gym-cas 0.4.20

CAS tools for danish high schools.

GYM CAS

Anvend Python som CAS (Computational Algebra System) i gymnasiet. Bygger på følgende moduler:

• Algebra/beregninger:
  • SymPy
  • NumPy
• Afbildninger:
  • SymPy Plot Backends
  • Matplotlib

Installation

pip install gym-cas

eller

py -m pip install gym-cas

Cheatsheet

I nedenstående afsnit antages det at gym_cas først importeres således:

from gym_cas import *

B1. Tal- og bogstavregning

expand( udtryk )
factor( udtryk )

B2. Ligninger og uligheder

solve( udtryk )
solve( [udtryk1, udtryk2] )
nsolve( udtryk, startgæt )
solve_interval( udtryk, start, slut )

Bemærk at den nemmeste måde at bruge solve i SymPy er ved at omforme sin ligning så en af siderne er lig 0. Hvis man fx vil løse ligningen x/2 = 10 så kan det skrives solve(x/2-10).

B3. Geometri og trigonometri

Sin( vinkel )
Cos( vinkel )
Tan( vinkel )
aSin( forhold )
aCos( forhold )
aTan( forhold )

B4. Analytisk plangeometri

plot_points( X_list ,Y_list)
plot( funktion )
plot_implicit( udtryk ,xlim=( x_min, x_max),ylim=( y_min, y_max))
plot_geometry( Geometrisk objekt )

Flere grafer i en afbildning

p1 = plot( udtryk1 )
p2 = plot( udtryk2 )
p = p1 + p2
p.show()

B5. Vektorer

a = vector(x,y)
a.dot(b)
plot_vector( vektor )
plot_vector( start, vektor )
plot_vector( [vektor1, vektor2, ...])

B6. Deskriptiv Statistik

Ugrupperet

max( data )
min( data )
mean( data )
median( data )
var( data, ddof )
std( data, ddof ) 
kvartiler( data )
percentile( data , procenter )
frekvenstabel( data )
boxplot( data ) 
plot_sum( data )

Grupperet

group_mean( data, grupper )
group_percentile( data, grupper, procenter )
group_var( data, grupper, ddof )
group_std( data, grupper, ddof ) 
frekvenstabel( data, grupper )
boxplot( data, grupper ) 
plot_sum( data, grupper )
plot_hist( data, grupper )

B8. Funktioner

def f(x):
    return funktionsudtryk
f(3)

def f(x):
    return Piecewise(( funktion1, betingelse1), (funktion2, betingelse2))

plot( funktion , yscale="log")
plot( funktion , (variabel, start, stop), xscale="log", yscale="log")
regression_poly(X,Y, grad)
regression_power(X,Y)
regression_exp(X,Y)

B9. Differentialregning

limit( udtryk, variabel, grænse, retning )
diff( funktion )
def df(xi):
    return diff( funktion ).subs( variabel, xi )

B10. Integralregning

integrate( udtryk )
integrate( udtryk, ( variabel, start, slut ))
plot3d_revolution( udtryk , (x, a, b),parallel_axis="x")

A1. Vektorer i rummet

a = vector(1,2,3)
a.cross(b)
plot_vector( a )
plot3d_points( X, Y, Z )
plot3d_line( a + t * r )
plot3d_plane( a + s * r1 + t * r2 )
plot3d_sphere( radius, centrum )
plot3d_implicit( ligning, backend=PB ) # Kræver Plotly eller K3D

A4. Differentialligninger

f = Function('f')
dsolve( ode )
plot_ode( ode, (x, start, stop), (f, start, stop))

A5. Diskret Matematik

X = [ udregning for x in range(start,slut)]
X = [ startbetingelse ]
for i in range(start, slut):
    X.append( rekursionsligning )