极限的性质【下】《用Manim可视化》

2024-08-31 11:52
文章标签 可视化 极限 性质 manim

本文主要是介绍极限的性质【下】《用Manim可视化》,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

通过前面的极限的定义,现在是计算极限的时候了。然而,在此之前,我们需要一些极限的性质,这将使我们的工作变得简单一些。我们先来看看这些。

接下来的例子中f(x)=x^2-1

极限的性质:

6.幂函数的极限

\mathop {\lim }\limits_{x \to a} {\left[ {f\left( x \right)} \right]^n} = {\left[ {\mathop {\lim }\limits_{x \to a} f\left( x \right)} \right]^n},\,\,\,\,{\mbox{where }}n{\mbox{ is any real number}}

 在这个性质n中可以是任何实数(正数、负数、整数、分数、无理数、零等)。

例如,考虑的情况n=2。

对于任意整数n都可以这样做。

接下来我们实现一下该性质:

示例代码:

from manim import *  class LimitPowerPropertyVisualization(Scene):  def construct(self):  # 创建坐标轴  axes = Axes(  x_range=[-1, 4, 1],  y_range=[-1, 40, 5],  axis_config={"color": BLUE},  )  # 定义函数 f(x)  def f(x):  return x**2 - 1  # 定义常量 a 和 n  a = 2  # 所考察的点  n = 3  # 实数 n  # 创建图形  f_graph = axes.plot(f, color=YELLOW, x_range=[-3, 3])  # 计算极限值  limit_f_a = f(a)  limit_power_a = limit_f_a ** n  # 创建幂函数的图形  power_graph = axes.plot(lambda x: f(x) ** n, color=GREEN, x_range=[-3, 3])  # 创建极限点  limit_dot_f = Dot(axes.c2p(a, limit_f_a), color=YELLOW)  limit_dot_power = Dot(axes.c2p(a, limit_power_a), color=GREEN)  # 创建极限值注释  limit_text_f = MathTex(r"\lim_{x \to a} f(x) = ", limit_f_a).next_to(limit_dot_f, RIGHT)  limit_text_power = MathTex(r"\lim_{x \to a} \left(f(x)\right)^n = ", limit_power_a).next_to(limit_dot_power, RIGHT)  # 添加所有元素  self.play(Create(axes), Create(f_graph))  self.play(Create(power_graph))  self.play(Create(limit_dot_f), Create(limit_dot_power))  self.play(Write(limit_text_f), Write(limit_text_power))  # 等待展示  self.wait(2)  # 高亮极限点  self.play(limit_dot_f.animate.set_color(ORANGE), limit_dot_power.animate.set_color(ORANGE))  self.wait(2)  # 淡出所有元素  self.play(FadeOut(axes), FadeOut(f_graph), FadeOut(power_graph),  FadeOut(limit_dot_f), FadeOut(limit_dot_power),  FadeOut(limit_text_f), FadeOut(limit_text_power))

代码解释:

  1. 导入库:使用Manim库进行动画生成。
  2. 创建类:定义类LimitPowerPropertyVisualization,继承自Scene,表示一个动画场景。
  3. 构建坐标轴:创建x和y的坐标轴,设置适当的范围。
  4. 定义函数:定义 f(x)=x2−1f(x)=x2−1。
  5. 定义常量:设置考察点 a=1a=1 和实数 n=3n=3。
  6. 绘制图形:绘制函数 f(x)f(x) 和其幂函数 f(x)nf(x)n。
  7. 计算极限值:在点 aa 处计算极限值,并计算其幂。
  8. 创建极限点:在图上标记出函数的极限值和幂函数的极限值。
  9. 添加注释:为极限值添加文本注释,显示各自的极限值。
  10. 动画效果:逐步展示所有图形、极限点和注释,以便观众理解极限的性质。
  11. 高亮显示:在等待一段时间后,将极限点高亮显示,最后淡出所有元素。

 7.函数,

\mathop {\lim }\limits_{x \to a} \left[ {\sqrt[n]{​{f\left( x \right)}}} \right] = \sqrt[n]{​{\mathop {\lim }\limits_{x \to a} f\left( x \right)}}

这只是上一个例子的一个特例

 

通过可视化我们得到下面的图像:

 示例代码:

from manim import *  class LimitRootPropertyVisualization(Scene):  def construct(self):  # 创建坐标轴  axes = Axes(  x_range=[-1, 8, 1],  y_range=[-1, 8, 1],  axis_config={"color": BLUE},  )  # 定义函数 f(x)  def f(x):  return x**2 - 1  # 定义常量 a 和 n  a = 3  # 所考察的点  n = 3  # 实数 n  # 创建图形  f_graph = axes.plot(f, color=YELLOW, x_range=[1.02, 8])  # 计算极限值  limit_f_a = f(a)  limit_root_a = limit_f_a ** (1/n)  # 创建平方根函数的图形  root_graph = axes.plot(lambda x: f(x) ** (1/n), color=GREEN, x_range=[1.05,8])  # 创建极限点  limit_dot_f = Dot(axes.c2p(a, limit_f_a), color=YELLOW)  limit_dot_root = Dot(axes.c2p(a, limit_root_a), color=GREEN)  # 创建极限值注释  limit_text_f = MathTex(r"\lim_{x \to a} f(x) = ", limit_f_a).next_to(limit_dot_f, RIGHT)  limit_text_root = MathTex(r"\lim_{x \to a} \sqrt[n]{f(x)} = ", limit_root_a).next_to(limit_dot_root, RIGHT)  # 添加所有元素  self.play(Create(axes), Create(f_graph))  self.play(Create(root_graph))  self.play(Create(limit_dot_f), Create(limit_dot_root))  self.play(Write(limit_text_f), Write(limit_text_root))  # 等待展示  self.wait(2)  # 高亮极限点  self.play(limit_dot_f.animate.set_color(ORANGE), limit_dot_root.animate.set_color(ORANGE))  self.wait(2)  # 淡出所有元素  self.play(FadeOut(axes), FadeOut(f_graph), FadeOut(root_graph),  FadeOut(limit_dot_f), FadeOut(limit_dot_root),  FadeOut(limit_text_f), FadeOut(limit_text_root))

 

计算平方根时,可能对负数进行了指数运算,导致结果为无效(NaN)值。在我们的例子中,函数 f(x)=x2−1 在 x<−1 或 x>1 的情况下返回负值,因此在这些区间内计算平方根时会产生警告。

为了解决这个问题,可以在绘制平方根图形时,限制 x 的范围为能保证 f(x)为非负值的部分。对于函数 f(x):

  • 当 f(x)≥0 时,x 的范围为 [−1,1]。

7.常熟的极限

\mathop {\lim }\limits_{x \to a} c = c,\,\,\,\,c{\mbox{ is any real number}}换句话说,常数的极限就是常数本身。你们应该能够通过画的图形来说服自己f\left( x \right) = c

其中 cc是任意实数。我们将绘制常数函数 f(x)=c 的图形,并展示其极限。 

 示例代码:

from manim import *  class LimitConstantVisualization(Scene):  def construct(self):  # 创建坐标轴  axes = Axes(  x_range=[-3, 3, 1],  y_range=[-1, 5, 1],  axis_config={"color": BLUE},  )  # 定义常数 c  c = 2  # 任意实数  # 创建常数函数图形  constant_graph = axes.plot(lambda x: c, color=YELLOW, x_range=[-3, 3])  # 定义考察点 a  a = 1  # 创建极限点  limit_dot = Dot(axes.c2p(a, c), color=YELLOW)  # 创建极限值注释  limit_text = MathTex(r"\lim_{x \to a} c = ", c).next_to(limit_dot, RIGHT)  # 添加所有元素  self.play(Create(axes), Create(constant_graph))  self.play(Create(limit_dot))  self.play(Write(limit_text))  # 等待展示  self.wait(2)  # 高亮极限点  self.play(limit_dot.animate.set_color(ORANGE))  self.wait(2)  # 淡出所有元素  self.play(FadeOut(axes), FadeOut(constant_graph), FadeOut(limit_dot), FadeOut(limit_text))

代码解释:

  1. 导入库:使用Manim库进行动画生成。
  2. 创建类:定义类LimitConstantVisualization,继承自Scene,表示一个动画场景。
  3. 构建坐标轴:创建x和y的坐标轴,设置适当的范围。
  4. 定义常数:设置常数 c=2c=2(可以根据需要更改)。
  5. 绘制常数函数图形:绘制常数函数 f(x)=cf(x)=c 的图形。
  6. 定义考察点:设置考察点 a=1a=1。
  7. 创建极限点:在图上标记出常数函数的极限值。
  8. 添加注释:为极限值添加文本注释,显示极限的结果。
  9. 动画效果:逐步展示所有图形、极限点和注释,以便观众理解极限的性质。
  10. 高亮显示:在等待一段时间后,将极限点高亮显示,最后淡出所有元素。

8.直线函数的极限

.\mathop {\lim }\limits_{x \to a} x = a

 和上一题一样,你应该能够通过画f的图像来说服自己f(x)= x

示例代码:

from manim import *  class LimitIdentityVisualization(Scene):  def construct(self):  # 创建坐标轴  axes = Axes(  x_range=[-3, 3, 1],  y_range=[-3, 3, 1],  axis_config={"color": BLUE},  )  # 定义考察点 a  a = 1  # 可以根据需要更改  # 创建线性函数图形 f(x) = x  linear_graph = axes.plot(lambda x: x, color=YELLOW, x_range=[-3, 3])  # 创建极限点  limit_dot = Dot(axes.c2p(a, a), color=YELLOW)  # 创建极限值注释  limit_text = MathTex(r"\lim_{x \to a} x = ", a).next_to(limit_dot, RIGHT)  # 添加所有元素  self.play(Create(axes), Create(linear_graph))  self.play(Create(limit_dot))  self.play(Write(limit_text))  # 等待展示  self.wait(2)  # 高亮极限点  self.play(limit_dot.animate.set_color(ORANGE))  self.wait(2)  # 淡出所有元素  self.play(FadeOut(axes), FadeOut(linear_graph), FadeOut(limit_dot), FadeOut(limit_text))

9.幂函数的极限

\mathop {\lim }\limits_{x \to a} {x^n} = {a^n} 

 

 这是在函数趋近于2是的图像。

 示例代码:

from manim import *  class LimitPowerFunctionVisualization(Scene):  def construct(self):  # 创建坐标轴  axes = Axes(  x_range=[-3, 3, 1],  y_range=[-3, 9, 1],  axis_config={"color": BLUE},  )  # 定义考察点 a 和指数 n  a = 2  # 可以根据需要更改  n = 2  # 可以根据需要更改  # 创建幂函数图形 f(x) = x^n  power_graph = axes.plot(lambda x: x**n, color=YELLOW, x_range=[-3, 3])  # 创建极限点  limit_dot = Dot(axes.c2p(a, a**n), color=YELLOW)  # 创建极限值注释  limit_text = MathTex(r"\lim_{x \to a} x^n = ", a**n).next_to(limit_dot, RIGHT)  # 添加所有元素  self.play(Create(axes), Create(power_graph))  self.play(Create(limit_dot))  self.play(Write(limit_text))  # 等待展示  self.wait(2)  # 高亮极限点  self.play(limit_dot.animate.set_color(ORANGE))  self.wait(2)  # 淡出所有元素  self.play(FadeOut(axes), FadeOut(power_graph), FadeOut(limit_dot), FadeOut(limit_text))

代码解释:

  1. 导入库:使用Manim库进行动画生成。
  2. 创建类:定义类LimitPowerFunctionVisualization,继承自Scene,表示一个动画场景。
  3. 构建坐标轴:创建x和y的坐标轴,设置适当的范围。
  4. 定义考察点:设置考察点 a=2和指数 n=2(可以根据需要更改)。
  5. 绘制幂函数图形:绘制函数 f(x)=x^n 的图形。
  6. 创建极限点:在图上标记出函数的极限值。
  7. 添加注释:为极限值添加文本注释,显示极限的结果。
  8. 动画效果:逐步展示所有图形、极限点和注释,以便观众理解极限的性质。
  9. 高亮显示:在等待一段时间后,将极限点高亮显示,最后淡出所有元素。

这篇关于极限的性质【下】《用Manim可视化》的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1123826

相关文章

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

基于SSM+Vue+MySQL的可视化高校公寓管理系统

系统展示 管理员界面 宿管界面 学生界面 系统背景   当前社会各行业领域竞争压力非常大,随着当前时代的信息化,科学化发展,让社会各行业领域都争相使用新的信息技术,对行业内的各种相关数据进行科学化,规范化管理。这样的大环境让那些止步不前,不接受信息改革带来的信息技术的企业随时面临被淘汰,被取代的风险。所以当今,各个行业领域,不管是传统的教育行业

「大数据分析」图形可视化,如何选择大数据可视化图形?

​图形可视化技术,在大数据分析中,是一个非常重要的关键部分。我们前期通过数据获取,数据处理,数据分析,得出结果,这些过程都是比较抽象的。如果是非数据分析专业人员,很难清楚我们这些工作,到底做了些什么事情。即使是专业人员,在不清楚项目,不了解业务规则,不熟悉技术细节的情况下。要搞清楚我们的大数据分析,这一系列过程,也是比较困难的。 我们在数据处理和分析完成后,一般来说,都需要形成结论报告。怎样让大

11Python的Pandas:可视化

Pandas本身并没有直接的可视化功能,但它与其他Python库(如Matplotlib和Seaborn)无缝集成,允许你快速创建各种图表和可视化。这里是一些使用Pandas数据进行可视化的常见方法: 1. 使用Matplotlib Pandas中的plot()方法实际上是基于Matplotlib的,你可以使用它来绘制各种基本图表,例如折线图、柱状图、散点图等。 import pandas

【全网最全】2024年数学建模国赛A题30页完整建模文档+17页成品论文+保奖matla代码+可视化图表等(后续会更新)

您的点赞收藏是我继续更新的最大动力! 一定要点击如下的卡片,那是获取资料的入口! 【全网最全】2024年数学建模国赛A题30页完整建模文档+17页成品论文+保奖matla代码+可视化图表等(后续会更新)「首先来看看目前已有的资料,还会不断更新哦~一次购买,后续不会再被收费哦,保证是全网最全资源,随着后续内容更新,价格会上涨,越早购买,价格越低,让大家再也不需要到处买断片资料啦~💰💸👋」�

Python利用pyecharts实现数据可视化

小编会持续更新知识笔记,如果感兴趣可以三连支持。闲来无事,水文一篇,不过上手实践一下倒还是挺好玩的,这一块知识说不定以后真可以尝试拿来做数据库的报表显示。         有梦别怕苦,想赢别喊累。 目录 前言 JSON数据格式的转换 pyecharts简介和入门使用 前言       小编我今天闲来无事,打算学习一下py,结果你猜怎么着,竟然看到py可以将数据

对极约束及其性质 —— 公式详细推导

Title: 对极约束及其性质 —— 公式详细推导 文章目录 前言1. 对极约束 (Epipolar Constraint)2. 坐标转换 (Coordinate Transformations)3. 像素坐标 (Pixel Coordinates)4. 像素坐标转换 (Transformations of Pixel Coordinates)5. 本质矩阵 (Essential Matr

【mysql zeppelin】zeppelin 大数据可视化分析工具安装教程精要

Apache Zeppelin是一款大数据分析和可视化工具,可以让数据分析师在一个基于Web页面的笔记本中,使用不同的语言,对不同数据源中的数据进行交互式分析,并对分析结果进行可视化的工具。下面我们主要讲解如何安装和配置的精要部分。 一、zeppelin 安装和配置登录用户 官方网站: https://zeppelin.apache.org/ 下载地址: https://zeppelin

【R语言可视化】R语言画爱心图

数学系也可以很浪漫~~ rm(list=ls())library(grid)heart <- function(lcolor){t=seq(0, 2*pi, by=0.1)x=16*sin(t)^3y=13*cos(t)-5*cos(2*t)-2*cos(3*t)-cos(4*t)a=(x-min(x))/(max(x)-min(x))b=(y-min(y))/(max(y)-min(y))g

【R语言 可视化】R语言画雷达图

1、安装插件 github网址: https://github.com/ricardo-bion/ggradar devtools::install_github("ricardo-bion/ggradar")install.packages("knitr") 2、效果图 3、源代码 rm(list=ls())gc()library(ggradar)mydata<-ma