python 矩阵 偏导

Python是一种高级编程语言，它的矩阵操作非常方便。本文主要介绍python矩阵的偏导数计算。

import numpy as np
# 偏导数公式
def partial_derivative(func, var=0, point=[]):
args = point[:]
def wraps(x):
args[var] = x
return func(*args)
return np.gradient(wraps, point[var])
# 例子1
def f1(x, y):
return x ** 2 + y ** 2
# 对x求偏导
print(partial_derivative(f1, var=0, point=[1, 2]))
# 对y求偏导
print(partial_derivative(f1, var=1, point=[1, 2]))
# 例子2
def f2(x, y):
return x ** 3 + 3 * x * y ** 2
# 对x求偏导
print(partial_derivative(f2, var=0, point=[1, 2]))
# 对y求偏导
print(partial_derivative(f2, var=1, point=[1, 2]))

以上代码通过numpy库提供的np.gradient函数，对任意多元函数f(x1, x2,...,xn)，计算出f在点(point[0], point[1],..., point[n⑴])处第var个自变量(即xvar)的偏导数。

需要注意的是，由于使用了np.gradient函数，所以以上计算结果并不是精确值，只是近似值。如果需要更高的精度，可以将点(point[0], point[1],..., point[n⑴])设置得更小。