如何在Haskell中使用Numeric.AD库实现Carleman矩阵

问题场景 #

尝试基于Haskell的Numeric.AD库实现可微函数的Carleman矩阵，参考Carleman矩阵的数学定义，但最初编写的代码触发了类型不匹配的编译错误。

最初错误代码示例 #

import Numeric.AD

carlemanMatrix :: (Num a, Fractional a, Mode t) => Int -> (t a -> t a) -> [[a]]
carlemanMatrix n f = [ [ diff (f^k) 0 | k <- [0..n-1] ] | i <- [0..n-1] ]

这段代码的核心问题是：直接使用f^k进行函数迭代会导致Numeric.AD的模式类型与普通函数迭代的类型无法兼容，编译器无法完成正确的类型推导，从而抛出类型不匹配错误。

修正后的实现代码 #

单独定义目标可微函数，拆分导数计算逻辑，调整实现思路后得到可正常编译运行的代码：

import Numeric.AD
import Data.List (transpose)

-- 示例可微函数：f(x) = x + x²，可替换为其他可微函数
f :: (Num a, Mode t) => t a -> t a
f x = x + x * x

-- 计算函数g在0点的k阶导数，并除以k!（符合Carleman矩阵元素的数学定义）
derivAt0 :: (Num a, Fractional a, Mode t) => Int -> (t a -> t a) -> a
derivAt0 k g = diffs g 0 !! k / fromIntegral (product [1..k])

-- 构造n阶Carleman矩阵
carlemanMatrix :: (Num a, Fractional a, Mode t) => Int -> [[a]]
carlemanMatrix n = transpose 
  [ [ derivAt0 i (\x -> iterate f x !! j) | i <- [0..n-1] ] 
  | j <- [0..n-1] 
  ]

修正思路说明 #

1. 单独定义目标函数：将可微函数f独立提取，明确其类型签名，让Numeric.AD的模式类型（如Reverse、Forward）能正确推导。
2. 拆分导数计算逻辑：封装derivAt0函数专门处理"0点k阶导数除以k!"的计算，简化主逻辑的类型复杂度。
3. 显式处理函数迭代：用iterate f x !! j明确生成f的j次迭代函数，避免隐式类型转换带来的冲突，同时通过transpose调整行列顺序以匹配Carleman矩阵的标准定义。

内容的提问来源于stack exchange，提问作者Hermann