• 导数、偏导数、方向导数


    1.导数与偏导数

    1.1.导数

    导数定义: 反应的是函数 y = f ( x ) y=f(x) y=f(x) 在某一点处沿着自变量 x x x 的正方向(即: x x x 轴正方向)的变化率。

    导数公式:

    函数 y = f ( x ) y=f(x) y=f(x) x 0 x_0 x0 点的导数记作 f ′ ( x 0 ) f'(x_0) f(x0),则 f ′ ( x 0 ) f'(x_0) f(x0)为:
    f ′ ( x 0 ) = lim ⁡ Δ x → 0 Δ y Δ x = lim ⁡ Δ x → 0 f ( x 0 + Δ x ) − f ( x 0 ) Δ x f' (x_0) = \lim_{\Delta x \to 0} \frac{\Delta y}{\Delta x} = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x) - f(x_0)}{\Delta x} f(x0)=Δx0limΔxΔy=Δx0limΔxf(x0+Δx)f(x0)

    几何意义: 函数 y = f ( x ) y=f(x) y=f(x) x 0 x_0 x0 点的导数 f ′ ( x 0 ) f'(x_0) f(x0) 表示函数曲线在点 P 0 ( x 0 , f ( x 0 ) ) P_0(x_0, f(x_0)) P0(x0,f(x0)) 处的切线的斜率【导数的几何意义是该函数曲线在这一点 P 0 ( x 0 , f ( x 0 ) ) P_0(x_0, f(x_0)) P0(x0,f(x0)) 上的切线斜率】。

    1.2.偏导数

    偏导数定义: 以二元函数为例,反应的是函数 z = f ( x , y ) z=f(x,y) z=f(x,y) 在某一点处沿着某个坐标轴正方向(即:沿着 x x x 轴正方向或者沿着 y y y 轴正方向)的变化率。

    偏导数公式:

    以二元函数 z = f ( x , y ) z=f(x, y) z=f(x,y) 为例:
    函数 z = f ( x , y ) z=f(x,y) z=f(x,y) ( x 0 , y 0 ) (x_0, y_0) (x0,y0) 点处对 x x x 的偏导数记作 ∂ z ∂ x \frac{\partial z}{\partial x} xz(又可记作: ∂ f ∂ x \frac{\partial f}{\partial x} xf , z x z_x zx f x ( x , y ) f_x(x,y) fx(x,y)),则 ∂ z ∂ x \frac{\partial z}{\partial x} xz 为:

    ∂ z ∂ x = lim ⁡ Δ x → 0 f ( x 0 + Δ x , y 0 ) − f ( x 0 , y 0 ) Δ x \frac{\partial z}{\partial x} = \lim_{\Delta x \to 0} \frac{f(x_0 + \Delta x, y_0) - f(x_0, y_0)}{\Delta x} xz=Δx0limΔxf(x0+Δx,y0)f(x0,y0)

    函数 z = f ( x , y ) z=f(x,y) z=f(x,y) ( x 0 , y 0 ) (x_0, y_0) (x0,y0) 点处对 y y y 的偏导数记作 ∂ z ∂ y \frac{\partial z}{\partial y} yz(又可记作: ∂ f ∂ y \frac{\partial f}{\partial y} yf , z y z_y zy f y ( x , y ) f_y(x,y) fy(x,y)),则 ∂ z ∂ y \frac{\partial z}{\partial y} yz 为:

    ∂ z ∂ y = lim ⁡ Δ y → 0 f ( x 0 , y 0 + Δ y ) − f ( x 0 , y 0 ) Δ y \frac{\partial z}{\partial y} = \lim_{\Delta y \to 0} \frac{f(x_0, y_0 + \Delta y) - f(x_0, y_0)}{\Delta y} yz=Δy0limΔyf(x0,y0+Δy)f(x0,y0)

    注: 导数与偏导数本质是⼀致的,都是当⾃变量的变化趋于0时,函数值的变化与⾃变量的变化,它们两者之间⽐值的极限。

    3.方向导数

    在前⾯ 导数偏导数 的定义中,均是沿坐标轴正⽅向讨论函数的变化率。那么当我们讨论函数沿任意⽅向的变化率时,也就引出了⽅向导数的定义。

    方向导数: 反应的是函数 y y y 在某一点 x 0 x_0 x0 处沿着特定方向(不一定是 x x x 轴正方向了)的变化率。

  • 相关阅读:
    使用遗传算法优化模糊隶属函数以实现最优模糊控制
    webpack快速入门-核心概念
    今天学习了excel的公式和函数,常用的还没学完,先做好笔记,都是比较常用的东西,对未来分析数据很有用,明天继续加油
    前端反爬思考,好友从百度搜到了我的文章,链接却是别人的
    miniui表格data-grid 锁定指定列
    R语言data.table导入数据实战:data.table数据列名称的重命名(rename)
    电动两轮车驶入“年轻化”新赛道,新老品牌谁能率先突围?
    python3 词频统计计数分析+可视化词云 jieba+wordcloud 数据分析
    Debian系APT源通用镜像加速配置
    SQL批量处理+JDBC操作大数据及工具类的封装
  • 原文地址:https://blog.csdn.net/m0_38068876/article/details/125618050