泰勒公式:
通过泰勒公式可以找到一个函数的近似值,以sin为例
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
from scipy.misc import derivative
#模拟泰勒公式,使用scipy.misc模块下的derivative方法函数可以求导
#另外 python求导见http://liao.cpython.org/scipy17/
plt.rcParams['font.sans-serif']=['SimHei'] # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号
ax=plt.gca()
# 移位置 设为原点相交
ax.xaxis.set_ticks_position('bottom') # 设置为底部
ax.spines['bottom'].set_position(('data', 0)) # 获取底部轴设置其位置,表示设置底部轴移动到竖轴的0坐标位置
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
#获取x坐标
X=np.linspace(-np.pi,np.pi,256,endpoint=True)
#获取y坐标
sin=np.sin(X)
plt.plot(X,sin,"b-",lw=2.5,label="正弦")
#开始验证泰勒(画散点图) 该求导函数详见那个网站
x_data = np.linspace(-np.pi,np.pi,30,endpoint=True)
y_data = []
y_data2 = []
y_data3 = []
def f(x):
return np.sin(x)
#加到3阶导数
for i in range(len(x_data)):
y = np.sin(0) + derivative(f, 0,dx=1e-6, n=1)*(x_data[i]-0) + derivative(f, 0, dx=1e-6, n=2)*((x_data[i]-0)**2)/2
y = y + derivative(f, 0, dx=1e-6, n=3,order=5) * ((x_data[i] - 0) ** 3) / 6 #这个地方,求三阶导的时候,order要设置为5,因为去看源文件,发现order要>n+1且为奇数
y_data.append(y)
plt.scatter(x_data,y_data,c='r')
#加到2阶导数
for i in range(len(x_data)):
y = np.sin(0) + derivative(f, 0,dx=1e-6, n=1)*(x_data[i]-0) + derivative(f, 0, dx=1e-6, n=2)*((x_data[i]-0)**2)/2
y_data2.append(y)
plt.scatter(x_data, y_data2, c='g')
plt.show()
结果为:
绿色散点是泰勒公式加到2阶导数的结果,红色散点是加到3阶导数的结果,可以看到在拟合度逐渐变高。
以上是当x0 = 0的时候。
将x0 = 0改为x0 = x_data[10],结果是:
依然可以拟合,只不过拟合程度在x_data[10]处达到最好。
所以在使用泰勒公式时,可以根据要目的选择x0的取值。
编程问题:
使用到了 derivative 函数,这个函数参数为:
Parameters ---------- func : function Input function. x0 : float The point at which `n`-th derivative is found. dx : float, optional Spacing. n : int, optional Order of the derivative. Default is 1. args : tuple, optional Arguments order : int, optional Number of points to use, must be odd.
在求三阶导数的时候,order要设置为5.
不过这个函数有点坑,求多项式的导数还好,求像这个sin的函数,到4阶就会误差非常大,不能忍受。