AI筆記: 數學基礎之函數的導數應用及求導公式

關於導數

  • 導數是數學中非常重要的概念,它能反應出速度變化的快慢,尤其在AI的算法分析,優化以及數據挖掘中用到很多

導數的引出

引例1

  • 變速直線運動的速度
    • s是距離,t是時間,v是速度
    • 設描述指點運動的位置函數爲 s=f(t)s = f(t)
    • t0t_0到t的平均速度爲 v=f(t)f(t0)tt0\overrightarrow{v} = \frac{f(t) - f(t_0)}{t - t_0}
    • 而在t0t_0時刻的瞬時速度爲 v=limtt0f(t)f(t0)tt0v = \lim_{t \to t_0} \frac{f(t) - f(t_0)}{t - t_0}

備註:圖片託管於github,請確保網絡的可訪問性

引例2

  • 曲線的切線斜率
    • 曲線C: y=f(x)y = f(x) 在M點處的切線MT,與x軸夾角是α\alpha
    • MN是曲線C的一條割線,與x軸夾角是β\beta
    • 割線MN的極限位置MT(當βα\beta \to \alpha時)
    • 切線MT的斜率 k=tanα=limβαtanβk = tan \alpha = \lim_{\beta \to \alpha} tan \beta
    • 割線MN的斜率 tanϕ=f(x)f(x0)xx0tan \phi = \frac{f(x) - f(x_0)}{x - x_0} 如圖虛線所示的比
    • k=limxx0f(x)f(x0)xx0k = \lim_{x \to x_0} \frac{f(x) - f(x_0)}{x - x_0}
    • 可見增量比的極限就是曲線C在M點處的切線MT

導數的定義

  • 設函數y=f(x)在點x0x_0的某臨域內有定義
  • y=f(x)f(x0)\triangle y = f(x) - f(x_0)
  • δx=xx0\delta x = x - x_0
  • limxx0f(x)f(x0)xx0=limδx0δyδx\lim_{x \to x_0} \frac{f(x) - f(x_0)}{x - x_0} = \lim_{\delta x \to 0} \frac{\delta y}{\delta x} 存在
  • 則稱函數f(x)在點x0x_0處可導,並稱此極限爲y=f(x)在點x0x_0的導數
  • 記爲:
    • yx=x0\mathop{{\left. y' \right| }}\nolimits_{{x=\mathop{{x}}\nolimits_{{0}}}}
    • f(x0)f'(x_0)
    • dydxx=x0\mathop{{\left. \frac{dy}{dx} \right| }}\nolimits_{{x=\mathop{{x}}\nolimits_{{0}}}}
    • df(x)dxx=x0\mathop{{\left. \frac{df(x)}{dx} \right| }}\nolimits_{{x=\mathop{{x}}\nolimits_{{0}}}}
    • 以上四種均可表示,即:yx=x0=f(x0)=limx0yx=limx0f(x0+x)f(x0)x\mathop{{\left. y' \right| }}\nolimits_{{x=\mathop{{x}}\nolimits_{{0}}}} = f'(x_0) = \lim_{\triangle x \to 0} \frac{\triangle y}{\triangle x} = \lim_{\triangle x \to 0} \frac{f(x_0 + \triangle x) - f(x_0)}{\triangle x}

導數公式

常數和基本初等函數的導數公式

僅供查閱


備註:圖片託管於github,請確保網絡的可訪問性

基本求導法則

1 ) 函數的和、差、積、商的求導法則

  • u=u(x),v=v(x)u = u(x), v = v(x) 都可導,則
    • (1) (u±v)=u±v(u \pm v)' = u' \pm v'
    • (2) (Cu)=Cu(Cu)' = Cu' (C是常數)
    • (3) (uv)=uv+uv(uv)' = u'v + uv'
    • (4) (uv)=uvuvv2(\frac{u}{v})' = \frac{u'v - uv'}{v^2} (v0v \neq 0)

2 ) 反函數的求導法則

  • 如果函數x=f(y)x=f(y)在區間IyI_y內單調、可導且f(y)0f'(y) \neq 0
  • 則它的反函數y=f1(x)y=f^{-1}(x)在區間Ix={xx=f(y),yIy}I_x = \{ x| x = f(y), y \in I_y \}內也可導,且有
  • [f1(x)]=1f(y)[f^{-1}(x)]' = \frac{1}{f'(y)}dydx=1dxdy\frac{dy}{dx} = \frac{1}{\frac{dx}{dy}}

3 ) 複合函數求導法則

  • y=f(u),u=φ(x)y=f(u), u=\varphi (x), 則複合函數y=f[φ(x)]y = f[\varphi (x)]的導數爲
  • dydx=dydududx=f(u)φ(x)\frac{dy}{dx} = \frac{dy}{du} * \frac{du}{dx} = f'(u)*\varphi ' (x)

例子1

  • y=2x35x2+3x7y=2x^3 - 5x^2 + 3x - 7的導數
    • y=23x252x+3+0y' = 2*3*x^2 - 5*2*x + 3 + 0
    • y=6x210x+3y' = 6x^2 - 10x + 3

例子2

  • 已知f(x)=x3+4cosxsinπ2f(x) = x^3 + 4cosx - sin \frac{\pi}{2}, 求f(x)f(π2)f'(x) 、f'(\frac{\pi}{2})
    • f(x)=3x24sinx0f'(x) = 3*x^2 - 4*sin x - 0
    • f(x)=3x24sinxf'(x) = 3x^2 - 4sinx
    • f(π2)=3(π2)24π2f'(\frac{\pi}{2}) = 3*(\frac{\pi}{2})^2 - 4*\frac{\pi}{2}
    • f(π2)=34π24f'(\frac{\pi}{2}) = \frac{3}{4} \pi^2 - 4

例子3

  • y=xlnxy=\sqrt{x} * ln x的導數
    • y=(xlnx+x(lnx))y' = (\sqrt{x}'ln x + \sqrt{x}(ln x)')
    • y=121xlnx+x1xy' = \frac{1}{2} * \frac{1}{\sqrt{x}} * ln x + \sqrt{x} * \frac{1}{x}
    • y=1x(lnx2+1)y' = \frac{1}{\sqrt{x}} (\frac{ln x}{2} + 1)

例子4

  • y=ex(sinx+cosx)y=e^x(sin x + cos x)的導數
    • y=(ex)(sinx+cosx)+ex(sinx+cosx)y' = (e^x)'(sin x + cos x) + e^x(sinx + cosx)'
    • y=ex(sinx+cosx)+ex(cosxsinx)y' = e^x(sin x + cos x) + e^x(cosx - sinx)
    • y=ex2cosxy' = e^x * 2 * cos x
    • y=2excosxy' = 2 e^x cos x

高階導數

  • 若函數y=f(x)的導數y=f(x)y' = f'(x)可導
  • 則稱f(x)f'(x)的導數爲f(x)的二階導數
  • 記爲 yy''d2ydx2\frac{d^2y}{dx^2}
  • 即:y=(y)y'' = (y')'d2ydx2=ddx(dydx)\frac{d^2y}{dx^2} = \frac{d}{dx} * (\frac{dy}{dx})
  • 類似地,二階導數的導數稱爲三階導數,以此類推,n-1階導數的導數稱爲n階導數,分別記爲:
  • y,y,y,y(4),y(5),...,y(n)y', y'', y''', y^{(4)}, y^{(5)}, ..., y^{(n)}f(x),f(x),f(x),f(4)(x),f(5)(x),...,f(n)(x)f'(x), f''(x), f'''(x), f^{(4)}(x), f^{(5)}(x), ..., f^{(n)}(x)
  • y(n)=dnydxny^{(n)} = \frac{d^ny}{dx^n}
  • 原函數可以稱爲0階導數
  • 二階及其以上導數統稱爲高階導數
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章