说明

R语言的版本为4.0.2，IDE为Rstudio，版本为1.3.959。学习过程中参考了以下文章：
R笔记（1）：formula和Formula（CSDN）
R语言笔记.formula（知乎）
R语言进阶之五：表达式、数学公式与特殊符号（CSDN）
R语言的导数计算（CSDN）
积分_R（CSDN）

1 R中的表达式

要进行求导或者积分运算，首先需要有一个表达式，注意，是表达式，而不是实现了这个表达式的函数，这就要用到 expression 对象。
使用expression() 函数可以创建expression 对象，expression 对象实际上是以列表的形式储存表达式的，例如创建以下表达式：

y=x3+sin(x)+exy = x^{3}+sin(x)+e^{x}\, y=x3+sin(x)+ex

当然除了使用 expression() 函数创建表达式之外，还可以使用formula() 函数创建公式，二者都可以当成参数进行求导和积分运算。

# f1,f2,f3分别创建了表达式、公式和函数
# 区别是函数可以传参并运行，前面两种不行
f1  <-  expression(y=x^3+sin(x)+exp(x))
f2 <- formula(y~x^3+sin(x)+exp(x))
f3 <- function(x) x^3 + sin(x) + exp(x)
mode(f1)
mode(f2)
mode(f3)# 输出
# > mode(f1)
# [1] "expression"
# > mode(f2)
# [1] "call"
# > mode(f3)
# [1] "function"

2 求导

求导可以使用函数deriv() 来实现，可以用它来求

一阶导数
高阶导数
偏导数等
……

2.1 求一阶导数

用于求导的函数表达式为：

y=x3+sin(x)+exy = x^{3}+sin(x)+e^{x}\, y=x3+sin(x)+ex

求一阶导数，可以直接使用deriv() 函数，或者使用D()函数，只是后者只支持传入expression不能传入formula，也不能设置让其返回函数用于计算，以下例子里面仅仅使用了deriv() 函数。

# f1,f2,f3分别创建了表达式、公式和函数
# 区别是函数可以传参并运行，前面两种不行
f1  <-  expression(y=x^3+sin(x)+exp(x))
f2 <- formula(y~x^3+sin(x)+exp(x))
f3 <- function(x) x^3 + sin(x) + exp(x)
mode(f1)
mode(f2)
mode(f3)# 分别使用表达式、公式和手动编求导后的函数
# 验证求导结果，发现结果一致
df1 <- deriv(f1,"x",function.arg = TRUE)
df2 <- deriv(f2,"x",function.arg = TRUE)
df3 <- function(x) 3*x^2 + cos(x) + exp(x)
df1(1)
df2(1)
df3(1)# 输出
# > df1(1)
# [1] 4.559753
# attr(,"gradient")
# x
# [1,] 6.258584
# > df2(1)
# [1] 4.559753
# attr(,"gradient")
# x
# [1,] 6.258584
# > df3(1)
# [1] 6.25858

2.2求高阶导数

用于求导的函数表达式依旧为：

y=x3+sin(x)+exy = x^{3}+sin(x)+e^{x}\, y=x3+sin(x)+ex

求二阶导数可直接使用deriv3() 函数。

# f1,f2,f3分别创建了表达式、公式和函数
# 区别是函数可以传参并运行，前面两种不行
f1  <-  expression(y=x^3+sin(x)+exp(x))
f2 <- formula(y~x^3+sin(x)+exp(x))
f3 <- function(x) x^3 + sin(x) + exp(x)
mode(f1)
mode(f2)
mode(f3)# 分别使用表达式、公式和手动编求二阶导数后的函数
# 验证求导结果，发现结果一致
df1 <- deriv3(f1,"x",function.arg = TRUE)
df2 <- deriv3(f2,"x",function.arg = TRUE)
df3 <- function(x) 6*x - sin(x) + exp(x)
df1(1)
df2(1)
df3(1)# 输出
# > df1(1)
# [1] 4.559753
# attr(,"gradient")
# x
# [1,] 6.258584
# attr(,"hessian")
# , , x
#
# x
# [1,] 7.876811
#
# > df2(1)
# [1] 4.559753
# attr(,"gradient")
# x
# [1,] 6.258584
# attr(,"hessian")
# , , x
#
# x
# [1,] 7.876811
#
# > df3(1)
# [1] 7.876811

求更高阶导数则需要自己编一个函数，方便高阶求导

# f1,f2,f3分别创建了表达式、公式和函数
# 区别是函数可以传参并运行，前面两种不行
f1  <-  expression(y=x^3+sin(x)+exp(x))
f2 <- formula(y~x^3+sin(x)+exp(x))
f3 <- function(x) x^3 + sin(x) + exp(x)
mode(f1)
mode(f2)
mode(f3)# 自定义的求高阶导数的函数，设置order值以确定求导阶数
DD <- function(expr, name, order = 1,function.arg = FALSE) {if(order < 1) stop("'order' must be >= 1")if(order == 1) deriv(expr, name, function.arg = function.arg)else DD(D(expr, name), name, order - 1, function.arg)
}# 分别使用表达式、公式和手动编求3阶导数后的函数
# 验证求导结果，发现结果一致
df1 <- DD(f1,"x",3,function.arg = TRUE)
df3 <- function(x) 6 - cos(x) + exp(x)
df1(1)
df3(1)# 输出
# [1] 7.876811
# attr(,"gradient")
# x
# [1,] 8.17798
# > df3(1)
# [1] 8.17798

2.3 求偏导数

对以下函数求偏导数：
f(x,y)=x3y+sin(xy3)+exyf(x,y) = \frac{x^{3}}{y}+sin(xy^{3})+e^{xy}\, f(x,y)=yx3+sin(xy3)+exy

f1  <-  expression(f=x^3/y+sin(x*y^3)+exp(x*y))
f2 <- function(x,y) x^3/y+sin(x*y^3)+exp(x*y)# 分别使用表达式和手动编求偏导数后的函数
# 验证求导结果，发现结果一致
df1xy <- deriv(f1,c("x","y"),function.arg = TRUE)
df2x <- function(x,y) 3*x^2/y+cos(x*y^3)*y^3+y*exp(x*y)
df2y <- function(x,y) -x^3/y^2+3*cos(x*y^3)*y^2+x*exp(x*y)
df1xy(1,1)
df2x(1,1)
df2y(1,1)# 输出
# [1] 4.559753
# attr(,"gradient")
# x        y
# [1,] 6.258584 3.339189
# > df2x(1,1)
# [1] 6.258584
# > df2y(1,1)
# [1] 3.339189

3 积分

对于积分而言，有以下几种形式：

定积分
不定积分
多元函数积分
……

3.1 定积分

求定积分可以使用integrate() 函数，该函数要求传入的是仅有单变量的函数而非表达式，因此只能求一元函数定积分，对以下函数求定积分：

y=x3+sin(x)+exy = x^{3}+sin(x)+e^{x}\, y=x3+sin(x)+ex

# 定义一个用于积分的单变量函数，和积分之后的函数
f  <-  function(x) x^3 + sin(x) + exp(x)
If <- function(x) x^4/4-cos(x) +exp(x)# 计算区间（1，2）上的积分
# 并手动验证，发现一致，误差很小
integrate(f, 1,2)
If(2)-If(1)# 输出
# > integrate(f, 1,2)
# 9.377223 with absolute error < 1e-13
# > If(2)-If(1)
# [1] 9.377223

3.2 不定积分

暂时还不知道和不定积分相关的包有哪些，日后找到再补上。

R语言学习之科学计算——求导与积分相关推荐

《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一2.1　引言...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.1节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一2.3　数据清洗和变量格式化...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.3节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一2.5　为跨年度的个人参赛选手构造记录...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.5节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
R语言学习系列之向量化计算
##R语言学习系列之向量化计算本文主要讲解R语言向量化计算的原理及方法,希望对初学者能够提供帮助. ##一.向量化什么是向量化计算呢?其实你可以简单的理解成这样:当我们在使用函数或者定义函数的时候 ...
《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一2.4　探索所有男选手的跑步时间...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.4节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一2.6　对个人跑步时间的变化进行建模...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第2章,第2.6节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
《数据科学R语言实践：面向计算推理与问题求解的案例研究法》一一 1.1　引言...
本节书摘来自华章计算机<数据科学R语言实践:面向计算推理与问题求解的案例研究法>一书中的第1章,第1.1节,作者:[美] 德博拉·诺兰(Deborah Nolan) 邓肯·坦普·朗(Dun ...
R语言学习笔记 ②求一组数据的平均数、中位数、标准差和范围
以作业为例 1. 求平均数 mean R语言用函数 mean() 来求平均数 # Create a vector. x <- c(15, 8, 6, 9, 9, 4, 18, 10, 12, 1 ...
R语言学习手记 (1)
R语言学习手记 (1) 经管的会计和财管都会学数据统计与分析R语言这门课,加上我也有点兴趣,就提前选了这门课,以下的笔记由老师上课的PPT.<R语言编程艺术>和<R语言数据科学> ...

R语言学习之科学计算——求导与积分

文章目录

说明

1 R中的表达式

2 求导

2.1 求一阶导数

2.2求高阶导数

2.3 求偏导数

3 积分

3.1 定积分

3.2 不定积分

R语言学习之科学计算——求导与积分相关推荐

最新文章

热门文章