本篇文章为大家展示了怎么在Python中使用SymPy求极值，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
python主要应用领域有哪些
1、云计算，典型应用OpenStack。2、WEB前端开发，众多大型网站均为Python开发。3.人工智能应用，基于大数据分析和深度学习而发展出来的人工智能本质上已经无法离开python。4、系统运维工程项目，自动化运维的标配就是python+Django/flask。5、金融理财分析，量化交易，金融分析。6、大数据分析。
1、求极限、求导、求偏导以及带值求导
import sympy#求极限#设置符号变量Symbol只能创建一个变量 symbols 可一次定义多个变量x1,x2,x3,x4=sympy.symbols('x1,x2,x3,x4')#创建函数建立方程式def F(t): return sympy.sin(t)/tdef N(t): return (x1**3+3*x1**2+1)/(4*x1**3+2*+3)#调用limit求极限limF=sympy.limit(F(x1),x1,0)limN=sympy.limit(N(x1),x1,sympy.oo)print("x1趋于0的极限为{}".format(limF))print("x1趋于0的极限为{}".format(limN))#求导#创建求导函数def S(t): return sympy.sec(t) #正割def S1(x): return 2*x**4+2#调用diff函数求导s=sympy.diff(S(x1),x1).subs(x1,1) #subs 带值求导print('S在1处的导数为{}'.format(s))#求多阶导数 2阶s1=sympy.diff(S1(x1),x1,2)#带值计算print("S1的二阶导数{} 带入值2计算为{}".format(s1,s1.subs(x1,2)))#建立求偏导函数def PD(x,y,z): return sympy.sin(x+pow(y,2)-sympy.exp(z))#对x求偏导x=sympy.diff(PD(x1,x2,x3),x1)# print(x.subs(x1,2))#对y求偏导y=sympy.diff(PD(x1,x2,x3),x2)#对z求偏导z=sympy.diff(PD(x1,x2,x3),x3,2)print("x的偏导为{}\ny的偏导为{}\nz的二次偏导为{}".format(x,y,z))片2、建立极限表达式
不求其极限，只需要表达式。也就是说是一个未计算(评估)的极限，是一个极限表达式。
from sympy import Limit, sin, Symbolfrom sympy.abc import xLimit(sin(x)/x, x, 0) # 这是一个极限表达式，不执行计算Limit(1/x, x, 0, dir='-') # 这也是一个极限表达式，不执行计算上述内容就是怎么在Python中使用SymPy求极值，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注编程网行业资讯频道。
