python实现曲线近似微分_曲率与自动微分

手动计算曲率十分枯燥，因为它涉及计算一阶导与二阶导。当然，也有其他的应用需要求导，但在这里我们将曲率作为例子。

求导

如果只用显式地实现原始函数，然后让软件自己找出导数，就好了。

数值微分

导数的有限差分近似并不新鲜。例如，欧拉(1707-1783)使用有限差分(数值)求解微分方程。但数值微分可能不准确或不稳定，特别是对于高阶导数。

符号微分

符号微分是另一种方法，让计算机像人们手动一样操纵表达式。它适用于很多问题，但对于大问题来说，可扩展性不行。它还要求函数以传统的数学形式呈现，而不是以源代码的形式呈现。

自动微分

自动微分是第三种方法。像数值微分一样，它可以与浮点数一起使用，而不是符号表达式。但与数值微分不同，结果没有近似误差。正如有人所说，自动微分将链式规则应用于浮点数而不是符号表达式。

Python 实现

我将使用 Python 库 autograd 来计算曲率并说明自动微分。autograd并不是 Python 最强大的自动微分库，但它是我见过的最简单的。

我们将计算逻辑曲线的曲率。

曲率由下式给出：

下面是使用 autograd 计算曲率的 Python 代码。

1

2

3

4

5

6

7

8

9

10

11import autograd.numpy as np

from autograd import grad

def f(x):

return 1/(1 + np.