold off; plot(1/x,detect_poles=true) ezplot('1/x',-1,1)

6 Differentiation und Integration diff(sin(x)/x,x) integral(x*sin(x),x) diff(sin(x)/x,x) int(x*sin(x),x) integral(exp(-x 2/2),x,0,1) int(exp(-x 2/2),x,0,1) selbstverständlich auch mit numerischer Auswertung, z.b. N(integral(sin(x)/x,x,0,1)) N(int(sin(x)/x,x,0,1))

7 Gleichungen symbolisch lösen z.b. lineare Gleichungen (Gleichungssysteme) vrs=var('a b c d e f x y'); solve([ \ a*x+b*y==c, \ d*x+e*y==f],x,y) z.b. nicht-lineare Gleichungen syms a b c d e f x y; [x y] = solve(... 'a*x+b*y-c',... 'd*x+e*y-f',x,y) vars=var('a b c d x'); solve( \ a*x 3+b*x 2+c*x+d==0,x) syms a b c d x; solve(... 'a*x 3+b*x 2+c*x+d') z.b. Differentialgleichungen t = var('t'); x = function('x',t); desolve(diff(x,t)+x==1,[x,t]) % t is independent % var by default dsolve('dx+x=1')

8 Lineare Algebra Vektoren & Matrizen pnts = [(random(),random())\ for _ in range(5)]; p = line(pnts); c = cos(pi/4); s = sin(pi/4); R=N(matrix([[c,s],[-s,c]])); pnts = matrix(pnts)*r; q=line([(pnts[i,0],pnts[i,1])\ for i in range(5)],\ color='red'); (p+q).show() plgn = rand(2,5); plot(plgn(1,:),... plgn(2,:)); hold on; c=cos(pi/4); s=sin(pi/4); R = [c s;-s c]; plgn = R*plgn; plot(plgn(1,:),... plgn(2,:),'r'); hold off;

9 lineare Gleichungen vars = var('a,b,c,d,e,f'); A = matrix([[a,b],[c,d]]); b = vector([e,f]); A\b oder auch symbolisch A = matrix([[1,2,3], \ [3,2,1],[1,1,1]]); b =vector([0,-4,-1]); A\b Eigenwerte & Eigenvektoren syms a b c d e f; A = [a b;c d]; b = [e;f]; A\b A = sym([1,2,3;... 3,2,1;1,1,1]); b =sym([0;-4;-1]); A\b A = Matrix([[1,2,3], \ [3,2,1],[1,1,1]]); A.eigenvalues(); # or A.eigenvectors_right(); A = sym([1,2,3;... 3,2,1;1,1,1]); eig(a) % or [V,D] = eig(a);

10 beide CASe basieren auf BLAS oder LAPACK Routinen! lineare Gleichungen per Zerlegung lösen: LU, Cholesky, Schur, SVD least squares, Eigenwerte & Eigenvektoren nicht-lineare Gleichungen lösen Quadratur, einfach/doppelt/dreifach gewöhnliche Differentialgleichungen lösen x = var('x'); find_root( \ cos(x)==sin(x),0,pi/2) % x0 is start guess % or start intervall x0)

11 Gewöhnliche Differentialgleichungen Anfangswertprobleme, IVP ( ) Volterra-Lottka IVP Model y y1 (a by = 2 ) für y 2 ( c + dy 1 ) t [0, 25] und für zwei Populationen y 1 (t) und y 2 (t). # initialize # a,b,c,d,y0[0],y0[1] def odefun(y,t): return [ \ y[0]*(a-b*y[1]), \ y[1]*(-c+d*y[0])]; t = srange(0,25,0.01); y = odeint(odefun,y0,t) % initialize % a,b,c,d,y0(1),y0(2) function fvl = odef(t,y) fvl=[y(1)*(a-b*y(2));... end y(2)*(-c+d*y(1))]; tspan = [0 25]; [t y_ode45] =... ode45(@odef,tspan,y0);

12 Gewöhnliche Differentialgleichungen Randwertprobleme, BVP Etwa das BVP u + 2u + u = 0 für 0 x ( π 2 mit ) u(0) = 3, u( π ) = 2 2 ist äquivalent zu y y = 2. 2y 2 y 1 vars = var('x'); de = diff(y,x,2)+ \ 2*diff(y,x)+y==0; sln = desolve(de, \ y,[0,3,pi/2,2]); plot(sln(x),(x,0,pi/2)); # there are packages # like the numerical # scikits.bvp_solver # also... f [y(2);... -y(2)-y(1)]; g yb(1)-2]; x = linspace(0,pi/2,10)'; yguess=@(x)[3-2*x/pi;... -2/pi]; init = bvpinit(x,yguess); sln = bvp4c(f,g,init); xp = 0:0.01:pi/2; plot(xp,deval(sln,xp,1));

13 Programmierung Animation anmt = animate( \ [point([ \ 2*sin(pi/8*cos(t)),\ 2*(1-cos(pi/8*cos(t)))])\ for t in \ srange(0,11,0.1)],\ xmin=-1,xmax=1, \ ymin=0,ymax=2) anmt.show() plot([-2,2,0,0],... [0,0,0,2],'k'); hold on; h=plot(0,0,'.k'); while true set(h,'xdata',... 2*sin(pi/8*cos(t))); set(h,'ydata', *cos(pi/8*cos(t))); drawnow; end; hold off;

14 def NN(a=(0,2), \ b=1, c=[0,2,4]): p=plot( \ a*x 2+b*x+c,\ -2,2); p.show(); % begin code snippet a = get(ha,'value'); b=double(get(hb,'string')); c = get(hc,'value'); f a*x. 2+b*x+c; ezplot(f); % end code snippet

15 Ein ist schwierig [14]. symbolic engines x=var('x'); bool(x<x+1) syms x; expr = (x<x+1) returns True während MATLABs Symbolic Math Toolbox mit Maple kernel Undefined function or method 'lt' for input arguments of type 'sym' vars=var('a b'); expr= \ sqrt(a*b)-sqrt(a)*sqrt(b); expr.simplify_full() syms a b; expr =... beklagt. sqrt(a*b)-sqrt(a)*sqrt(b); simple(expr) simplify(expr) gibt 0 zurück während MATLABs simple und simplify den originalen Ausdruck expr unverändert zurückgeben. NB MuPad diskrete Mathematik s Stärke ist diskrete Mathematik [13]: Polynom-Ringe, Gruppen, elliptische Kurven, usw. unterstützt daher Anwendungen in Kombinatorik, Kryptographie, Kodierung, Graphentheorie usw. MATLAB bietet m.w. kein Äquivalent!

16 ausprobieren! erlaubt, Probleme in vielen Gebieten der Mathematik anzugehen, solche Probleme numerisch und symbolisch zu lösen, und darüberhinaus auf spezialisierte CASe zuzugreifen. kann unmittelbar benutzt werden, ohne software installieren zu müssen, ( server sind etwa oder Lizenz-frei, mit Unterstützung durch eine rege user community. auszuprobieren, zeigt das große Potential von!

17 Referenzen I [1] J. W. Eaton: GNU Octave Manual; Network Theory Ltd 2002, ISBN [2] GiNaC is Not a CAS; [3] David Joyner: Rantings on open source mathematical programs; University of Washington, wdj/sigsam/opensource_math2.html [4] Jan Kiusalaas: Numerical Methods in Engineering with Python; Cambridge University Press, 2010 [5] MATLAB, the Language of Technical Computing; [6] NumPy/SciPy for Matlab Users; [7] Octave;

18 Referenzen II [8] Open source mathematics; [9] home page; [10] web interface login page; and [11] tour & benchmarks; [12] reference; [13] :, ein open source CAS vor allem für die diskrete Mathematik? 8. Workshop Mathe für Ingenieure, Wismar, [14] Michael Wester: A Review of CAS Mathematical Capabilities; in Luis A. Godoy, Sergio R. Idelsohn, Patricio A. A. Laura and Dean T. Mook (Eds): Applied Mechanics in the Americas, Volume III, American Academy of Mechanics and Asociacion Argentina de Mecanica Computacional, Santa Fe, Argentina, 1995, s.a. wester/cas_review.html