[Python知识库] 数值梯度的计算

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> 数值梯度的计算 -> 正文阅读

[Python知识库]数值梯度的计算

数值梯度的表达式：

$\frac{f(x+h) - f(x)}{h}$

其误差为 $O(h)$ ,证明如下：

$f(x+h)=f(x)+f'(x)h+O(h^2)$

$\frac{f(x+h) - f(x)}{h}=\frac{f(x)+f'(x)h+O(h^2)-f(x)}{h} = f'(x) - O(h)$

?而：

?? $\frac{f(x+h) - f(x-h)}{2h}$

$f(x+h)=f(x)+f'(x)h+f''(x)h^2+O(h^3)$

$f(x-h)=f(x)-f'(x)h+f''(x)h^2-O(h^3)$

$\frac{f(x+h) - f(x-h)}{2h}=\frac{2f'(x)h + 2O(h^3)}{2h}=f'(x)+O(h^2)$

的误差是 $O(h^2)$ ,? 这是不同的地方。

以函数

$f(x)=0.01x^2 + 0.1x$

为例，计算它的数值微分，首先根据高等数学公式，可以得出 $f'(x)=0.02x + 0.1$

$f'(5)=0.2$

# coding: utf-8
import numpy as np
import matplotlib.pylab as plt

def numerical_diff(f, x):
    h = 1e-3 # 0.001
    return (f(x+h) - f(x-h)) / (2*h)

def function_1(x):
    return 0.01*x**2 + 0.1*x 

def tangent_line(f, x):
    d = numerical_diff(f, x)
    print(d)
    y = f(x) - d*x
    return lambda t: d*t + y
     
x = np.arange(0.0, 20.0, 0.1)
y = function_1(x)
plt.xlabel("x")
plt.ylabel("f(x)")

tf = tangent_line(function_1, 5)
y2 = tf(x)

plt.plot(x, y)
plt.plot(x, y2)
plt.show()

运行结果如下：